链载Ai

标题: 让生成式 AI 触手可及：NVIDIA NIM on VKE 部署实践 [打印本页]

作者: 链载Ai 时间: 2 小时前
标题: 让生成式 AI 触手可及：NVIDIA NIM on VKE 部署实践

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;background-color: rgb(255, 255, 255);line-height: 1.75em;visibility: visible;">

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;background-color: rgb(255, 255, 255);line-height: 1.75em;visibility: visible;">环境搭建与配置：首先需要准备和调试运行环境，这包括但不限于 CUDA、Python、PyTorch 等依赖项的安装与配置。这一步骤往往较为复杂，需要细致地调整各个组件以确保兼容性和性能。
ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;background-color: rgb(255, 255, 255);line-height: 1.75em;visibility: visible;">模型优化与封装：接下来进行模型的打包和优化，以提高推理效率。这通常涉及到使用 TensorRT 或 TensorRT-LLM 等专业工具来优化模型，并根据性能测试结果和经验来调整推理引擎的配置参数。这一过程需要深入的 AI 领域知识，并且工具的使用具有一定的学习成本。
ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;background-color: rgb(255, 255, 255);line-height: 1.75em;visibility: visible;">模型部署：最后，将优化后的模型部署到生产环境中。对于非容器化环境，资源的准备和管理也是一个需要精心策划的环节。

为了简化上述流程并降低技术门槛，火山引擎云原生团队推出 NIM on VKE 最佳实践。通过结合 NIM 一站式模型服务能力，以及火山引擎容器服务 VKE 在成本节约和极简运维等方面的优势，这套开箱即用的技术方案将帮助企业更加快捷和高效地部署 AI 模型。

AI 微服务化：NIM

NIM（NVIDIA Inference Microservice）是英伟达（NVIDIA）推出的一套经过优化的企业级生成式 AI 微服务，它封装了推理引擎，通过 API 接口对外提供服务，旨在帮助企业和个人开发者更简单地开发和部署 AI 驱动的应用程序。

NIM 使用行业标准 API，支持跨多个领域的 AI 用例，包括大型语言模型（LLM）、视觉语言模型（VLM），以及用于语音、图像、视频、3D、药物研发、医学成像等的模型。同时，它基于包括 NVIDIA Triton™ Inference Server、TensorRT™、TensorRT-LLM 和 PyTorch 在内的强大基础构建，可以在加速基础设施上提供最优的延迟和吞吐量。

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;background-color: rgb(255, 255, 255);line-height: 1.75em;visibility: visible;">

火山引擎容器服务 VKE（Volcengine Kubernetes Engine）通过深度融合新一代云原生技术，提供以容器为核心的高性能 Kubernetes 容器集群管理服务，可以为 NIM 提供稳定、可靠、高性能的运行环境，实现模型使用和运行的强强联合。

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;background-color: rgb(255, 255, 255);line-height: 1.75em;visibility: visible;">同时，模型服务的发布和运行也离不开发布管理、网络访问、观测等能力，VKE 深度整合了火山引擎高性能计算（ECS/裸金属）、网络（VPC/EIP/CLB）、存储（EBS/TOS/NAS）、弹性容器实例（VCI）等服务，并与镜像仓库、持续交付、托管 Prometheus、日志服务、微服务引擎等云产品横向打通，可以实现 NIM 服务构建、部署、发布、监控等全链路流程，帮助企业更灵活、更敏捷地构建和扩展基于自身数据的定制化大型语言模型（LLMs），打造真正的企业级智能化、自动化基础设施。

NIM on VKE 部署流程

下面，我们将介绍 NIM on VKE 的部署流程，助力开发者快速部署和访问 AI 模型。

准备工作

部署 NIM 前，需要做好如下准备：

VKE 集群中已安装 csi-nas / prometheus-agent / vci-virtual-kubelet / cr-credential-controller 组件
在 VKE 集群中使用相适配的 VCI GPU 实例规格，具体软硬件支持情况可以查看硬件要求：https://docs.nvidia.com/nim/large-language-models/latest/support-matrix.html
创建 NAS 实例，作为存储类，用于模型文件的存储
创建镜像仓库CR 实例，用于托管 NIM 镜像
开通托管 PrometheusVMP服务
向 NVIDIA 官方获取 NIM 相关镜像的拉取权限（下述以 llama3-8b-instruct:1.0.0 为例），并生成 API Key：https://docs.nvidia.com/nim/large-language-models/latest/getting-started.html#generate-an-api-key

部署

1. 在国内运行 NIM 官方镜像时，为了避免网络访问影响镜像拉取速度，可以提前拉取相应 NIM 镜像并上传到火山引擎镜像仓库 CR，操作步骤如下：

$ export NGC_API_KEY=<value> # ngc 的 api key$ echo "$NGC_API_KEY" | docker login nvcr.io --username '$oauthtoken' --password-stdin
$ docker pull nvcr.io/nim/meta/llama3-8b-instruct:1.0.0$ docker tag nvcr.io/nim/meta/llama3-8b-instruct:1.0.0 <your-cr-host>/<your-cr-namespace>/llama3-8b-instruct:1.0.0
$ echo "<your-cr-password>" | docker login --username=<account-name>@<account-id> <your-cr-host>$ docker push <your-cr-host>/<your-cr-namespace>/llama3-8b-instruct:1.0.0

2. 下载代码到本地，进入到代码的 Helm Chart 目录中，把 Helm Chart 推送到镜像仓库（Helm 版本大于 3.7）：

$gitclonehttps://github.com/NVIDIA/nim-deploy.git$cdnim-deploy/helm/nim-llmhelmregistrylogin--username=<account-name>@<account-id><your-cr-host>helmpackage./--version0.2.1helmpushnim-llm-0.2.1.tgzoci://<your-cr-host>/<your-cr-namespace>

3. 在 VKE 的应用中心的 Helm 应用中选择创建 Helm 应用，并选择对应 chart，集群信息，并点击 values.yaml 的编辑按钮进入编辑页：

4. 覆盖 values 内容为如下值来根据火山引擎环境调整参数配置，提升部署性能，点击确定完成参数改动，再继续在部署页点击确定完成部署

image:#Adjusttotheactuallocationoftheimageandversionyouwantrepository:<your-cr-host>/<your-cr-namespace>/llama3-8b-instructtag:1.0.0model:name:meta/llama3-8b-instruct#notstrictlynecessary,butenablesrunning"helmtest"belowngcAPISecret:ngc-apingcAPIKey:"<your-ngc-api-key>"persistence:enabled:truestorageClass:"<your-nas-storage-class>"annotations:helm.sh/resource-policy:keepstatefulSet:enabled:falsemetrics:enabled:trueserviceMonitor:#forusewiththePrometheusOperatorandtheprimaryserviceobjectenabled:trueadditionalLabels:volcengine.vmp:"true"service:typeoadBalancerpodAnnotations:vci.vke.volcengine.com/preferred-instance-family:vci.gni2#规格按模型和region情况具体选择，参考https://www.volcengine.com/docs/6460/76911选择适配规格vke.volcengine.com/burst-to-vci:enforceresources:limits:nvidia.com/gpu:1

5. Pod 启动过程中需要下载模型，需要等待模型下载完成时间。若 Pod 日志出现如下内容或者 Pod 状态变成 Ready，说明服务已经准备好：

INFO:Uvicornrunningonhttp://0.0.0.0:8000(PressCTRL+Ctoquit)

6.在VKE控制台获取LBService地址(Service名称为<release-name>-nim-llm)

7. 访问 NIM 服务

$curl-X'POST'\'http://<lb-ip>:8000/v1/chat/completions'\-H'accept:application/json'\-H'Content-Type:application/json'\-d'{"messages":[{"content":"Youareapoliteandrespectfulchatbothelpingpeopleplanavacation.","role":"system"},{"content":"WhatshouldIdofora4dayvacationinSpain?","role":"user"}],"model":"meta/llama3-8b-instruct","max_tokens":16,"top_p":1,"n":1,"stream":false,"stop":"\n","frequency_penalty":0.0}'

会有如下输出：

{"id":"cmpl-a98bbfec02ab4771a3d6ad81caf63e94","object":"chat.completion","created":1718878017,"model":"meta/llama3-8b-instruct","choices":[{"index":0,"message":{"role":"assistant","content":"¡hola!Spainisawonderfuldestination,andI'dbedelightedto"},"logprobs":null,"finish_reason":"length","stop_reason":null}],"usage":{"prompt_tokens":42,"total_tokens":58,"completion_tokens":16}}

监控

NIM 提供了丰富的观测指标和 Grafana Dashboard，详情可参考Observability：https://docs.nvidia.com/nim/large-language-models/latest/observability.html#prometheus。

在 VKE 中，可通过如下方法搭建 NIM 监控：

1. 参考文档搭建 Grafana：https://www.volcengine.com/docs/6731/126068。

2. 进入 Grafana 中，在 dashboard 菜单中选择 import：

3. 按照NIM 官方文档中的教程导入NIM Dashboard：

4. 观测面板效果如下：

结语

相比直接构建大模型镜像，基于 VKE 使用 NIM 部署和访问模型有如下优点：

易用性：NIM 提供了预先构建好的模型容器镜像，用户无需从头开始构建和配置环境，配合 VKE 与 CR 的应用部署能力，极大简化了部署过程
性能优化：NIM 的容器镜像是经过优化的，可以在 NVIDIA GPU 上高效运行，充分利用 VCI 的硬件性能
模型选择：NIM 官方提供了多种大语言模型，用户可以根据需求选择合适的模型，部署在 VKE 中仅需对 values.yaml 配置做修改即可
自动更新：通过 NGC，NIM 可以自动下载和更新模型，用户无需手动管理模型版本
可观测性：NIM 内置了丰富的观测指标，配合 VKE 与 VMP 观测能力开箱即用

- END-

欢迎光临链载Ai (https://www.lianzai.com/)