DeepSeek专栏3：vLLM×DeepSeek部署指南（鲲鹏+昇腾）

引言

上期介绍了在鲲鹏 CPU+NVIDIA GPU上部署DeepSeek的流程，本期将会继续介绍在鲲鹏 CPU+昇腾 NPU上通过vLLM框架来部署DeepSeek。

系统环境硬件要求

NPU推理规格

模型	CPU	NPU	内存	存储
DeepSeek-R1-Distill-Qwen-1.5B	至少8核	至少6GB显存	16GB以上	60GB以上
DeepSeek-R1-Distill-Qwen-7B	至少32核	至少32GB显存	32GB以上	60GB以上
DeepSeek-R1-Distill-Llama-8B	至少32核	至少32GB显存	32GB以上	60GB以上

使用vLLM推理框架在昇腾NPU上的DeepSeek部署过程

以下部署流程以Atlas 800I A2服务器，openEuler 24.03 LTS操作系统为例说明如何使用vLLM框架部署DeepSeek-R1-Distill-Llama-8B。需要注意的是，该部署流程当前适合Altas 800I A2和Altas 800T A2服务器，对于其他的服务器型号暂时缺乏验证。

部署流程分为以下3个部分：

• 开发环境配置
• vLLM构建
• 大模型部署

开发环境配置

首先执行npu-smi info查看驱动加载是否成功。如果出现类似下图的回显信息说明加载成功，可跳过驱动固件安装步骤，开始安装昇腾容器引擎插件。否则需要首先安装驱动及固件。

对于Atlas 800I A2服务器，按照官方提供的流程安装NPU驱动及固件和[昇腾容器引擎插件]。(https://www.hiascend.com/document/detail/zh/quick-installation/24.0.RC1/quickinstg/800I_A2/quickinstg_800I_A2_0030.html)

vLLM构建

首先需要拉取镜像：

docker pull hub.oepkgs.net/neocopilot/deepseek_vllm:cann.8.0.rc3.beta1-910b-openeuler22.03-py3.10

倘若出现了x509: certificate signed by unknown authority错误，可以临时绕过证书验证，执行如下命令后重新拉取镜像：

echo '{"insecure-registries": ["quay.io"]}' | sudo tee /etc/docker/daemon.json
sudo systemctl restart docker

采用如下命令拉起容器：

docker run -it \
    -p 2023:23 \
    --name deepseek_npu_8b \
    --device /dev/davinci0 \
    --device /dev/davinci1 \
    --device /dev/davinci2 \
    --device /dev/davinci3 \
    --device /dev/davinci4 \
    --device /dev/davinci5 \
    --device /dev/davinci6 \
    --device /dev/davinci7 \
    --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 \
    quay.io/ascend/cann:8.0.rc3.beta1-910b-openeuler22.03-py3.10 bash

注意：

• -p 2023:23是将容器内的2023端口映射到宿主机上的23端口。这两个端口可以根据开发者机器的情况来自行调整。需要注意的是，一旦这里的端口映射修改了，后续流程中的端口也要做响应调整。
• --device /dev/davinciX 为使用的NPU卡的数量，可以根据实际情况进行调整，本教程使用的是8张NPU卡，即/dev/davinci0到/dev/davinci7，其他启动参数不变。

在进入容器后，采用如下命令构建vLLM：

yum install -y python python-pip gcc cmake git
pip install ml-dtypes tornado -i https://mirrors.huaweicloud.com/repository/pypi/simple
git clone https://github.com/wangshuai09/vllm
cd vllm
git chekcout npu_support

VLLM_TARGET_DEVICE=npu pip install -e . -i https://mirrors.huaweicloud.com/repository/pypi/simple

大模型部署

采用如下命令启动模型服务：

python -m vllm.entrypoints.openai.api_server \
    --served-model-name deepseek-r1:8b \
    --model /home/deepseek/DeepSeek-R1-Distill-Llama-8B \
    --trust-remote-code \
    --host 0.0.0.0 \
    --port 23 \
    --max-model-len 4096 \
    --tensor-parallel-size 8 \
    --gpu_memory_utilization 0.8 \
    --enforce-eager \
    --dtype float16 &

以下是部分参数的解读：

• --served-model-name指定部署的模型名称，这里指定为deepseek-r1:8b
• --model指定要加载的模型路径，这里需要注意修改模型路径为自己刚刚下载的模型路径文件
• --host指定服务器监听的IP地址，0.0.0.0表示监听所有的网络接口，允许外部访问
• --port指定服务器监听的端口号，这里与上文对应，指定为23，读者可以自行修改
• --max-model-len指定模型的最大上下文长度，这里指定为4096，超过该长度的输入会被截断
• --tensor-parallel-size指定张量并行的数量，设置为8表示模型将会在8个NPU上进行并行计算，读者需要根据在容器启动时制定的NPU数量来填写。
• --dtype float16指定模型计算的数据类型为float16（半精度浮点数）

通过CTRL+D回到宿主机后，通过如下命令进行功能验证：

curl -X POST "http://localhost:2023/v1/chat/completions" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-r1:8b",
"messages": [{"role": "user", "content": "请介绍一下开源操作系统openEuler"}]
}'

问答效果展示：

{
	"id": "chatcmpl-e8643c42d3e04fe3b509d284b761422d",
	"object": "chat.completion",
	"created": 1739419475,
	"model": "deepseek-r1:8b",
	"choices": [{
		"index": 0,
		"message": {
			"role": "assistant",
			"reasoning\_content": null,
			"content": "好的，我现在遇到了关于openEuler的问题,我需要仔细思考一下该怎么介绍它。首先，openEuler是一个操作系统，类似于Linux和Windows,主要面向企业用户,提供了诸多高级功能。它在几年前发布，开源社区支持很好,这点很重要,说服用户使用的关键点。在资源管理方面,openEuler有高效的内核,支持Containerd和CRI,让云原生应用方便运行。安全性也是一大卖点,多级权限和容器安全机制都是亮点,满足企业对安全的需求。当然,openEuler也有不足之处。虽然功能全面,但相较于传统大 flea Like Linux,生态系统还不够成熟。企业如果有特殊需求,可能还是得依赖花旗帮派,这也是需要考虑的。其他挑战包括引起的许可问题和技术债务,需要持续改进。所以,总体来看,openEuler适合需要高性能和可靠性企业用户,特别是开源技术和云原生应用方面的团队。它能提供一整套工具,解决很多复杂问题,但仍在不断发展中,未来有很多潜力。</think>openEuler 是一个开源操作系统,旨在为企业用户提供高性能和可靠的运维体验。它结合了 Linux 的成熟稳定性和 Windows 的现代化 User Experience。开源背景使得 openEuler 适合开发者和企业,可以根据特定需求进行定制和优化。由于其高效的资源管理和强大的安全机制,openEuler 在云原生应用和容器化环境中表现优异。然而,尽管功能丰富,这些要是到传统操作系统路线上的uggy以外,openEuler 的生态系统尚未成熟,可能难以满足所有复杂需求。总体而言,openEuler 是一个有潜力的操作系统,值得企业关注。",
			"tool\_calls": []
		},
		"Logprobs": null,
		"finish\_reason": "stop",
		"stop\_reason": null
	}],
	"usage": {
		"prompt\_tokens": 15,
		"total\_tokens": 466,
		"completion\_tokens": 451,
		"prompt\_tokens details": null
	},
	"prompt\_logprobs": null
}