Refactor: 記事をディレクトリ構成に変更、セットアップスクリプト追加
This commit is contained in:
parent
30761d2e4f
commit
24ea3f3e25
144
dgx-spark-minimax/scripts/dgx-spark-serve.sh
Executable file
144
dgx-spark-minimax/scripts/dgx-spark-serve.sh
Executable file
@ -0,0 +1,144 @@
|
||||
#!/bin/bash
|
||||
#
|
||||
# DGX Spark vLLM モデル起動スクリプト
|
||||
# Usage: ./dgx-spark-serve.sh [model] [options...]
|
||||
#
|
||||
set -euo pipefail
|
||||
|
||||
# Colors
|
||||
RED='\033[0;31m'
|
||||
GREEN='\033[0;32m'
|
||||
YELLOW='\033[1;33m'
|
||||
BLUE='\033[0;34m'
|
||||
NC='\033[0m'
|
||||
|
||||
log_info() { echo -e "${BLUE}[INFO]${NC} $1"; }
|
||||
log_ok() { echo -e "${GREEN}[OK]${NC} $1"; }
|
||||
log_warn() { echo -e "${YELLOW}[WARN]${NC} $1"; }
|
||||
log_error() { echo -e "${RED}[ERROR]${NC} $1"; }
|
||||
|
||||
# デフォルト設定
|
||||
DEFAULT_TP_SIZE=2
|
||||
DEFAULT_MAX_MODEL_LEN=65536
|
||||
DEFAULT_GPU_MEM_UTIL=0.90
|
||||
DEFAULT_HOST="0.0.0.0"
|
||||
DEFAULT_PORT=8000
|
||||
|
||||
# プリセットモデル
|
||||
declare -A MODEL_PRESETS=(
|
||||
["minimax-m25"]="cerebras/MiniMax-M2.5-REAP-172B-A10B --tool-call-parser minimax_m2 --reasoning-parser minimax_m2_append_think --enable-auto-tool-choice"
|
||||
["minimax-m2"]="cerebras/MiniMax-M2-REAP-172B-A10B --tool-call-parser minimax_m2 --reasoning-parser minimax_m2_append_think --enable-auto-tool-choice"
|
||||
["llama-70b"]="nvidia/Llama-3.3-70B-Instruct-NVFP4"
|
||||
["qwen-32b"]="nvidia/Qwen3-32B-NVFP4"
|
||||
["gpt-oss-120b"]="openai/gpt-oss-120b"
|
||||
)
|
||||
|
||||
show_presets() {
|
||||
echo "利用可能なプリセット:"
|
||||
for key in "${!MODEL_PRESETS[@]}"; do
|
||||
echo " $key"
|
||||
done
|
||||
}
|
||||
|
||||
find_container() {
|
||||
docker ps --format '{{.Names}}' | grep -E '^node-[0-9]+$' | head -1
|
||||
}
|
||||
|
||||
main() {
|
||||
local model="${1:-}"
|
||||
shift || true
|
||||
|
||||
if [[ -z "$model" || "$model" == "help" || "$model" == "--help" ]]; then
|
||||
cat << 'EOF'
|
||||
DGX Spark vLLM モデル起動スクリプト
|
||||
|
||||
Usage:
|
||||
dgx-spark-serve.sh <model|preset> [options...]
|
||||
|
||||
Presets:
|
||||
minimax-m25 MiniMax-M2.5-REAP-172B (推奨)
|
||||
minimax-m2 MiniMax-M2-REAP-172B
|
||||
llama-70b Llama-3.3-70B-Instruct-NVFP4
|
||||
qwen-32b Qwen3-32B-NVFP4
|
||||
gpt-oss-120b GPT-OSS-120B
|
||||
|
||||
Options (vllm serveに渡される):
|
||||
--tensor-parallel-size N テンソル並列数 (default: 2)
|
||||
--max-model-len N 最大コンテキスト長 (default: 65536)
|
||||
--host IP APIホスト (default: 0.0.0.0)
|
||||
--port N APIポート (default: 8000)
|
||||
|
||||
Examples:
|
||||
# プリセット使用
|
||||
./dgx-spark-serve.sh minimax-m25
|
||||
|
||||
# カスタムモデル
|
||||
./dgx-spark-serve.sh my-org/my-model --max-model-len 32768
|
||||
|
||||
# メモリ節約モード
|
||||
./dgx-spark-serve.sh minimax-m25 --max-model-len 16384 --max-num-seqs 32
|
||||
EOF
|
||||
echo ""
|
||||
show_presets
|
||||
exit 0
|
||||
fi
|
||||
|
||||
# コンテナ確認
|
||||
local container
|
||||
container=$(find_container)
|
||||
|
||||
if [[ -z "$container" ]]; then
|
||||
log_error "vLLMコンテナが見つかりません"
|
||||
log_info "先に 'dgx-spark-setup.sh cluster' でクラスターを起動してください"
|
||||
exit 1
|
||||
fi
|
||||
|
||||
log_ok "コンテナ検出: $container"
|
||||
|
||||
# プリセット展開
|
||||
local model_args=""
|
||||
if [[ -n "${MODEL_PRESETS[$model]:-}" ]]; then
|
||||
model_args="${MODEL_PRESETS[$model]}"
|
||||
log_info "プリセット使用: $model"
|
||||
model=$(echo "$model_args" | awk '{print $1}')
|
||||
model_args=$(echo "$model_args" | cut -d' ' -f2-)
|
||||
fi
|
||||
|
||||
# デフォルトオプション構築
|
||||
local has_tp=false has_len=false has_host=false has_port=false has_trust=false
|
||||
for arg in "$@"; do
|
||||
case "$arg" in
|
||||
--tensor-parallel-size*) has_tp=true ;;
|
||||
--max-model-len*) has_len=true ;;
|
||||
--host*) has_host=true ;;
|
||||
--port*) has_port=true ;;
|
||||
--trust-remote-code*) has_trust=true ;;
|
||||
esac
|
||||
done
|
||||
|
||||
local defaults=""
|
||||
$has_tp || defaults+=" --tensor-parallel-size $DEFAULT_TP_SIZE"
|
||||
$has_len || defaults+=" --max-model-len $DEFAULT_MAX_MODEL_LEN"
|
||||
$has_host || defaults+=" --host $DEFAULT_HOST"
|
||||
$has_port || defaults+=" --port $DEFAULT_PORT"
|
||||
$has_trust || defaults+=" --trust-remote-code"
|
||||
defaults+=" --gpu-memory-utilization $DEFAULT_GPU_MEM_UTIL"
|
||||
|
||||
# コマンド構築
|
||||
local cmd="vllm serve $model $model_args $defaults $*"
|
||||
|
||||
log_info "起動コマンド:"
|
||||
echo " $cmd"
|
||||
echo ""
|
||||
|
||||
read -rp "実行しますか？ [Y/n]: " confirm
|
||||
if [[ "${confirm,,}" == "n" ]]; then
|
||||
log_warn "キャンセルしました"
|
||||
exit 0
|
||||
fi
|
||||
|
||||
log_info "モデルを起動中..."
|
||||
docker exec -it "$container" /bin/bash -c "$cmd"
|
||||
}
|
||||
|
||||
main "$@"
|
||||
343
dgx-spark-minimax/scripts/dgx-spark-setup.sh
Executable file
343
dgx-spark-minimax/scripts/dgx-spark-setup.sh
Executable file
@ -0,0 +1,343 @@
|
||||
#!/bin/bash
|
||||
#
|
||||
# DGX Spark デュアル構成セットアップスクリプト
|
||||
# Usage: curl -sL <url> | bash -s -- [command]
|
||||
#
|
||||
# Commands:
|
||||
# network - QSFPインターフェースのIP設定
|
||||
# ssh - 対向ノードへのSSH鍵配布
|
||||
# docker - Docker権限設定
|
||||
# vllm-pull - vLLMイメージ取得
|
||||
# cluster - vLLMクラスター起動
|
||||
# all - 全セットアップ実行
|
||||
#
|
||||
set -euo pipefail
|
||||
|
||||
# Colors
|
||||
RED='\033[0;31m'
|
||||
GREEN='\033[0;32m'
|
||||
YELLOW='\033[1;33m'
|
||||
BLUE='\033[0;34m'
|
||||
NC='\033[0m'
|
||||
|
||||
log_info() { echo -e "${BLUE}[INFO]${NC} $1"; }
|
||||
log_ok() { echo -e "${GREEN}[OK]${NC} $1"; }
|
||||
log_warn() { echo -e "${YELLOW}[WARN]${NC} $1"; }
|
||||
log_error() { echo -e "${RED}[ERROR]${NC} $1"; }
|
||||
|
||||
# QSFPインターフェース検出
|
||||
detect_qsfp_interface() {
|
||||
local iface
|
||||
iface=$(ibdev2netdev 2>/dev/null | grep "(Up)" | awk '{print $5}' | head -1)
|
||||
if [[ -z "$iface" ]]; then
|
||||
# フォールバック: enp1s0f で始まるインターフェースを探す
|
||||
iface=$(ip link show | grep -oP 'enp1s0f[0-9]+np[0-9]+' | head -1)
|
||||
fi
|
||||
echo "$iface"
|
||||
}
|
||||
|
||||
# 現在のIPアドレス取得
|
||||
get_current_ip() {
|
||||
local iface=$1
|
||||
ip -4 addr show "$iface" 2>/dev/null | grep -oP '(?<=inet\s)\d+(\.\d+){3}' | head -1
|
||||
}
|
||||
|
||||
# ネットワーク設定
|
||||
cmd_network() {
|
||||
log_info "QSFPインターフェースを検出中..."
|
||||
|
||||
local iface
|
||||
iface=$(detect_qsfp_interface)
|
||||
|
||||
if [[ -z "$iface" ]]; then
|
||||
log_error "QSFPインターフェースが見つかりません"
|
||||
log_info "ibdev2netdev の出力を確認してください"
|
||||
exit 1
|
||||
fi
|
||||
|
||||
log_ok "検出: $iface"
|
||||
|
||||
# 現在のIP確認
|
||||
local current_ip
|
||||
current_ip=$(get_current_ip "$iface")
|
||||
|
||||
if [[ -n "$current_ip" ]]; then
|
||||
log_info "現在のIP: $current_ip"
|
||||
read -rp "このIPを使用しますか？ [Y/n]: " use_current
|
||||
if [[ "${use_current,,}" != "n" ]]; then
|
||||
log_ok "設定完了: $iface = $current_ip"
|
||||
return 0
|
||||
fi
|
||||
fi
|
||||
|
||||
# IP入力
|
||||
echo ""
|
||||
log_info "このノードのIPアドレスを設定します"
|
||||
log_info "例: Node 1 = 192.168.100.10, Node 2 = 192.168.100.11"
|
||||
read -rp "IPアドレス (例: 192.168.100.10): " new_ip
|
||||
read -rp "サブネットマスク [24]: " subnet
|
||||
subnet=${subnet:-24}
|
||||
|
||||
# 設定適用
|
||||
log_info "IPアドレスを設定中..."
|
||||
sudo ip addr flush dev "$iface" 2>/dev/null || true
|
||||
sudo ip addr add "${new_ip}/${subnet}" dev "$iface"
|
||||
sudo ip link set "$iface" up
|
||||
|
||||
log_ok "設定完了: $iface = $new_ip/$subnet"
|
||||
|
||||
# 永続化確認
|
||||
read -rp "netplanで永続化しますか？ [Y/n]: " persist
|
||||
if [[ "${persist,,}" != "n" ]]; then
|
||||
local netplan_file="/etc/netplan/99-dgx-spark-qsfp.yaml"
|
||||
log_info "netplan設定を作成中..."
|
||||
|
||||
sudo tee "$netplan_file" > /dev/null << EOF
|
||||
network:
|
||||
version: 2
|
||||
ethernets:
|
||||
${iface}:
|
||||
addresses:
|
||||
- ${new_ip}/${subnet}
|
||||
EOF
|
||||
|
||||
sudo netplan apply
|
||||
log_ok "永続化完了: $netplan_file"
|
||||
fi
|
||||
|
||||
# 環境変数出力
|
||||
echo ""
|
||||
log_info "以下の環境変数をエクスポートしてください:"
|
||||
echo "export MN_IF_NAME=$iface"
|
||||
echo "export VLLM_HOST_IP=$new_ip"
|
||||
}
|
||||
|
||||
# SSH鍵配布
|
||||
cmd_ssh() {
|
||||
log_info "SSH鍵の設定を開始します"
|
||||
|
||||
# 鍵がなければ生成
|
||||
if [[ ! -f ~/.ssh/id_ed25519 ]]; then
|
||||
log_info "SSH鍵を生成中..."
|
||||
ssh-keygen -t ed25519 -N "" -f ~/.ssh/id_ed25519
|
||||
log_ok "鍵生成完了"
|
||||
else
|
||||
log_ok "既存の鍵を使用: ~/.ssh/id_ed25519"
|
||||
fi
|
||||
|
||||
# 対向ノードのIP入力
|
||||
read -rp "対向ノードのIPアドレス: " remote_ip
|
||||
read -rp "対向ノードのユーザー名 [$USER]: " remote_user
|
||||
remote_user=${remote_user:-$USER}
|
||||
|
||||
log_info "対向ノードに公開鍵を配布中..."
|
||||
log_warn "パスワードを求められます"
|
||||
|
||||
ssh-copy-id "${remote_user}@${remote_ip}"
|
||||
|
||||
log_ok "SSH鍵配布完了"
|
||||
|
||||
# 疎通確認
|
||||
log_info "接続テスト中..."
|
||||
if ssh -o BatchMode=yes -o ConnectTimeout=5 "${remote_user}@${remote_ip}" "echo OK" &>/dev/null; then
|
||||
log_ok "パスワードなしSSH接続成功"
|
||||
else
|
||||
log_error "接続に失敗しました"
|
||||
exit 1
|
||||
fi
|
||||
}
|
||||
|
||||
# Docker権限設定
|
||||
cmd_docker() {
|
||||
log_info "Docker権限を設定中..."
|
||||
|
||||
if groups | grep -q docker; then
|
||||
log_ok "既にdockerグループに所属しています"
|
||||
else
|
||||
sudo groupadd docker 2>/dev/null || true
|
||||
sudo usermod -aG docker "$USER"
|
||||
log_ok "dockerグループに追加しました"
|
||||
log_warn "変更を反映するには再ログインするか 'newgrp docker' を実行してください"
|
||||
fi
|
||||
|
||||
# NVIDIA Container Toolkit確認
|
||||
if docker run --rm --gpus all nvidia/cuda:13.0.1-devel-ubuntu24.04 nvidia-smi &>/dev/null; then
|
||||
log_ok "NVIDIA Container Toolkit正常動作"
|
||||
else
|
||||
log_error "GPU付きコンテナが起動できません"
|
||||
log_info "NVIDIA Container Toolkitをインストールしてください"
|
||||
exit 1
|
||||
fi
|
||||
}
|
||||
|
||||
# vLLMイメージ取得
|
||||
cmd_vllm_pull() {
|
||||
local image="nvcr.io/nvidia/vllm:25.11-py3"
|
||||
|
||||
log_info "vLLMイメージを取得中..."
|
||||
log_info "Image: $image"
|
||||
|
||||
docker pull "$image"
|
||||
|
||||
log_ok "取得完了"
|
||||
echo ""
|
||||
echo "export VLLM_IMAGE=$image"
|
||||
}
|
||||
|
||||
# vLLMクラスター起動
|
||||
cmd_cluster() {
|
||||
log_info "vLLMクラスターを起動します"
|
||||
|
||||
# 環境変数確認
|
||||
if [[ -z "${VLLM_IMAGE:-}" ]]; then
|
||||
export VLLM_IMAGE="nvcr.io/nvidia/vllm:25.11-py3"
|
||||
log_warn "VLLM_IMAGE未設定、デフォルト使用: $VLLM_IMAGE"
|
||||
fi
|
||||
|
||||
if [[ -z "${VLLM_HOST_IP:-}" ]]; then
|
||||
local iface
|
||||
iface=$(detect_qsfp_interface)
|
||||
if [[ -n "$iface" ]]; then
|
||||
VLLM_HOST_IP=$(get_current_ip "$iface")
|
||||
fi
|
||||
|
||||
if [[ -z "${VLLM_HOST_IP:-}" ]]; then
|
||||
read -rp "このノードのクラスター通信用IP: " VLLM_HOST_IP
|
||||
fi
|
||||
fi
|
||||
|
||||
if [[ -z "${MN_IF_NAME:-}" ]]; then
|
||||
MN_IF_NAME=$(detect_qsfp_interface)
|
||||
fi
|
||||
|
||||
log_info "設定:"
|
||||
echo " VLLM_IMAGE: $VLLM_IMAGE"
|
||||
echo " VLLM_HOST_IP: $VLLM_HOST_IP"
|
||||
echo " MN_IF_NAME: $MN_IF_NAME"
|
||||
echo ""
|
||||
|
||||
# ノードタイプ選択
|
||||
echo "このノードの役割を選択してください:"
|
||||
echo " 1) ヘッドノード (Node 1)"
|
||||
echo " 2) ワーカーノード (Node 2)"
|
||||
read -rp "選択 [1/2]: " node_type
|
||||
|
||||
# run_cluster.sh取得
|
||||
if [[ ! -f ./run_cluster.sh ]]; then
|
||||
log_info "run_cluster.sh をダウンロード中..."
|
||||
wget -q https://raw.githubusercontent.com/vllm-project/vllm/refs/heads/main/examples/online_serving/run_cluster.sh
|
||||
chmod +x run_cluster.sh
|
||||
fi
|
||||
|
||||
local head_ip
|
||||
if [[ "$node_type" == "1" ]]; then
|
||||
head_ip="$VLLM_HOST_IP"
|
||||
log_info "ヘッドノードとして起動中..."
|
||||
|
||||
bash run_cluster.sh "$VLLM_IMAGE" "$head_ip" --head ~/.cache/huggingface \
|
||||
-e VLLM_HOST_IP="$VLLM_HOST_IP" \
|
||||
-e UCX_NET_DEVICES="$MN_IF_NAME" \
|
||||
-e NCCL_SOCKET_IFNAME="$MN_IF_NAME" \
|
||||
-e OMPI_MCA_btl_tcp_if_include="$MN_IF_NAME" \
|
||||
-e GLOO_SOCKET_IFNAME="$MN_IF_NAME" \
|
||||
-e TP_SOCKET_IFNAME="$MN_IF_NAME" \
|
||||
-e RAY_memory_monitor_refresh_ms=0 \
|
||||
-e MASTER_ADDR="$head_ip"
|
||||
else
|
||||
read -rp "ヘッドノード(Node 1)のIP: " head_ip
|
||||
log_info "ワーカーノードとして起動中..."
|
||||
|
||||
bash run_cluster.sh "$VLLM_IMAGE" "$head_ip" --worker ~/.cache/huggingface \
|
||||
-e VLLM_HOST_IP="$VLLM_HOST_IP" \
|
||||
-e UCX_NET_DEVICES="$MN_IF_NAME" \
|
||||
-e NCCL_SOCKET_IFNAME="$MN_IF_NAME" \
|
||||
-e OMPI_MCA_btl_tcp_if_include="$MN_IF_NAME" \
|
||||
-e GLOO_SOCKET_IFNAME="$MN_IF_NAME" \
|
||||
-e TP_SOCKET_IFNAME="$MN_IF_NAME" \
|
||||
-e RAY_memory_monitor_refresh_ms=0 \
|
||||
-e MASTER_ADDR="$head_ip"
|
||||
fi
|
||||
}
|
||||
|
||||
# 全セットアップ
|
||||
cmd_all() {
|
||||
log_info "=== DGX Spark デュアル構成 フルセットアップ ==="
|
||||
echo ""
|
||||
|
||||
cmd_docker
|
||||
echo ""
|
||||
|
||||
cmd_network
|
||||
echo ""
|
||||
|
||||
read -rp "対向ノードへのSSH鍵配布を行いますか？ [Y/n]: " do_ssh
|
||||
if [[ "${do_ssh,,}" != "n" ]]; then
|
||||
cmd_ssh
|
||||
echo ""
|
||||
fi
|
||||
|
||||
cmd_vllm_pull
|
||||
echo ""
|
||||
|
||||
log_ok "セットアップ完了！"
|
||||
echo ""
|
||||
log_info "次のステップ:"
|
||||
echo " 1. 対向ノードでも同じスクリプトを実行"
|
||||
echo " 2. 両ノードで 'dgx-spark-setup.sh cluster' を実行"
|
||||
echo " 3. ヘッドノードでモデルを起動"
|
||||
}
|
||||
|
||||
# ヘルプ
|
||||
cmd_help() {
|
||||
cat << 'EOF'
|
||||
DGX Spark デュアル構成セットアップスクリプト
|
||||
|
||||
Usage:
|
||||
dgx-spark-setup.sh <command>
|
||||
|
||||
Commands:
|
||||
network QSFPインターフェースのIP設定
|
||||
ssh 対向ノードへのSSH鍵配布
|
||||
docker Docker権限設定
|
||||
vllm-pull vLLMイメージ取得
|
||||
cluster vLLMクラスター起動
|
||||
all 全セットアップ実行（推奨）
|
||||
|
||||
Examples:
|
||||
# フルセットアップ
|
||||
./dgx-spark-setup.sh all
|
||||
|
||||
# ネットワークのみ設定
|
||||
./dgx-spark-setup.sh network
|
||||
|
||||
# クラスター起動
|
||||
export VLLM_HOST_IP=192.168.100.10
|
||||
export MN_IF_NAME=enp1s0f1np1
|
||||
./dgx-spark-setup.sh cluster
|
||||
|
||||
ワンライナー実行:
|
||||
curl -sL https://example.com/dgx-spark-setup.sh | bash -s -- all
|
||||
EOF
|
||||
}
|
||||
|
||||
# メイン
|
||||
main() {
|
||||
local cmd="${1:-help}"
|
||||
|
||||
case "$cmd" in
|
||||
network) cmd_network ;;
|
||||
ssh) cmd_ssh ;;
|
||||
docker) cmd_docker ;;
|
||||
vllm-pull) cmd_vllm_pull ;;
|
||||
cluster) cmd_cluster ;;
|
||||
all) cmd_all ;;
|
||||
help|--help|-h) cmd_help ;;
|
||||
*)
|
||||
log_error "Unknown command: $cmd"
|
||||
cmd_help
|
||||
exit 1
|
||||
;;
|
||||
esac
|
||||
}
|
||||
|
||||
main "$@"
|
||||
Loading…
x
Reference in New Issue
Block a user