在昇腾910上使用MindIE 3.5部署DeepSeek-V2模型时遇到PD分离调度性能异常问题

各位昇腾社区的技术专家们好，我在使用MindIE推理引擎进行大语言模型部署时遇到了一个比较特殊的性能问题，希望能得到社区的帮助和指导。

问题描述：

我正在昇腾910集群上使用MindIE 3.5版本部署DeepSeek-V2模型（MoE架构，16个专家层），采用PD分离部署模式。在测试过程中发现，当并发请求数超过50时，推理吞吐量会出现断崖式下降，从正常的1200 tokens/s骤降到不足300 tokens/s，同时P99延迟从150ms增加到800ms以上。

环境配置：

• 硬件：昇腾910B * 4节点

• MindIE版本：3.5.0

• 部署模式：PD分离部署（2个P节点，2个D节点）

• 模型：DeepSeek-V2-32B（使用MindIE LLM组件加载）

• 服务化框架：MindIE Motor + vLLM Ascend适配层

具体现象：

1. 低并发场景（<30请求）下性能表现正常，符合预期

2. 中等并发（30-50请求）时开始出现性能波动

3. 高并发（>50请求）时吞吐量急剧下降，错误日志显示大量"KVCache allocation failed"警告

4. 监控显示D节点的显存使用率在95%以上，但P节点的CPU利用率仅30%

已尝试的解决方案：

1. 调整AutoPD参数，尝试不同的P:D比例（1:3, 2:2, 3:1）

2. 增加vLLM的block_size从16到32