跳到主要内容

AI玩转推理 - QwQ与Xinference应对逻辑挑战

应用概述​

Xinference 是一个性能强大的推理框架，支持大语言模型（LLM），语音识别模型，多模态模型等各种模型的推理。

QwQ-32B-Preview是由Qwen团队最新发布的实验性研究模型，专注于增强 AI 推理能力，在数学和编程领域有着优异的表现。

本文中我们将介绍如何在弹性容器集群中用Xinference作为推理框架，探索QwQ-32B-Preview对复杂问题的推理效果。

准备工作​

本次部署会用到Docker和Kubernetes，请准备好Docker环境，并确保本地有可用的Kubernestes客户端工具kubectl。 Docker环境安装请参考文档，kubectl安装请参考安装命令行工具（kubectl）。

部署前需要先开通弹性容器集群并准备好Xinference的官方镜像，请跟随下面的步骤，完成前期准备工作。

资源准备​

QwQ-32B-Preview模型的参数规模为320亿，模型文件大小约为62G。因此，在部署前，请确保申请的资源满足下表中的最低要求。

配置项最低配置推荐配置
GPUH800 * 1H800 * 2
CPU16核32核
内存64GB128GB
磁盘100GB500GB

开通弹性容器集群​

请参考弹性容器集群的开通弹性容器集群，完成集群的开通并了解基本的使用方法使用弹性容器集群。成功后，得到kubeconfig文件、弹性容器集群的信息、对象存储和Harbor仓库的相关信息。

提示

请确认 弹性容器集群 和后面使用的 镜像仓库 是在同一个智算中心开通的。

需要先设置环境变量，export KUBECONFIG=kubeconfig文件路径，才能够执行kubectl命令

镜像准备​

在开始部署前，需要先拉取Xinference官方镜像，然后推送到弹性容器集群的Harbor仓库中。

docker pull registry.cn-hangzhou.aliyuncs.com/xprobe_xinference/xinference:v0.16.3
提示

请确认 镜像仓库 和 弹性容器集群 是在同一个智算中心开通的。
登录自己的镜像仓库，将Xinference官方镜像推送过去。
用户名密码：查看开通镜像仓库时的通知短信
镜像仓库访问域名：参考镜像仓库的使用
镜像仓库访问地址：由 镜像仓库访问域名/项目 组成


1. docker login  镜像仓库访问域名 -u 用户名 -p 密码

2. docker tag  registry.cn-hangzhou.aliyuncs.com/xprobe_xinference/xinference:v0.16.3  镜像仓库访问地址/xinference:v0.16.3

3. docker push 镜像仓库访问地址/xinference:v0.16.3

XInference​

Xinference有单点与集群两种部署模式，本文中采用单点模式。

服务部署​

部署XInference需要以下资源，请点击此处获取配置文件，按照下文中的操作，完成相关资源的配置更改与安装。

文件名描述
xinference-secret.yaml镜像仓库的密钥，需要替换base64编码，参考创建密钥
xinference-svc.yamlXinference的网络配置，用于暴露Xinference的服务，供外部访问
xinference.yamlXinference服务的核心配置文件，用于启动服务，需要替换为你自己的镜像

xinference.yaml中的关键参数如下：

参数名描述
env.XINFERENCE_MODEL_SRCXinference的模型源，示例中设置为 modelscope
env.XINFERENCE_HOMEXinference的模型文件存储目录，示例中设置为 /data

Secret​

完成前面步骤中的docker login操作之后，对docker的config.json文件中的内容进行base64编码，并将编码后的内容保存到xinference-secret.yaml文件中。

  cat ~/.docker/config.json | base64 -w 0

完成配置更改后，执行kubectl apply -f xinference-secret.yaml命令，创建Secret资源。

apiVersion: v1
kind: Secret
metadata:
  name: xinference-secret
  namespace: xinference
type: kubernetes.io/dockerconfigjson
data:
  .dockerconfigjson: <base64编码后的docker config.json内容>
提示

config.json文件默认位置在~/.docker目录下

Service和ServiceExporter​

在弹性容器集群中，无法直接使用NodePort方式暴露服务。对于需要外部访问的服务，我们可以使用ServiceExporter。ServiceExporter是弹性容器集群中用于将服务暴露到外部的组件，将其与需要对外提供服务的Service绑定，为用户提供外部访问的地址。

apiVersion: osm.datacanvas.com/v1alpha1
kind: ServiceExporter
metadata:
  name: xinference-svcExporter 
  namespace: xinference     
spec:
  serviceName: xinference-svc 
  servicePort: 9997

执行kubectl apply -f xinference-svc.yaml命令，创建Service和ServiceExporter资源。创建成功后，可以查看ServiceExporter的信息获取服务访问的地址。通过ServiceExporter方式暴露的服务端口均为22443

kubectl describe serviceExporter xinference-svcExporter -n xinference

输出结果

信息省略···
Spec:
  Service Name:  xinference-svcExporter
  Service Port:  9997
Status:
  Conditions:
    Last Transition Time:  2024-12-08T20:54:34Z
    Message:  IngressRoute successfully updated, url: https://xinference-svcExporter-x-xinference-x-vc2qofabc123.sproxy.hd-01.alayanew.com
···

启动XInference​

完成Secret、PVC、Service、ServiceExporter等资源的创建后，执行kubectl apply -f xinference.yaml命令，启动Xinference。通过上一小节获取到的服务地址，访问Xinference的页面。

示例：https://xinference-svcExporter-x-xinference-x-vc2qofabc123.sproxy.hd-01.alayanew.com:22443

QwQ-32B-Preview​

Xinference目前暂未预置QwQ-32B-Preview模型，我们需要按照下面的步骤完成模型的下载、注册后，启动模型服务。

模型下载​

modelscope是一个开源的模型即服务共享平台，我们从在modelscope上下载QwQ-32B-Preview模型到env.XINFERENCE_HOME指定的模型文件存储目录中。

进入Xinference的容器中，执行以下操作下载QwQ-32B-Preview模型。

  1. kubectl exec -it $( kubectl get pod -n xinference | awk ' NR>1 {print $1}' ) bash -n xinference

  2. pip install modelscope

  3. modelscope download --model Qwen/QwQ-32B-Preview --local_dir /data/QwQ-32B-Preview
提示

模型文件大约62GB，下载时间较长，请耐心等待

模型注册​

下载完模型文件后，我们通过Xinference提供的Register Model功能，填写QwQ-32B-Preview的配置信息，完成模型的注册。主要配置信息如下：

配置项名称配置项参数描述
Model Nameqwq-32B-preview模型名称
Context Length32768模型的上下文长度
Model LanguagesEnglish模型的语言
Model AbilitiesChatQwQ-32B-Preview是一个chat模型
Model Familyqwen2.5-instruct选用相应的模型家族，会自动填写该家族模型的Chat Tempalte、Stop Token ids等参数
Model FormatPyTorch模型的格式
Model Path/data/QwQ-32B-Preview模型文件所在的目录
Model Size in Billions32模型的参数规模

启动模型服务​

在浏览器中打开Xinference的页面，依次点击Launch Model和CUSTOM MODELS按钮，选择刚才注册的QwQ-32B-Preview模型，配置相关参数，启动模型服务。模型启动成功后，点击Running Models可以管理处于运行在的模型服务。

模型服务支持通过Python、cURL等方式进行交互，下面我们来测试一下模型的推理效果。

from xinference.client import RESTfulClient
client = RESTfulClient("https://<Xinference服务地址>:<端口号>")
model = client.get_model("qwq-32B-preview")

question = 'How many letters <r> in the word strawberry?'

model.chat(
  messages=[
      {"role": "user", "content": question}
  ]
)

猜牌问题​

from xinference.client import RESTfulClient
client = RESTfulClient("https://<Xinference服务地址>:<端口号>")
model = client.get_model("qwq-32B-preview")

question = '''
  S先生、P先生、Q先生他们知道桌子的抽屉里有16张扑克牌：红桃A、Q、4 黑桃J、8、4、2、7、3 草花K、Q、5、4、6 方块A、5。约翰教授从这16张牌中挑出一张牌来，并把这张牌的点数告诉 P先生，把这张牌的花色告诉Q先生。这时，约翰教授问P先生和Q 先生：你们能从已知的点数或花色中推知这张牌是什么牌吗？于是，S先生听到如下的对话：

  P先生：我不知道这张牌。

  Q先生：我知道你不知道这张牌。

  P先生：现在我知道这张牌了。

  Q先生：我也知道了。

  请问：这张牌是什么牌？
'''

model.chat(
  messages=[
      {"role": "user", "content": question}
  ],
  generate_config={"max_tokens": 4096}
)

家庭成员关系问题​

from xinference.client import RESTfulClient
client = RESTfulClient("https://<Xinference服务地址>:<端口号>")
model = client.get_model("qwq-32B-preview")

question = '''
  小红有2个兄弟，3个姐妹，那么小红的兄弟有几个姐妹？
'''

model.chat(
  messages=[
      {"role": "user", "content": question}
  ],
  generate_config={"max_tokens": 4096}
)