使用 Docker

使用 Docker#

使用 vLLM 官方 Docker 镜像#

vLLM 提供用于部署的官方 Docker 镜像。该镜像可以用于运行 OpenAI 兼容的服务器，并在 Docker Hub 上以 vllm/vllm-openai 提供。

$ docker run --runtime nvidia --gpus all \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HUGGING_FACE_HUB_TOKEN=<secret>" \
    -p 8000:8000 \
    --ipc=host \
    vllm/vllm-openai:latest \
    --model mistralai/Mistral-7B-v0.1

您可以在镜像标签 (vllm/vllm-openai:latest) 后添加您需要的任何其他引擎参数。

注意

您可以使用 ipc=host 标志或 --shm-size 标志来允许容器访问主机的共享内存。vLLM 使用 PyTorch，PyTorch 在底层使用共享内存来共享进程之间的数据，特别是对于张量并行推理。

注意

为了避免许可问题，可选依赖项未包含在内（例如 Issue #8030）。

如果您需要使用这些依赖项（已接受许可条款），请在基础镜像之上创建一个自定义 Dockerfile，并添加一个额外的层来安装它们

FROM vllm/vllm-openai:v0.7.3

# e.g. install the `audio` and `video` optional dependencies
# NOTE: Make sure the version of vLLM matches the base image!
RUN uv pip install --system vllm[audio,video]==0.7.3

提示

一些新模型可能仅在 HF Transformers 的主分支上可用。

要使用开发版本的 transformers，请在基础镜像之上创建一个自定义 Dockerfile，并添加一个额外的层来从源码安装其代码

FROM vllm/vllm-openai:latest

RUN uv pip install --system git+https://github.com/huggingface/transformers.git

从源码构建 vLLM 的 Docker 镜像#

您可以借助提供的 Dockerfile 从源码构建和运行 vLLM。要构建 vLLM，请执行：

# optionally specifies: --build-arg max_jobs=8 --build-arg nvcc_threads=2
DOCKER_BUILDKIT=1 docker build . --target vllm-openai --tag vllm/vllm-openai

注意

默认情况下，vLLM 将为所有 GPU 类型构建，以实现最广泛的发布。如果您仅为机器当前运行的 GPU 类型构建，则可以添加参数 --build-arg torch_cuda_arch_list=""，以便 vLLM 查找当前 GPU 类型并为其构建。

如果您使用 Podman 而不是 Docker，则在运行 podman build 命令时，您可能需要添加 --security-opt label=disable 来禁用 SELinux 标记，以避免某些现有问题。

为 Arm64/aarch64 构建#

可以为 aarch64 系统（例如 Nvidia Grace-Hopper）构建 Docker 容器。在撰写本文时，这需要使用 PyTorch Nightly，应视为实验性。使用标志 --platform "linux/arm64" 将尝试为 arm64 构建。

注意

必须编译多个模块，因此此过程可能需要一段时间。建议使用 --build-arg max_jobs= 和 --build-arg nvcc_threads= 标志来加速构建过程。但是，请确保您的 max_jobs 远大于 nvcc_threads，以获得最大收益。请注意并行作业的内存使用情况，因为它可能很大（请参阅下面的示例）。

# Example of building on Nvidia GH200 server. (Memory usage: ~15GB, Build time: ~1475s / ~25 min, Image size: 6.93GB)
$ python3 use_existing_torch.py
$ DOCKER_BUILDKIT=1 docker build . \
  --target vllm-openai \
  --platform "linux/arm64" \
  -t vllm/vllm-gh200-openai:latest \
  --build-arg max_jobs=66 \
  --build-arg nvcc_threads=2 \
  --build-arg torch_cuda_arch_list="9.0+PTX" \
  --build-arg vllm_fa_cmake_gpu_arches="90-real"

使用自定义构建的 vLLM Docker 镜像#

要使用自定义构建的 Docker 镜像运行 vLLM，请执行：

$ docker run --runtime nvidia --gpus all \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    -p 8000:8000 \
    --env "HUGGING_FACE_HUB_TOKEN=<secret>" \
    vllm/vllm-openai <args...>

参数 vllm/vllm-openai 指定要运行的镜像，应替换为自定义构建镜像的名称（构建命令中的 -t 标签）。

注意

仅适用于 0.4.1 和 0.4.2 版本 - 这些版本下的 vLLM Docker 镜像应该在 root 用户下运行，因为运行时需要加载 root 用户主目录下的一个库，即 /root/.config/vllm/nccl/cu12/libnccl.so.2.18.1。如果您在不同的用户下运行容器，您可能需要先更改库（以及所有父目录）的权限以允许用户访问它，然后使用环境变量 VLLM_NCCL_SO_PATH=/root/.config/vllm/nccl/cu12/libnccl.so.2.18.1 运行 vLLM。