Mooncake项目构建指南:从基础到高级配置
2026-02-04 04:41:07作者:郁楠烈Hubert
项目概述
Mooncake是一个高性能分布式存储与计算框架,支持多种硬件加速技术和分布式协议。本文将详细介绍Mooncake的构建过程,包括自动构建、手动构建以及高级配置选项。
自动构建流程
系统要求
- 操作系统:推荐Ubuntu 22.04 LTS或更高版本
- 构建工具:CMake 3.16.x及以上
- 编译器:GCC 9.4及以上版本
构建步骤
-
安装依赖项: 执行以下命令自动安装所有必需依赖:
bash dependencies.sh注意:此过程需要稳定的网络连接。
-
配置和编译:
mkdir build && cd build cmake .. make -j$(nproc)使用
-j参数可以并行编译以加快速度,$(nproc)会自动检测CPU核心数。 -
安装组件:
sudo make install这将安装Mooncake Python包和mooncake_master可执行文件。
-
vLLM适配器验证(可选): 如需使用Mooncake Store与vLLM集成,需确保
mooncake_vllm_adaptor包已安装。可通过以下命令验证:python -c "import mooncake_vllm_adaptor"若缺失,需手动复制生成的共享库到Python库目录。
手动构建流程
系统要求
- CMake 3.22.x
- Boost 1.66.x
- Googletest 1.12.x
- GCC 10.2.1
- Go 1.22+
- hiredis
- curl
详细步骤
-
安装系统依赖:
Debian/Ubuntu系统:
apt-get install -y build-essential cmake libibverbs-dev \ libgoogle-glog-dev libgtest-dev libjsoncpp-dev libnuma-dev \ libunwind-dev libpython3-dev libboost-all-dev libssl-dev \ pybind11-dev libcurl4-openssl-dev libhiredis-dev pkg-config patchelfCentOS/Alibaba Linux:
yum install cmake gflags-devel glog-devel libibverbs-devel \ numactl-devel gtest gtest-devel boost-devel openssl-devel \ hiredis-devel libcurl-devel注意:某些组件可能需要从源码编译安装。
-
GPU Direct支持(可选):
- 安装CUDA并启用
nvidia-fs - 配置
nvidia-peermem以支持GPU-Direct RDMA - 设置环境变量:
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64 export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
- 安装CUDA并启用
-
安装yalantinglibs:
git clone yalantinglibs.git cd yalantinglibs && mkdir build && cd build cmake .. -DBUILD_EXAMPLES=OFF -DBUILD_BENCHMARK=OFF -DBUILD_UNIT_TESTS=OFF make -j$(nproc) && make install -
编译Mooncake:
mkdir build && cd build cmake .. && make -j$(nproc) -
安装组件:
make install
Docker容器部署
Mooncake提供Docker镜像支持,可通过以下命令获取:
docker pull alogfans/mooncake
启动容器示例(需访问主机网络资源):
docker run --net=host \
--device=/dev/infiniband/uverbs0 \
--device=/dev/infiniband/rdma_cm \
--ulimit memlock=-1 -t -i mooncake:v0.9.0 /bin/bash
在容器内运行传输引擎:
cd /Mooncake-main/build/mooncake-transfer-engine/example
./transfer_engine_bench --device_name=ibp6s0 \
--metadata_server=10.1.101.3:2379 \
--mode=target --local_server_name=10.1.100.3
高级编译选项
在运行cmake ..时,可通过以下选项定制Mooncake构建:
| 选项 | 描述 | 默认值 |
|---|---|---|
| `-DUSE_CUDA=[ON | OFF]` | 启用GPU Direct RDMA和NVMe-of支持 |
| `-DUSE_CXL=[ON | OFF]` | 启用CXL支持 |
| `-DWITH_STORE=[ON | OFF]` | 构建Mooncake Store组件 |
| `-DWITH_P2P_STORE=[ON | OFF]` | 启用Golang支持并构建P2P Store组件 |
| `-DWITH_WITH_RUST_EXAMPLE=[ON | OFF]` | 启用Rust支持 |
| `-DUSE_REDIS=[ON | OFF]` | 启用基于Redis的元数据服务 |
| `-DUSE_HTTP=[ON | OFF]` | 启用基于HTTP的元数据服务 |
| `-DBUILD_SHARED_LIBS=[ON | OFF]` | 构建Transfer Engine为共享库 |
| `-DBUILD_UNIT_TESTS=[ON | OFF]` | 构建单元测试 |
| `-DBUILD_EXAMPLES=[ON | OFF]` | 构建示例程序 |
构建问题排查
-
依赖项问题:
- 确保所有依赖项版本符合要求
- 对于手动构建,建议优先使用系统包管理器安装依赖
-
GPU支持问题:
- 验证CUDA安装是否正确
- 检查
nvidia-peermem是否已正确配置
-
Python包问题:
- 确保构建环境与Python环境匹配
- 检查Python版本与构建的适配器版本是否兼容
通过本文的详细指南,开发者可以灵活地根据需求构建Mooncake项目,无论是简单的开发环境还是复杂的高性能生产环境。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0188- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00
热门内容推荐
最新内容推荐
5个实战技巧:用langchaingo构建企业级对话系统的全流程指南解锁模块化编辑:Milkdown框架的可扩展开发指南[技术专题] OpenWeChat消息处理:从核心原理到高级实践Dapr集群部署失败?5步实战指南助你快速定位并解决问题小爱音箱AI升级定制指南:从零开始的设备改造与功能扩展Vanna AI训练数据效率提升实战指南:从数据准备到模型优化全流程解析打造现代界面新范式:Glass Liquid设计理念与实践指南PandaWiki部署实战:从环境准备到系统优化全指南4个步骤掌握Claude AI应用容器化部署:claude-quickstarts项目Docker实践指南4个高效步骤:Pixelle-Video API集成与开发实战指南
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
598
4.03 K
Ascend Extension for PyTorch
Python
440
531
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
920
768
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
368
247
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.46 K
822
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
112
168
暂无简介
Dart
844
204
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
130
156