理解vllm分布式推理服务中的多节点Multi-Node部署方式

1. 多节点的含义

vllm官方文档（参考1）中给出了多节点“Multi-Node”多GPU部署的方案说明，注意该特性只是较新版本的vllm中才能使用。“Multi-Node”指的是，将大模型的推理和服务过程，分布在多个计算节点（服务器）上，进行推理的能力。这种分布式处理方式，能提升大模型在处理大量请求时的吞吐量、降低单个节点的负载，实现资源的有效利用。

一般来说，Multi-Node主要用于这种场景：k8s集群中，一个node的GPU资源不足以加载一个很大的模型，所以可以利用多个node的资源共同来加载模型

2. 单服务器部署多节点

vllm的参数--pipeline-parallel-size就是用来控制节点数的。如果将这个值设置为2，则最终就有2个模型同时做并发处理。官方文档（参考1）还举了个例子，如果服务器上有16个GPU，一个大模型需要8个GPU才能部署，则可以将--tensor-parallel-size参数的值设置为8，将--pipeline-parallel-size的值设置为2，这样就有2个模型同时做并发处理。

笔者有8块A800，我想部署8个Qwen2-7B模型做并发处理（一个模型只需要一块A800就能实现推理），则配置如下

CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 python -m vllm.entrypoints.openai.api_server \
    --model /data/models/Qwen2-7B-Instruct/ \
    --served-mode