【模型部署】在趋动云上使用vllm部署模型

前言

本文将介绍如何在趋动云平台上使用vllm部署Qwen2-0.5B-Instruct对话模型和BGE向量化模型，实现高性能的模型服务。

vllm简介

vllm官网

安装说明：https://docs.vllm.ai/en/latest/getting_started/installation.html

vllm环境依赖

官方建议：

Python 3.12
CUDA 12.1

环境准备

选择镜像

选择镜像环境因为趋动云中通过pip install vllm会报错，所以我们在启动容器时，选择已经集成vllm的镜像。

安装vllm

(因为镜像中已经集成vllm，所以此处略过)

部署对话模型

下载模型

方式一：选择其他人上传并公开的模型。在启动项目时，选择模型加载，在趋动云的公共模型中选择Qwen2.5-0.5B-Instruct模型。

方式二：自己下载模型。

切换至/gemini/code目录下，下载模型：

git lfs install
git clone https://www.modelscope.cn/Qwen/Qwen2.5-0.5B-Instruct.git

补充说明：

此处模型也可以使用趋动云的模型上传功能，因为篇幅限制，此处略过。

启动vllm

使用以下命令启动vllm服务：

python -m vllm.entrypoints.openai.api_server --model Qwen2.5-0.5B-Instruct --host 0.0.0.0 --port 8000

运行结果：

注意事项：

启动vllm命令时，它会在当前目录下寻找--model参数指定的模型文件夹，所以请确保当前目录下有Qwen2.5-0.5B-Instruct模型文件。

端口映射

在趋动云控制台的右侧"端口"，添加端口映射如下：

调用验证

from openai import OpenAI
openai_api_key = "EMPTY"
openai_api_base = "http://direct.virtaicloud.com:28462/v1"

client = OpenAI(
    api_key=openai_api_key,
    base_url=openai_api_base,
)

chat_response = client.chat.completions.create(
    model="Qwen2.5-0.5B-Instruct",
    messages=[
        {"role": "system", "content": "你是一个很有用的助手。"},
        {"role": "user", "content": "中华人民共和国的首都是哪里？"},
    ]
)
print("Chat response:", chat_response)

运行结果：

注意事项：

示例中，趋动云配置端口映射后的外部地址为：direct.virtaicloud.com:28462，读者需要根据实际情况修改。
示例中，部署的模型为Qwen2.5-0.5B-Instruct，请注意根据实际情况修改。
示例中，本地调用代码略过了langchain库的安装，请记得安装。

部署embedding模型

vllm部署embedding模型存在诸多问题，如：vllm支持的embedding模型有限，vllm版本更新后支持的模型与官网不一致等等...

因此，embedding模型的部署还是建议通过xinference来进行，具体查看Xinference部署向量化模型

常见问题：

问题1：安装vllm时，报错ERROR: Could not install packages due to an OSError: [Errno 16] Device or resource busy: 'libnccl.so.2'

问题原因：该问题是因为安装vllm时，有程序占用了libnccl.so.2，导致安装失败。解决方法：暂无好的解决方案，可以按照文章中的镜像，加载带有vllm的镜像。

问题2：启动vllm时，提示报错：OSError: We couldn't connect to 'https://huggingface.co' to load this file 问题原因：该问题一般是加载模型时，模型地址配置错误所致。解决方法：检查--model 参数的模型地址是否正确，或者模型是否存在。

前言