ktransformers项目双路服务器性能优化实践与深度解析

在基于ktransformers项目进行大模型推理时，双路服务器配置下的性能优化是一个值得深入探讨的技术话题。本文将系统性地介绍如何通过NUMA架构调优、BIOS参数配置等手段，显著提升R1Q4KM等大语言模型的推理性能。

一、NUMA架构对性能的影响

NUMA（非统一内存访问）架构是现代多路服务器的核心设计。当使用双路AMD EPYC或Intel Xeon处理器时，内存访问存在本地节点与远程节点的区别：

1. NUMA感知编译：通过设置USE_NUMA=1编译参数，ktransformers可以实现NUMA感知的内存分配。但需注意，在Intel平台上此设置会导致内存占用翻倍（每个NUMA节点复制完整模型）
2. AMD特有优化：对于EPYC处理器，BIOS中的NPS（NUMA Per Socket）设置尤为关键。NPS0模式能提供更好的跨插槽内存带宽

二、关键性能调优手段

1. 内存子系统优化

• 建议配置1TB以上内存以满足大模型需求
• 使用numactl --hardware命令验证NUMA拓扑结构
• 通过Intel MLC工具测试实际内存带宽：

  echo 4000 | sudo tee /proc/sys/vm/nr_hugepages
  sudo ./Linux/mlc
  

2. BIOS关键设置

• Intel平台：建议启用所有内存通道的交织（Interleaving）模式
• AMD平台：
  • NPS0/NPS1模式选择需结合实际测试
  • 内存交错设置对性能影响显著

3. 编译与运行时优化

• 推荐使用最新代码库而非特定版本标签
• 对于支持AMX指令集的Intel新一代处理器，可探索指令级优化
• 大页内存配置（如4000个2MB大页）能有效降低TLB缺失率

三、典型性能指标

在优化良好的双路服务器上，R1Q4KM模型可达到：

• 约17 TPS（Tokens Per Second）的推理速度
• 内存带宽利用率超过200GB/s
• 不同读/写比例下的带宽表现差异需特别关注

四、问题排查建议

当遇到性能瓶颈时，建议：

1. 完整重装系统以排除软件环境干扰
2. 对比不同NUMA配置下的mlc测试结果
3. 监控实际内存占用，避免因NUMA设置导致的内存浪费
4. 对于AMD平台，重点验证NPS模式与内存交错设置的组合效果

通过系统级的调优，双路服务器在大模型推理场景下可以发挥出接近理论值的性能表现。建议用户根据具体硬件平台选择最适合的优化组合，并通过标准化测试工具持续验证优化效果。