一、项目概述

二、硬件环境确认

2.1 NPU信息

2.2 NUMA拓扑

$ numactl --hardware

2.3 NPU与NUMA对应关系

三、Docker安装过程

3.1 安装Docker CE

sudo apt update
sudo apt install -y apt-transport-https ca-certificates curl gnupg lsb-release

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

sudo apt update
sudo apt install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin

安装结果： Docker version 29.5.3, build d1c06ef

3.2 配置用户权限

sudo usermod -aG docker $USER
newgrp docker

验证： docker run hello-world 成功输出

3.3 配置国内镜像加速

sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json << 'EOF'
{
    "registry-mirrors": [
        "https://docker.m.daocloud.io",
        "https://docker.1panel.live",
        "https://hub.rat.dev",
        "https://docker.mirrors.ustc.edu.cn",
        "https://dockerpull.org",
        "https://docker.1panel.dev"
    ]
}
EOF

sudo systemctl daemon-reload
sudo systemctl restart docker

四、vLLM-Ascend Docker镜像

4.1 镜像信息

4.2 拉取命令

docker pull m.daocloud.io/quay.io/ascend/vllm-ascend:v0.18.0

结果： Status: Image is up to date

4.3 镜像验证

docker images | grep vllm-ascend
# m.daocloud.io/quay.io/ascend/vllm-ascend   v0.18.0   ...

五、容器部署方案

5.1 部署架构

采用4容器×2NPU架构，严格按NUMA拓扑隔离：

┌─────────────────────────────────────────────┐
│           8× 910B4 NPU Server              │
├─────────────────────────────────────────────┤
│  NUMA 0 (CPU: 0-31,64-95 | Mem: 193GB)    │
│  ├─ Container 1: NPU 0,1  → Port 8000     │
│  └─ Container 2: NPU 2,3  → Port 8001     │
├─────────────────────────────────────────────┤
│  NUMA 1 (CPU: 32-63,96-127 | Mem: 258GB)  │
│  ├─ Container 3: NPU 4,5  → Port 8002     │
│  └─ Container 4: NPU 6,7  → Port 8003     │
└─────────────────────────────────────────────┘

5.2 容器创建参数

所有容器共享以下公共配置：

5.3 NUMA隔离配置

5.4 容器创建命令示例（Service 1）

docker run -itd   --name vllm-ascend-s1-npu01   --net=host   --shm-size=25g   --cap-add SYS_NICE   --cpuset-cpus="0-31,64-95"   --cpuset-mems="0"   --device /dev/davinci0   --device /dev/davinci1   --device /dev/davinci_manager   --device /dev/devmm_svm   --device /dev/hisi_hdc   -v /usr/local/dcmi:/usr/local/dcmi   -v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi   -v /usr/local/Ascend/driver/lib64/:/usr/local/Ascend/driver/lib64/   -v /usr/local/Ascend/driver/version.info:/usr/local/Ascend/driver/version.info   -v /etc/ascend_install.info:/etc/ascend_install.info   -v /data/models:/data/models   m.daocloud.io/quay.io/ascend/vllm-ascend:v0.18.0   bash

六、模型部署

6.1 模型信息

6.2 下载命令

# 在容器内执行
export VLLM_USE_MODELSCOPE=true
pip install modelscope

modelscope download --model Eco-Tech/Qwen3.5-27B-w8a8-mtp --local_dir /data/models/Qwen3.5-27B-w8a8-mtp
modelscope download --model Eco-Tech/Qwen3.6-27B-w8a8 --local_dir /data/models/Qwen3.6-27B-w8a8

6.3 模型文件结构

/data/models/Qwen3.6-27B-w8a8/
├── config.json                    # 模型配置 (4308 bytes)
├── quant_model_description.json   # 量化描述 (124KB)
├── quant_model_weights-00001-of-00009.safetensors  # 权重分片1 (4.0GB)
├── quant_model_weights-00002-of-00009.safetensors  # 权重分片2 (4.0GB)
├── ... (共9个分片)
├── quant_model_weights.safetensors.index.json        # 索引文件
├── tokenizer.json                 # 分词器
├── tokenizer_config.json        # 分词器配置
└── chat_template.jinja          # 对话模板

七、vLLM服务启动配置

7.1 启动命令

/usr/bin/numactl --cpunodebind=0 --membind=0   /usr/local/python3.11.14/bin/vllm serve /data/models/Qwen3.6-27B-w8a8   --tensor-parallel-size 2   --port 8000   --host 0.0.0.0   --dtype bfloat16   --max-model-len 262144   --quantization ascend   --enforce-eager   --gpu-memory-utilization 0.95   --disable-custom-all-reduce   --enable-prefix-caching   --served-model-name qwen3.6-27b-w8a8   --enable-auto-tool-choice   --tool-call-parser qwen3_xml   --reasoning-parser qwen3   --api-key sk-qwen-27b-w8a8-2026

7.2 参数说明

八、Nginx负载均衡配置

8.1 安装Nginx

sudo apt update
sudo apt install -y nginx

8.2 配置文件

upstream vllm_backend {
    server 10.255.254.65:8000;
    server 10.255.254.65:8001;
    server 10.255.254.65:8002;
    server 10.255.254.65:8003;
    keepalive 64;
}

server {
    listen 2199;
    client_max_body_size 0;
    client_body_timeout 3600s;
    client_header_timeout 3600s;

    location /v1/ {
        proxy_pass http://vllm_backend;
        proxy_http_version 1.1;
        proxy_set_header Connection "";
        proxy_connect_timeout 30s;
        proxy_send_timeout 3600s;
        proxy_read_timeout 3600s;
        proxy_buffering off;
        chunked_transfer_encoding on;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    }
}

8.3 超时配置汇总

九、systemd服务化

9.1 服务文件

[Unit]
Description=vLLM Ascend Service 1 (NPU 0-1, NUMA 0, Port 8000)
After=docker.service network.target
Requires=docker.service

[Service]
Type=simple
Restart=always
RestartSec=10
User=root
ExecStart=/usr/local/bin/vllm-ascend-s1-start.sh
ExecStop=/usr/bin/docker stop -t 30 vllm-ascend-s1-npu01
ExecStopPost=/usr/bin/docker rm -f vllm-ascend-s1-npu01

[Install]
WantedBy=multi-user.target

9.2 启动脚本功能

1. 容器创建：如容器不存在，自动创建并配置NUMA隔离
2. 容器启动：如容器未运行，自动启动
3. vLLM启动：如vllm serve未运行，自动在容器内启动
4. 进程监控：while true循环，每10秒检测，崩溃自动重启
5. 清理停止：ExecStop时停止并删除容器

9.3 服务管理命令

# 查看状态
systemctl status vllm-ascend-s1

# 查看日志
journalctl -u vllm-ascend-s1 -f

# 重启服务
systemctl restart vllm-ascend-s1

# 开机自启
systemctl enable vllm-ascend-s1

十、问题与解决方案

10.1 问题1：模型输出全感叹号

现象： curl 返回 "content":"!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!"

根因： 1. config.json 被手动篡改（架构从 Qwen3_5ForConditionalGeneration 改为 Qwen3ForCausalLM） 2. safetensors 权重文件缺失 weight_scale 和 weight_offset 量化参数

解决： 重新下载官方验证模型 Eco-Tech/Qwen3.6-27B-w8a8

10.2 问题2：numactl权限不足

现象： set_mempolicy: Operation not permitted

解决： 创建容器时添加 --cap-add SYS_NICE

10.3 问题3：Nginx重复upstream

现象： duplicate upstream "vllm_backend"

解决： 清理 /etc/nginx/conf.d/ 和 /etc/nginx/sites-enabled/ 中重复定义，合并为单一配置文件

10.4 问题4：脚本语法错误

现象： --api-key: command not found

根因： sed 插入 --api-key 时使用了 \n 字面量，导致shell解析错误

解决： 重新生成完整脚本，确保 --api-key 在同一行或用正确续行符

十一、验证结果

11.1 服务状态

11.2 API测试

11.3 推理验证

curl http://10.255.254.65:2199/v1/chat/completions   -H "Authorization: Bearer sk-qwen-27b-w8a8-2026"   -d '{"model":"qwen3.6-27b-w8a8","messages":[{"role":"user","content":"What is the capital of France?"}],"max_tokens":50}'

# 输出: thinking process + "Expected answer: Paris"

十二、文件清单

十三、后续维护

13.1 日常检查

# NPU状态
npu-smi info

# 容器状态
docker ps | grep vllm-ascend

# 服务状态
systemctl status vllm-ascend-s1 s2 s3 s4

# Nginx状态
sudo systemctl status nginx

13.2 日志查看

# vLLM日志
journalctl -u vllm-ascend-s1 -f

# Nginx访问日志
sudo tail -f /var/log/nginx/access.log

# Nginx错误日志
sudo tail -f /var/log/nginx/error.log

13.3 重启操作

# 重启单个服务
systemctl restart vllm-ascend-s1

# 重启所有服务
systemctl restart vllm-ascend-s1 vllm-ascend-s2 vllm-ascend-s3 vllm-ascend-s4

# 重载Nginx
sudo nginx -s reload

报告生成时间： 2026-06-12 报告版本： v1.0 服务器： 8×910B4-32G (10.255.254.65)