ascend-robot【docs】：下载安装界面上线，安装指南统一风格更新；大模型检查低错修改

b216be7e创建于 18 天前历史提交

服务化性能调优工具快速入门

服务化框架的性能调优往往如同置身 “黑盒”，问题根源难以精准定位 —— 比如请求量攀升后响应速度显著下降、硬件设备更换后性能表现迥异等场景，都难以快速排查。

msServiceProfiler（服务化调优工具）提供全链路性能剖析，清晰展示框架调度、模型推理等环节的表现，帮助用户快速找到性能瓶颈（帮助判断是框架问题还是模型问题），从而有效提升服务性能。

Note

以下仅提供服务化调优工具的快速入门，工具更多操作及接口、参数、字段等详细内容介绍请参见“服务化调优工具”。

前提条件

在使用性能调优工具前请先完成msServiceProfiler工具安装，具体请参见《msServiceProfiler工具安装指南》。
已完成对应服务框架的安装，并通过可用性验证（服务能够正常启动，且可通过官方示例脚本或 API 成功发起一次推理请求）：
- MindIE Motor：请参见《MindIE 安装指南》完成 MindIE 的安装和配置，并确认 MindIE Motor 服务可以正常启动且能完成一次示例推理请求。
- vLLM-Ascend：请参见《vLLM 服务化性能采集工具使用指南》以及 vLLM-Ascend 官方安装文档，完成环境准备并验证 vLLM 服务可正常对外提供推理接口。
- SGLang：请参见《SGLang 服务化性能采集工具使用指南》以及 SGLang 官方安装文档，完成环境准备并验证 SGLang 服务可正常对外提供推理接口。

操作步骤

当前 msServiceProfiler 已支持多种服务化推理框架（如 MindIE Motor、vLLM-Ascend以及SGLang）。

1. 配置环境变量

msServiceProfiler 的采集能力需要在部署服务之前，通过设置环境变量 SERVICE_PROF_CONFIG_PATH方能生效。如果环境变量拼写错误，或者没有在部署服务之前设置环境变量，都无法使能采集能力。

通用说明
- SERVICE_PROF_CONFIG_PATH：指定性能采集配置文件（JSON），用于控制是否开启采集、数据输出目录等。

示例（以当前工作目录下的配置文件为例）

export SERVICE_PROF_CONFIG_PATH="./ms_service_profiler_config.json"

SERVICE_PROF_CONFIG_PATH 的值需要指定到 json 文件名，该 json 文件即为控制性能数据采集的配置文件，比如采集性能元数据存放位置、算子采集开关等，具体字段介绍参考3. 数据采集。若路径下无配置文件，工具将自动生成默认配置（采集开关默认为关闭状态）。

Note

在多机部署时，通常不建议将配置文件或其指定的数据存储路径放置在共享目录（如网络共享位置）。由于数据写入方式可能涉及额外的网络或缓冲环节，而非直接落盘，此类配置在某些情况下可能导致预期外的系统行为或结果。

2. 运行服务

不同框架下的“运行服务”步骤不同，但对 msServiceProfiler 来说，关键是在服务进程启动之前完成环境变量配置，之后按照各框架原有方式启动服务。

2.1 MindIE Motor

按照《MindIE 安装指南》启动推理服务即可。若正确配置了 SERVICE_PROF_CONFIG_PATH，在服务部署完成之前会输出如下以 [msservice_profiler] 开头的日志，说明 msServiceProfiler 已启动，例如：

[msservice_profiler] [PID:225] [INFO] [ParseEnable:179] profile enable_: false
[msservice_profiler] [PID:225] [INFO] [ParseAclTaskTime:264] profile enableAclTaskTime_: false
[msservice_profiler] [PID:225] [INFO] [ParseAclTaskTime:265] profile msptiEnable_: false
[msservice_profiler] [PID:225] [INFO] [LogDomainInfo:357] profile enableDomainFilter_: false

如果 SERVICE_PROF_CONFIG_PATH 环境变量所指定的配置文件不存在，工具会自动创建，日志类似：

[msservice_profiler] [PID:225] [INFO] [SaveConfigToJsonFile:588] Successfully saved profiler configuration to: ./ms_service_profiler_config.json

2.2 vLLM-Ascend

在完成 vLLM-Ascend 环境准备和变量配置后，按 vLLM 原生方式启动服务，例如：

cd ${path_to_store_profiling_files}
export SERVICE_PROF_CONFIG_PATH=ms_service_profiler_config.json
# 启动 vLLM 服务（示例）
vllm serve Qwen/Qwen2.5-0.5B-Instruct &

2.3 SGLang

首次集成时，需要在 SGLang 服务化启动入口中接入 msServiceProfiler，之后再按常规方式启动服务。

# 在SGLang服务化启动入口文件处导入数据采集模块
vim /usr/local/python3.11.13/lib/python3.11/site-packages/sglang/launch_server.py # 其中/usr/local/python3.11.13/lib/python3.11/site-packages为pip show sglang回显的sglang安装路径
# 在原本所有import模块后插入如下代码：
from ms_service_profiler.patcher.sglang import register_service_profiler
register_service_profiler()

# 启动 SGLang 服务（示例）
python3 -m sglang.launch_server \
    --model-path=/Qwen2.5-0.5B-Instruct \
    --device npu

3. 数据采集

服务部署成功之后，可以通过修改 SERVICE_PROF_CONFIG_PATH 对应配置文件中的字段来进行精准控制采集行为（此处仅以以下三个字段为例）：

{
  "enable": 1,
  "prof_dir": "${PATH}/prof_dir/",
  "acl_task_time": 0
}

表 1 参数说明

参数	说明	是否必选
enable	性能数据采集总开关。取值为： 0：关闭。 1：开启。即便其他开关开启，该开关不开启，仍然不会进行任何数据采集；如果只有该开关开启，只采集服务化性能数据。	是
prof_dir	采集到的性能数据的存放路径，默认值为 ${HOME}/.ms_server_profiler。该路径下存放的是性能原始数据，需要继续执行后续解析步骤，才能获取可视化的性能数据文件进行分析。在 enable 为 0 时，对 prof_dir 进行自定义修改，随后修改 enable 为 1 时生效；在 enable 为 1 时，直接修改 prof_dir，则修改不生效。	否
acl_task_time	开启采集算子下发耗时、算子执行耗时数据的开关，取值为： 0：关闭。默认值，配置为 0 或其他非法值均表示关闭。 1：开启。该功能开启时会占用一定的设备性能，导致采集的性能数据不准确，建议在模型执行耗时异常时开启，用于更细致的分析。算子采集数据量较大，一般推荐集中采集 3 ~ 5s，时间过长会导致占用额外磁盘空间，消耗额外的解析时间，从而导致性能定位时间拉长。默认算子采集等级为 L0，如果需要开启其他算子采集等级，请参见“服务化调优工具”的完整参数介绍。	否

一般来说，如果 enable 一直为 1，当服务从收到请求的那一刻起，工具会一直采集，直到请求结束，prof_dir 下的目录大小也会不断增长，因此推荐用户仅采集关键时间段的信息。

每当 enable 字段发生变更时，工具都会输出对应的日志进行告知，例如：

[msservice_profiler] [PID:3259] [INFO] [DynamicControl:407] Profiler Enabled Successfully!

或：

[msservice_profiler] [PID:3057] [INFO] [DynamicControl:411] Profiler Disabled Successfully!

当 enable 由 0 改为 1 时，配置文件中的所有字段都会被工具重新加载，从而实现动态更新。

同样，工具会在 prof_dir（默认 ${HOME}/.ms_server_profiler/xxxx-xxxx）下生成推理服务对应的原始性能数据。

4. 数据解析与调优分析

4.1 数据解析

安装环境依赖。

python >= 3.10
pandas >= 2.2
numpy >= 1.24.3
psutil >= 5.9.5

执行解析命令示例（通用形式）：
```
python3 -m ms_service_profiler.parse --input-path=${PATH}/prof_dir
```
--input-path 指定为 3. 数据采集中 prof_dir 参数指定的路径。解析完成后，默认在命令执行目录下生成解析后的性能数据文件。

Note

对于 vLLM-Ascend / SGLang on NPU，prof_dir 默认位于 ${HOME}/.ms_server_profiler/xxxx-xxxx，可以在该目录下执行：

msserviceprofiler parse --input-path=./ --output-path output

或等价的：

python3 -m ms_service_profiler.parse --input-path=$PWD

4.2 调优分析

解析后的性能数据包含db格式、csv格式和json格式，用户可以通过csv进行请求、调度等不同维度的快速分析，也可以通过MindStudio Insight工具导入db文件或者json文件进行可视化分析，详细操作和分析说明请参见《MindStudio Insight工具用户指南》中的“服务化调优”章节。

根据MindStudio Insight工具的可视化呈现性能数据，如下图所示：