【AI大模型部署】Ollama与vLLM部署对比：哪个更合适？

前言

近年来，大语言模型（LLM）的应用日益广泛，而高效的部署方案至关重要。Ollama和vLLM作为两种流行的LLM部署工具，各有优劣。本文将深入比较Ollama和vLLM的部署方式，帮助选择最合适的方案。

Ollama：简单易用的LLM部署工具

Ollama以其简洁的安装和易于使用的特性而闻名。其官方文档清晰易懂，即使是新手也能快速上手。Ollama支持多种LLM模型，并提供便捷的命令行界面进行管理和运行。其核心优势在于：

• 简单安装： Ollama的安装过程非常简单，只需几条命令即可完成，无需复杂的配置。

• 易于使用： Ollama提供友好的用户界面和命令行工具，方便用户管理和运行LLM模型。

• 跨平台支持： Ollama支持macOS、Windows和Linux系统，具有良好的跨平台兼容性。

• 内存占用少： 相较于其他一些部署方案，Ollama对内存的占用相对较少，这对于资源受限的设备来说非常友好。

然而，Ollama也存在一些不足之处：

• 并发限制： Ollama的并发处理能力相对有限，需要根据实际需求调整最大并发数。

• 国内网络环境： 由于服务器在国外，国内用户在下载和使用过程中可能会遇到网络速度慢的问题。

Ollama安装示例（Linux）：

curl -fsSL https://ollama.com/install.sh | sh

Ollama运行示例：

ollama run qwen2.5:32b-instruct

如果遇到网络问题的解决办法,可以修改****下载源

打开 ollama_install.sh，找到以下两个下载地址：

https://ollama.com/download/ollama-linux-${ARCH}${VER_PARAM}
https://ollama.com/download/ollama-linux-amd64-rocm.tgz${VER_PARAM}

我们要将这两个地址替换成 GitHub 的下载链接。但直接使用 GitHub 可能依旧缓慢，因此我们推荐使用 GitHub 文件加速服务。

使用以下脚本来修改下载源：

#!/bin/bash

# 文件路径
FILE="ollama_install.sh"

# 修改 URL
sed -i 's|https://ollama.com/download/ollama-linux-${ARCH}${VER_PARAM}|https://github.moeyy.xyz/https://github.com/ollama/ollama/releases/download/v0.3.4/ollama-linux-amd64|g' $FILE
sed -i 's|https://ollama.com/download/ollama-linux-amd64-rocm.tgz${VER_PARAM}|https://github.moeyy.xyz/https://github.com/ollama/ollama/releases/download/v0.3.4/ollama-linux-amd64-rocm.tgz|g' $FILE

最终，把下载地址改为：

https://github.moeyy.xyz/https://github.com/ollama/ollama/releases/download/v0.3.4/ollama-linux-amd64
https://github.moeyy.xyz/https://github.com/ollama/ollama/releases/download/v0.3.4/ollama-linux-amd64-rocm.tgz

vLLM：高性能LLM推理引擎

vLLM是一个专注于高性能LLM推理的工具。它能够有效地利用多核CPU和GPU资源，显著提升LLM的推理速度。vLLM的主要优势在于：

• 高推理速度： vLLM在推理速度方面表现出色，能够快速生成LLM的输出。

• 资源利用率高： vLLM能够充分利用多核CPU和GPU资源，提升资源利用率。

• 灵活配置： vLLM允许用户根据实际需求灵活配置参数，例如模型路径、端口号等。

但是，vLLM的上手难度相对较高：

• 配置复杂： vLLM的配置相对复杂，需要用户具备一定的技术基础。

• 显存占用更大： 相比于ollama的显存占用,vLLM占用的更大。

vLLM安装示例：

pip install vllm

vLLM运行示例：

vllm serve --host 0.0.0.0 --port 8080 --model-path /path/to/model

总结

Ollama和vLLM各有千秋，选择哪种方案取决于具体需求。如果需要一个简单易用、快速部署的LLM解决方案，并且对推理速度要求不高，那么Ollama是不错的选择。如果追求高性能的LLM推理，并且具备一定的技术基础，那么vLLM更适合。

最后的最后

感谢你们的阅读和喜欢，我收藏了很多技术干货，可以共享给喜欢我文章的朋友们，如果你肯花时间沉下心去学习，它们一定能帮到你。

因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。作为一个普通人，无法全部学完，所以我们在提升技术的时候，首先需要明确一个目标，然后制定好完整的计划，同时找到好的学习方法，这样才能更快的提升自己。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

大模型知识脑图

为了成为更好的 AI大模型 开发者，这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

经典书籍阅读

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】