基于vLLM-Ascend的Qwen3.5-122B模型Atlas 800I A3单机混部部署实践
​作者​昇腾实战派​知识地图​https://blog.csdn.net/Lumos_Lovegood/article/details/161601003背景概述本文档将介绍基于vLLM-Ascend的Qwen3.5-122B模型在Atlas 800I A3上的单机混部部署实践包括支持的特性、特性配置、环境信息以及性能测试典型case。基本信息软件版本设备信息组网形态总卡数数据格式0.18.0NPU: Atlas 800I A3-560T, HBM 128GCPU: Kunpeng 920 (80核-2900MHz)内存: 32根64G5200MHzOS: OpenEuler 22.03 LTS-SP4-2W4A8C16服务化配置低时延exportASCEND_RT_VISIBLE_DEVICES0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15exportPYTORCH_NPU_ALLOC_CONFexpandable_segments:TrueexportHCCL_IF_IPXXXXexportHCCL_OP_EXPANSION_MODEAIVexportHCCL_BUFFSIZE1024exportOMP_NUM_THREADS1echoperformance|tee/sys/devices/system/cpu/cpu*/cpufreq/scaling_governorsysctl-wvm.swappiness0sysctl-wkernel.numa_balancing0sysctlkernel.sched_migration_cost_ns50000exportLD_PRELOAD/usr/lib/aarch64-linux-gnu/libjemalloc.so.2:$LD_PRELOADexportTASK_QUEUE_ENABLE1exportVLLM_ASCEND_ENABLE_FUSED_MC21vllm serve /mnt/share/weights/Qwen3.5-122B-A10B-w8a8-org/\--served-model-nameqwen3.5\--host0.0.0.0\--port8000\--data-parallel-size1\--tensor-parallel-size4\--max-model-len5000\--max-num-batched-tokens8192\--max-num-seqs128\--gpu-memory-utilization0.9\--compilation-config{cudagraph_capture_sizes:[1,6,12,18,24,30,36,42,48,54,72,78,84,90,96,102,108,144,192], cudagraph_mode:FULL_DECODE_ONLY}\--speculative_config{method: qwen3_5_mtp, num_speculative_tokens: 5}\--trust-remote-code\--async-scheduling\--allowed-local-media-path /\--quantizationascend\--mm-processor-cache-gb0\--additional-config{enable_cpu_binding: true, enable_shared_expert_dp: true}典型测试用例平均输入平均输出并行策略上下文长度Prefix Cache命中率总请求数最大并发数请求频率(req/s)20482048MLADP1TP4500009624035001500MLADP1TP48000064160163841024MLADP1TP4184320328032768512MLADP1TP43430401640655361024MLADP1TP467584016401310721024MLADP1TP41331200410高吞吐exportASCEND_RT_VISIBLE_DEVICES0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15exportPYTORCH_NPU_ALLOC_CONFexpandable_segments:TrueexportHCCL_IF_IPXXXexportHCCL_OP_EXPANSION_MODEAIVexportHCCL_BUFFSIZE1024exportOMP_NUM_THREADS1echoperformance|tee/sys/devices/system/cpu/cpu*/cpufreq/scaling_governorsysctl-wvm.swappiness0sysctl-wkernel.numa_balancing0sysctlkernel.sched_migration_cost_ns50000exportLD_PRELOAD/usr/lib/aarch64-linux-gnu/libjemalloc.so.2:$LD_PRELOADexportTASK_QUEUE_ENABLE1exportVLLM_ASCEND_ENABLE_FUSED_MC21exportVLLM_ASCEND_ENABLE_FLASHCOMM11vllm serve /mnt/share/weights/Qwen3.5-122B-A10B-w8a8-org/\--served-model-nameqwen3.5\--host0.0.0.0\--port8000\--data-parallel-size1\--tensor-parallel-size4\--enable-expert-parallel\--max-model-len8000\--max-num-batched-tokens4096\--max-num-seqs128\--gpu-memory-utilization0.9\--compilation-config{cudagraph_capture_sizes:[1,4,8,12,16,24,32,48,56,64,72,84,96,108,112,128,160,172,196,200,212,232,256,160,172,196,200,212,232,256,272,288,312,328,344,360,384,400,416,432,448,480,512], cudagraph_mode:FULL_DECODE_ONLY}\--speculative_config{method: qwen3_5_mtp, num_speculative_tokens: 3, enforce_eager: true}\--trust-remote-code\--async-scheduling\--allowed-local-media-path /\--quantizationascend\--mm-processor-cache-gb0\--additional-config{enable_cpu_binding: true, enable_shared_expert_dp: true}典型测试用例平均输入平均输出并行策略上下文长度Prefix Cache命中率总请求数最大并发数请求频率(req/s)20482048MLADP1TP250000600150035001500MLADP1TP280000320800163841024MLADP1TP21843209624032768512MLADP1TP23430403690655361024MLADP1TP267584032801310721024MLADP1TP213312001640测试命令参考aisbench官方测试指南。aisbench测试命令vllm-ascend社区官网特别声明以上配置均未开启Prefix Cache若实际生产环境需要使用该特性参考vLLM-Ascend社区参数指南开启–enable-prefix-caching

相关新闻

北京华恒智信助力企业萃取经验资产,破解核心人才依赖难题

北京华恒智信助力企业萃取经验资产,破解核心人才依赖难题

一、核心人才垄断能力,暗藏“人走技失”风险绝大多数企业团队中,都存在少数不可替代的核心骨干,成为支撑业务运转的“定海神针”。无论是精准处理各类客户投诉的资深客服、熟练排查各类设备故障的技术人员、深谙客户需求的金牌销售&#xff0…

2026/7/8 8:57:49 阅读更多 →
Sulfo-CY5-COOH┃磺化花菁染料CY5羧基┃Sulfo-Cyanine5 Carboxylic Acid┃CAS 1121756-16-8┃水溶性近红外荧光标记试剂

Sulfo-CY5-COOH┃磺化花菁染料CY5羧基┃Sulfo-Cyanine5 Carboxylic Acid┃CAS 1121756-16-8┃水溶性近红外荧光标记试剂

生物分子荧光标记实验中,染料的水溶性与反应活性直接决定标记效率与后续成像质量。传统脂溶性花菁染料在水相中易聚集猝灭,且需额外有机溶剂助溶,增加了对生物样品的毒性风险。磺化改性花菁染料的出现,从根本上改善了这一问题。Su…

2026/7/8 8:55:48 阅读更多 →
LSKNet 大选择性核注意力 PyTorch 实现:遥感目标检测 3 大基准 SOTA 复现

LSKNet 大选择性核注意力 PyTorch 实现:遥感目标检测 3 大基准 SOTA 复现

LSKNet大选择性核注意力:遥感目标检测的PyTorch实战指南在遥感图像分析领域,微小目标的精确检测一直是个棘手难题。传统方法往往受限于固定尺度的感受野,难以同时处理不同尺寸和复杂背景的目标。本文将深入解析LSKNet(Large Selec…

2026/7/8 8:49:46 阅读更多 →

最新新闻

从运营小白到效率达人:电商物流管理的完整进化指南

从运营小白到效率达人:电商物流管理的完整进化指南

做电商三年多,我见过太多运营同行在同样的坑里反复摔倒。今天想把这些经验完整梳理一遍,从最基础的认知到系统化的管理,从单打独斗到团队协同,希望能给正在这条路上摸索的你一些参考。 这篇文章不讲高深的理论,全是实战…

2026/7/8 9:46:53 阅读更多 →
基于TPA3128D2与PIC32的高保真音频系统设计指南

基于TPA3128D2与PIC32的高保真音频系统设计指南

1. 从零搭建高保真音频系统的核心组件解析 作为一名长期深耕嵌入式音频系统开发的工程师,我最近完成了一个基于TPA3128D2功放芯片和PIC32MX470F512H微控制器的音频系统项目。这个组合带来的音质表现远超预期——在24V供电下推动8Ω书架箱时,动态范围和低…

2026/7/8 9:40:38 阅读更多 →
缓存到底解决了什么问题?普通人也能听懂的缓存原理

缓存到底解决了什么问题?普通人也能听懂的缓存原理

不管是手机 APP、电脑软件、网页网站,还是服务器后台系统、电脑硬件硬件结构,缓存机制无处不在。绝大多数普通用户只会在软件卡顿、存储空间不足时,点开设置清理缓存,却始终不清楚缓存设计的核心目的是什么,甚至会误以…

2026/7/8 9:38:36 阅读更多 →
【无标题】2026提词器参数设置完整指南:手机、电脑直播通用调节方法

【无标题】2026提词器参数设置完整指南:手机、电脑直播通用调节方法

2026 年短视频、线上直播、知识口播的创作需求持续增长,提词器已经成为出镜创作的常用辅助工具。很多使用者在操作时会出现文字看不清、滚动节奏不匹配、眼神偏移穿帮、前置拍摄文字反向等问题,根源大多是参数没有根据设备、拍摄场景针对性调校。本文覆盖…

2026/7/8 9:36:35 阅读更多 →
MusicFree附最新:音源插件及导入教程

MusicFree附最新:音源插件及导入教程

最近不少朋友都在找一款干净一点的音乐播放器:没有乱七八糟的弹窗,不强制会员,不一打开就是广告,还能按照自己的需要添加音源。 这次给大家整理的是MusicFree 最新版,它的特点很明确:软件本体很干净&#…

2026/7/8 9:36:35 阅读更多 →
TMC7300+PIC18F4458驱动有刷电机方案与优化

TMC7300+PIC18F4458驱动有刷电机方案与优化

1. 为什么选择TMC7300PIC18F4458组合驱动有刷电机 有刷直流电机作为工业自动化领域最基础的动力元件,其控制方案的选择往往决定了整个系统的稳定性和成本效益。TMC7300这款来自TRINAMIC的电机驱动器芯片,搭配Microchip的PIC18F4458单片机,形成…

2026/7/8 9:36:35 阅读更多 →

日新闻

3大核心能力重塑《明日方舟》游戏体验:MAA自动化助手的革命性突破

3大核心能力重塑《明日方舟》游戏体验:MAA自动化助手的革命性突破

3大核心能力重塑《明日方舟》游戏体验:MAA自动化助手的革命性突破 【免费下载链接】MaaAssistantArknights 《明日方舟》小助手,全日常一键长草!| A one-click tool for the daily tasks of Arknights, supporting all clients. 项目地址: …

2026/7/8 0:00:48 阅读更多 →
MyBatis 批量操作深度优化——从 N+1 到批处理的全路径

MyBatis 批量操作深度优化——从 N+1 到批处理的全路径

MyBatis 批量操作深度优化——从 N1 到批处理的全路径 一、从"功能正确"到"性能可接受"——MyBatis 批量操作的三段式进化 MyBatis 在日常增删改查场景中几乎是无感的——实体映射直观、SQL 控制灵活。但当数据量从千级上升到十万级、百万级,许…

2026/7/8 0:00:48 阅读更多 →
工业负载控制方案:TPD2015FN与PIC18F45K22应用解析

工业负载控制方案:TPD2015FN与PIC18F45K22应用解析

1. 工业负载控制方案概述在工业自动化、电机驱动和照明控制等高需求场景中,可靠地控制电感和电阻负载是核心挑战之一。TPD2015FN作为东芝的8通道高端智能功率开关IC,配合PIC18F45K22微控制器,能够构建一套稳定、高效的负载控制系统。这套组合…

2026/7/8 0:02:48 阅读更多 →

周新闻

B站视频下载神器BiliTools:5分钟学会轻松保存任何B站内容

B站视频下载神器BiliTools:5分钟学会轻松保存任何B站内容

B站视频下载神器BiliTools:5分钟学会轻松保存任何B站内容 【免费下载链接】BiliTools A cross-platform bilibili toolbox. 跨平台哔哩哔哩工具箱,支持下载视频、番剧等等各类资源 项目地址: https://gitcode.com/GitHub_Trending/bilit/BiliTools …

2026/7/7 14:24:45 阅读更多 →
威胁模型全解析:从新手入门到实战应用,助你构建安全产品!

威胁模型全解析:从新手入门到实战应用,助你构建安全产品!

威胁模型的陌生现状在忙碌疲惫的一天里,参与了关于混合后量子密码学的讨论,应付端点攻击找茬的人,还参与留言板讨论后,发现“威胁模型”对多数人仍是陌生概念,且多被当作时髦用语。有趣的相关画作有一幅由 Embyr 创作的…

2026/7/7 12:34:47 阅读更多 →
渗透测试入门指南:从零基础到实战环境搭建

渗透测试入门指南:从零基础到实战环境搭建

1. 从“看热闹”到“入门”:我理解的渗透测试到底是什么?每次看到新闻里说某个大公司的数据被“黑”了,或者某个网站被攻击导致服务瘫痪,你是不是和我一样,心里会冒出两个念头:一是“这黑客真厉害”&#x…

2026/7/7 15:59:06 阅读更多 →

月新闻