TensorRT-LLM的k8s弹性伸缩部署方案

Scaling LLMs with NVIDIA Triton and NVIDIA TensorRT-LLM Using Kubernetes | NVIDIA Technical Blog

一共涉及4个k8s组件:

  1. Deployment:跑起来N个pod;指定NVIDIA官方的triton&trt-llm的docker image,指定好model放在哪个volume里;

  2. Service: 指向Deployment,指定port;

  3. Prometheus:跑起来1个pod;从Service的triton metrics端口(8002)那里拿到metrics指标(queue time, compute time),计算得到新指标(二者的比率);

  4. HPA(Horizontal Pod Autoscaler,水平扩展):根据Prometheus的指标数值,和预先配置好的阈值,来自动新增pod或减少pod;

还可用Grafana工具来看triton指标、trt-llm指标:

从上图可看到,TRT-LLM In-Flight Batcher,一直在0~4之间变动,中间没有变到0这种断崖,证明真的是完成一个request就加一个新的request进来。

相关推荐
GreenMountainEcho4 小时前
Kubernetes 入门篇之 Node 安装与部署
云原生·容器·kubernetes
zyk_5205 小时前
Docker desktop如何汉化
运维·docker·容器
韭菜盖饭5 小时前
解决Docker端口映射后外网无法访问的问题
运维·docker·容器
jingjingjing11115 小时前
笔记:docker安装(ubuntu 20.04)
笔记·docker·容器
ghostwritten5 小时前
Rancher Backup
kubernetes·rancher
qq_339282236 小时前
docker之network
运维·docker·容器
alden_ygq7 小时前
k8s statefulset pod重启顺序
云原生·容器·kubernetes
ghostwritten7 小时前
k8s黑科技:Linux+Vagrant+VirtualBox开启Kubernetes奇幻之旅
linux·科技·kubernetes
@郭小茶9 小时前
windows部署docker
windows·docker·容器
云上艺旅9 小时前
K8S学习之基础七十二:Ingress基于Https代理pod
学习·云原生·容器·https·kubernetes