Infinity项目异步推理引擎的性能优化实践
2025-07-04 21:55:04作者:史锋燃Gardner
异步推理引擎的启动开销问题分析
在使用Infinity项目的Python API进行文本嵌入处理时,开发者发现了一个性能问题:虽然实际的嵌入计算仅需20ms完成,但整个异步执行过程却耗时520ms。经过分析,主要时间消耗发生在异步上下文管理器async with engine
的使用上。
问题根源探究
这种性能差异的根本原因在于异步引擎的启动和关闭机制。当使用async with engine
语法时,每次进入上下文都会触发引擎的完整启动和初始化过程,这包括模型加载、设备分配等耗时操作。而在实际应用中,这些初始化操作通常只需要执行一次。
最佳实践方案
针对这一问题,Infinity项目维护者提出了明确的优化建议:
-
避免频繁启动/停止引擎:不应在每次推理时都使用
async with engine
,这会导致重复的初始化开销。 -
使用显式生命周期管理:推荐使用
astart()
和astop()
方法手动控制引擎的生命周期,在应用启动时初始化一次,在整个运行期间重复使用。 -
正确使用事件循环:
asyncio.run()
应该只在程序的主入口点调用一次,而不是在每次推理时都调用。
优化后的代码示例
import asyncio
from infinity_emb import AsyncEngineArray, EngineArgs
async def main():
# 初始化引擎(仅一次)
array = AsyncEngineArray.from_args([
EngineArgs(model_name_or_path="BAAI/bge-m3")
])
engine = array[0]
# 显式启动引擎
await engine.astart()
try:
# 多次推理重用同一引擎
for _ in range(100):
embeddings, usage = await engine.embed(sentences=["your text"])
# 处理嵌入结果...
finally:
# 程序退出前停止引擎
await engine.astop()
# 程序入口点(仅调用一次)
asyncio.run(main())
性能优化原理
这种优化之所以有效,是因为:
- 减少重复初始化:模型加载、设备分配等操作只需执行一次
- 保持热状态:引擎保持运行状态,避免了冷启动开销
- 资源复用:GPU内存、计算图等资源得到有效复用
适用场景建议
- Web服务:在FastAPI等异步框架中,应在服务启动时初始化引擎
- 批处理任务:处理大批量数据时保持引擎长运行
- 交互式应用:在用户会话期间保持引擎活跃
通过遵循这些最佳实践,开发者可以充分发挥Infinity项目异步推理引擎的性能潜力,将处理延迟从500ms级别降低到20ms级别,实现接近实时的文本嵌入处理能力。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0102AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
205
2.18 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
62
95

🎉 (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
977
575

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
9
1

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++
550
86

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
1.02 K
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
1.2 K
133