首页
/ KServe vLLM引擎在未定义max_tokens时的崩溃问题分析

KServe vLLM引擎在未定义max_tokens时的崩溃问题分析

2025-06-16 01:18:18作者:宣聪麟

问题背景

在使用KServe部署Hugging Face模型服务时,当配置vLLM后端并启用多步调度功能(num-scheduler-steps > 1)时,如果客户端请求中未指定max_tokens参数,会导致vLLM引擎崩溃。这个问题不仅影响当前请求,还会导致后续所有请求失败,服务进入不可用状态。

技术细节分析

该问题的根本原因在于vLLM的多步调度处理器(multi_step.py)在设计时假设所有请求都会包含max_tokens参数。当这个假设不成立时,处理器尝试对None值进行数学运算,从而抛出类型错误异常。

具体来说,在vLLM的多步调度处理流程中,处理器会计算剩余token数量:

remaining_tokens = sampling_params.max_tokens - (seq.get_output_len() + ...)

当max_tokens为None时,这个减法操作就会失败。

影响范围

这个问题具有以下特点:

  1. 仅在启用多步调度(num-scheduler-steps > 1)时出现
  2. 影响所有未指定max_tokens的OpenAI兼容API请求
  3. 会导致服务不可恢复,需要重启才能恢复正常

解决方案

针对这个问题,社区已经提出了修复方案,主要思路是:

  1. 在参数转换阶段为max_tokens设置合理的默认值
  2. 确保所有后续处理逻辑都能处理max_tokens参数

修复的核心是确保vLLM引擎在任何情况下都能获得有效的max_tokens值,即使客户端请求中没有显式指定。

最佳实践建议

为了避免类似问题,建议开发人员:

  1. 在客户端请求中总是明确指定max_tokens参数
  2. 如果确实需要不限制输出长度,应该设置一个非常大的max_tokens值
  3. 在生产环境中使用新版本前,充分测试各种边界条件

总结

这个问题展示了深度学习服务部署中的一个典型挑战:当不同组件对接口参数的假设不一致时,可能导致系统级故障。KServe社区通过及时修复这个问题,提高了vLLM后端的稳定性和可靠性,为生产环境中的大规模语言模型服务提供了更好的支持。

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
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
197
2.17 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
208
285
pytorchpytorch
Ascend Extension for PyTorch
Python
59
94
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
973
574
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
9
1
ops-mathops-math
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++
549
81
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
1.02 K
399
communitycommunity
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
MateChatMateChat
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