首页
/ ktransformers项目NUMA模式内存占用问题分析与解决方案

ktransformers项目NUMA模式内存占用问题分析与解决方案

2025-05-16 16:40:00作者:冯爽妲Honey

背景介绍

在大型语言模型推理领域,ktransformers项目提供了一个高效的本地聊天实现方案。该项目支持多种运行模式,其中NUMA(Non-Uniform Memory Access)模式是针对多路CPU服务器的优化方案,能够显著提升多处理器环境下的性能表现。

问题现象

用户在使用双路EPYC 7742服务器(共128个核心)运行8bit量化的DeepSeek-V3模型时,发现NUMA模式无法正常工作。具体表现为:

  1. 非NUMA模式下,模型可以正常运行,CPU内存占用约19GB,推理速度达到4.5 tokens/s
  2. 启用NUMA模式后,系统内存被迅速耗尽(1TB内存+8GB交换空间),进程被系统终止

技术分析

NUMA模式的工作原理

NUMA模式在多路CPU系统中会将模型数据复制到每个NUMA节点(通常对应每个CPU插槽)的本地内存中。这种设计带来了两个关键特性:

  1. 内存访问优化:每个CPU核心访问本地内存的速度显著快于访问远程内存
  2. 内存消耗倍增:模型数据会在每个NUMA节点保存完整副本

内存需求计算

以DeepSeek-V3的8bit量化模型为例:

  • 单份模型内存占用:约713GB
  • 双路系统NUMA模式内存需求:713GB × 2 = 1426GB

用户配置的1TB物理内存显然无法满足需求,导致系统因内存耗尽而终止进程。

解决方案

针对这一问题,我们建议采取以下措施:

1. 增加物理内存

对于双路系统运行大型模型:

  • 建议配置至少1.5TB物理内存
  • 理想情况下应达到2TB以确保稳定运行

2. 优化模型选择

  • 考虑使用更低精度的量化模型(如4bit)
  • 评估模型大小与业务需求的平衡点

3. 系统配置调整

  • 增加交换空间(临时解决方案)
  • 调整NUMA内存分配策略(需谨慎操作)

最佳实践建议

  1. 容量规划:部署前精确计算模型内存需求,考虑NUMA复制因素
  2. 监控机制:实施内存使用监控,预防OOM(Out Of Memory)事件
  3. 渐进式测试:从小模型开始测试,逐步升级到目标模型

总结

NUMA模式虽然能提升多路系统的性能,但其内存复制机制会显著增加总内存需求。用户在使用前必须充分评估硬件资源是否满足要求,特别是对于大型语言模型场景。正确的容量规划和配置是确保系统稳定运行的关键。

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