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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
649
796
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
434
395
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++
1.01 K
1.01 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.24 K
153
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
985
253
昇腾LLM分布式训练框架
Python
167
200
🎉 (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
1.68 K
990