做电子手抄报的网站长春网站优化流程

说在前面

• 操作系统(外网)：win11 wsl2
• miniconda版本：25.1.1 （该版本的python版本为3.12.9）
• 操作系统(内网节点一)：win10 wsl 4060ti 16g
• 操作系统(内网节点二)：win10 wsl 2070s 8g
• 其他：llama.cpp它不香吗，折腾这个？

miniconda安装

• 官网
• 安装

  # 最好到用户目录下创建文件夹
  cd ~
  # 创建一个目录
  mkdir miniconda3 
  cd miniconda3
  # 下载安装脚本 
  wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O .miniconda.sh
  bash miniconda.sh -b -u -p .
  

• 创建虚拟环境

  conda create -n vllm
  conda activate vllm
  

• 注意不要在base环境中直接安装vllm

外网创建虚拟环境

创建节点一的虚拟环境

• 由于ray的集群需要保持ray版本以及python版本一致，而节点二的机器比较老，所以这里选择的python版本为3.10
• 创建虚拟环境

  conda create -n vllm1 python=3.10
  conda activate vllm1
  pip install vllm
  

• 节点一的cuda环境比较新，为12.x，所以直接安装vllm即可
• 安装完后，使用conda-pack打包

  pip install conda-pack
  conda-pack
  

• 注意，这里安装的ray版本为2.44.1
• 注意不要在base环境中打包

创建节点二的虚拟环境

• 创建虚拟环境

  conda create -n vllm2  python=3.10
  conda activate vllm2
  

• 节点二的cuda版本为11.x，需要指定版本安装

  export VLLM_VERSION=0.6.1.post1
  export PYTHON_VERSION=310
  pip install https://github.com/vllm-project/vllm/releases/download/v${VLLM_VERSION}/vllm-${VLLM_VERSION}+cu118-cp${PYTHON_VERSION}-cp${PYTHON_VERSION}-manylinux1_x86_64.whl --extra-index-url https://download.pytorch.org/whl/cu118
  

• 这样安装后的ray版本为2.44.0，与节点一不一致，要升个级

  pip install --upgrade ray==2.44.1
  

• 同样，安装完后，使用conda-pack打包

  pip install conda-pack
  conda-pack
  

• 注意不要在base环境中打包

内网配置环境

配置节点一的环境

• 导入打包后的虚拟环境到内网
• 解压

  mkdir vllm
  tar -xzf vllm1.tar.gz -C vllm
  

• 激活虚拟环境

  source vllm/bin/activate
  

• 还原虚拟环境

  conda-unpack 
  

配置节点二的环境

• 操作与上一步一致

vllm多节点配置

节点一(主节点)配置

• 先进入虚拟环境

  conda activate vllm
  

• 确定本机IP

  hostname -I
  xxx.xxx.xxx.xxx
  

• 启用ray

  VLLM_HOST_IP=xxx.xxx.xxx.xxx ray start --head --block --port 6379 --num-gpus=1 --resources='{"node:{xxx.xxx.xxx.xxx}":1}'
  # num-gpus 表示本节点的gpu数量 折腾过程中有次填了个2 直接一堆奇奇怪怪的问题
  

节点二配置

• 先进入虚拟环境

  conda activate vllm
  

• 确定本机IP

  hostname -I
  yyy.yyy.yyy.yyy
  

• 启用ray

  VLLM_HOST_IP=yyy.yyy.yyy.yyy ray start --block --address xxx.xxx.xxx.xxx:6379 --num-gpus=1 --resources='{"node:{yyy.yyy.yyy.yyy}":1}'
  

部署LLM(失败)

• 惨遭滑铁卢，以下可忽略，不是主要原因

  • wsl不支持SO_REUSADDR，而ray的cluster通信用的是grpc
  • 相关issue1
  • 相关issue2
  • 不过看样子好像ray解决了这个问题

• 可能还是wsl2的网络设置有问题，两边访问不到一块

补充：wsl2设置ulimit

• 编辑/etc/security/limits.conf

  sudo vi /etc/security/limits.conf
  

• 添加以下内容

  *	soft	nofile	65535
  *	hard	nofile	65535
  

• 重新su一下

  su 用户名
  # 输入密码
  ulimit -n
  

补充：wsl安装libcuda

• 正常来讲，新版的显卡驱动默认支持wsl2
  

• 如果是老版本的，可能需要自己手动安装下，下载页
  
  不要选错了 （装完windows版本的发现还是不行，吐血三升）

• 例如

  wget https://developer.download.nvidia.com/compute/cuda/11.2.0/local_installers/cuda_11.2.0_460.27.04_linux.run
  sudo sh cuda_11.2.0_460.27.04_linux.run
  

补充：wsl2端口绑定

• 这里

问题

• 在创建环境conda --no-plugins create -n vllm python=3.10时出现OSError: [Errno 40] Too many levels of symbolic links:
miniconda安装的时候不要安装在/mnt目录下，安装到/home/user下
• 在安装vllm时出现PermissionError: [Errno 13] Permission denied:
  同上，miniconda安装的时候不要安装在/mnt目录下，安装到/home/user下
• libcuda.so.1: cannot open shared object file: no such file or directory
cuda tookit没有安装，去官网选择对应版本安装
  注意，windows主机上如果安装了最新的显卡驱动，那么正常来讲就会在/usr/lib/wsl/lib下生成对应的libcuda.so，但是，重点来了，必须先装显卡驱动，再安装linux发行版本
• 遇到一堆ray的问题，大部分和自己的配置有关，所以vllm上的教程直接让用docker，真难折腾
  • [Installation]: pynvml.NVMLError_InvalidArgument: Invalid Argument
  • error helper for TypeError: _extractNVMLErrorsAsClasses…gen_new…new() takes 1 positional argument but 2 were given
  • Error: No available node types can fulfill resource request

吐槽

• vllm多节点真不好用，不像llama.cpp那样开箱即用，主要依赖ray，这个东东真的一言难尽