首页
/ ktransformers项目在多CPU环境下的性能优化实践

ktransformers项目在多CPU环境下的性能优化实践

2025-05-16 12:10:00作者:仰钰奇

引言

在大型语言模型推理场景中,CPU计算资源的高效利用对于提升模型推理速度至关重要。本文将深入分析在ktranformers项目中遇到的NUMA架构下多CPU性能问题,并提供完整的解决方案。

问题现象

在配备双路Intel Xeon Gold 6462C处理器的服务器上运行DeepSeek-R1模型时,观察到以下异常现象:

  1. 单CPU模式下(65线程):

    • 推理速度:5.24 tokens/s
    • 内存占用:390GB
    • CPU利用率:6554%
  2. 双CPU模式下(126线程):

    • 推理速度骤降至0.51 tokens/s
    • 内存占用飙升至904GB
    • CPU利用率:10554%

技术背景

NUMA(Non-Uniform Memory Access)架构是现代多处理器系统的常见设计,其特点是:

  • 每个CPU插槽有本地内存,访问延迟低
  • 跨插槽访问远端内存延迟较高
  • 需要特殊的内存分配策略才能发挥最佳性能

问题根源分析

  1. NUMA感知缺失:默认编译的ktranformers未启用NUMA支持,导致内存分配策略不当
  2. 跨插槽通信开销:线程在多个NUMA节点间频繁通信导致性能下降
  3. 内存带宽瓶颈:非NUMA优化的内存访问模式导致带宽利用率低下

解决方案

1. 重新编译启用NUMA支持

export USE_NUMA=1
make clean && make

2. 合理设置线程数

  • 使用单CPU的核心数(如65线程)而非总线程数
  • 避免跨NUMA节点的线程调度

3. 运行参数优化

python local_chat.py \
  --model_path deepseek-ai/DeepSeek-R1 \
  --gguf_path /path/to/gguf \
  --cpu_infer 65 \  # 设置为单CPU核心数
  --max_new_tokens 1000

优化效果

实施上述优化后,性能得到显著提升:

  • 推理速度:从0.51 tokens/s提升至13.75 tokens/s(27倍提升)
  • 内存占用:984GB(符合NUMA架构预期)
  • CPU利用率:6554%(单NUMA节点满载)
  • GPU利用率:42%(显示负载更均衡)

最佳实践建议

  1. 硬件资源监控:通过numastat等工具监控NUMA内存分配
  2. 线程绑定:考虑使用numactl进行线程绑定
  3. 性能分析:使用perf工具分析热点函数
  4. 模型量化:Q4_K_M量化级别在精度和性能间取得良好平衡

结论

在NUMA架构服务器上部署ktranformers时,必须特别注意编译时的NUMA支持选项和运行时的线程分配策略。通过正确的配置,可以充分发挥多CPU系统的性能潜力,避免因架构特性导致的性能下降问题。本案例中的优化方法同样适用于其他基于GGUF格式的大型语言模型推理场景。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
RuoYi-Vue3RuoYi-Vue3
🎉 (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
930
553
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511