Dynamo 分布式推理服务框架使用指南

1. 项目介绍

Dynamo 是一个为数据中心规模设计的分布式推理服务框架。它旨在为生成式 AI 和推理模型提供高吞吐量、低延迟的服务，特别是在多节点分布式环境中。Dynamo 设计为推理引擎无关（支持 TRT-LLM、vLLM、SGLang 或其他引擎），并且具备针对语言模型（LLM）的特殊能力，如解耦预填充和解码推理、动态 GPU 调度、LLM 意识请求路由、加速数据传输和 KV 缓存卸载等。

Dynamo 使用 Rust 语言编写以提高性能，同时使用 Python 语言以增强可扩展性。作为一个完全开源的项目，Dynamo 采用了透明、以开源软件优先的开发方法。

2. 项目快速启动

系统环境要求

• 操作系统：建议使用 Ubuntu 24.04
• CPU 架构：x86_64

安装依赖

apt-get update
DEBIAN_FRONTEND=noninteractive apt-get install -yq python3-dev python3-pip python3-venv libucx0
python3 -m venv venv
source venv/bin/activate
pip install ai-dynamo[all]

运行和交互本地 LLM

要本地运行模型并与模型交互，可以使用 dynamo run 命令，并指定一个 Hugging Face 模型。

dynamo run out=vllm deepseek-ai/DeepSeek-R1-Distill-Llama-8B

启动后，可以通过命令行与模型进行交互。

3. 应用案例和最佳实践

本地模型服务

使用 Dynamo 提供的 dynamo serve 命令可以启动一个本地模型服务。

cd examples/llm
dynamo serve graphs.agg:Frontend -f configs/agg.yaml

请求发送

启动服务后，可以使用 curl 发送请求到 Dynamo 服务。

curl localhost:8000/v1/chat/completions -H "Content-Type: application/json" -d '{
    "model": "deepseek-ai/DeepSeek-R1-Distill-Llama-8B",
    "messages": [
        {
            "role": "user",
            "content": "Hello, how are you?"
        }
    ],
    "stream": false,
    "max_tokens": 300
}'

4. 典型生态项目

Dynamo 作为分布式推理服务框架，可以与多种开源项目集成，例如：

• TensorRT-LLM：NVIDIA 提供的高性能推理引擎。
• Hugging Face：提供丰富的预训练模型和模型库。
• UCX：用于加速数据传输的通信库。

以上指南为 Dynamo 的基本使用和集成提供了一个概览。开发者可以根据具体需求进一步探索和定制 Dynamo 的功能。