vllm 遷移到 SGLang 的工作體驗(yàn)~

原標(biāo)題：小白視角：vllm 遷移到 SGLang 的體驗(yàn)與收獲
文章來源：智猩猩GenAI
內(nèi)容字?jǐn)?shù)：11179字

2024中國生成式AI大會（上海站）預(yù)告

根據(jù)大會預(yù)告，2024中國生成式AI大會（上海站）將于12月5日至6日舉行。此次大會由智猩猩共同主辦，屆時(shí)將匯聚眾多行業(yè)專家和學(xué)者，共同探討生成式AI的最新發(fā)展與應(yīng)用。北大（臨港）大模型對齊中心執(zhí)行主任徐驊，騰訊優(yōu)圖實(shí)驗(yàn)室天衍研究中心負(fù)責(zé)人吳賢，以及其他30多位嘉賓已確認(rèn)參會并進(jìn)行演講。歡迎感興趣的朋友報(bào)名參加。

新技術(shù)遷移體驗(yàn)

在本周，我完成了將vllm遷移到SGLang的工作。這一過程相對簡單，主要是將原有的vllm服務(wù)指令替換為SGLang的指令。在這個(gè)過程中，我學(xué)習(xí)到了許多現(xiàn)代的服務(wù)特性，盡管我仍是小白，希望能在評論區(qū)得到大家的指正。

為何選擇SGLang

SGLang在吞吐能力上表現(xiàn)優(yōu)于vllm，并且支持更多前端功能，如生成結(jié)構(gòu)化生成語言（Structured Generation Language）。最近我在進(jìn)行一些Agent項(xiàng)目時(shí)，發(fā)現(xiàn)這個(gè)特性潛力巨大。

遷移過程中的指令對比

原本的vllm指令相對簡單，而遷移到SGLang后，參數(shù)大致相近，部分參數(shù)有所不同。例如，SGLang中新增的enable-p2p-check參數(shù)用于測試GPU間的直接通訊，而chunked-prefill-size則允許更靈活的長序列輸入處理。

性能監(jiān)測與調(diào)優(yōu)

在SGLang的服務(wù)日志中，觀察到了一些重要的性能指標(biāo)，包括緩存命中率和請求隊(duì)列狀態(tài)。高的緩存命中率有助于提升整體效率，而請求隊(duì)列的狀態(tài)則能反映系統(tǒng)的負(fù)載能力。

加速效果顯著

通過將vllm替換為SGLang，我的處理效率提升了近10倍。這一結(jié)果雖然是基于個(gè)人的經(jīng)驗(yàn)，但顯著反映了新框架在推理效率上的優(yōu)勢。

總結(jié)

總的來說，2024中國生成式AI大會和SGLang的遷移工作都展示了生成式AI領(lǐng)域的快速發(fā)展與技術(shù)進(jìn)步。希望未來能有更多的交流與合作，推動整個(gè)行業(yè)的前進(jìn)。

聯(lián)系作者

文章來源：智猩猩GenAI
作者微信：
作者簡介：智猩猩旗下矩陣賬號之一，聚焦大模型開啟的通用人工智能浪潮。