使用样例

限制与约束

• 仅Atlas 800I A2 推理服务器支持此特性。
• Qwen2系列模型支持对接此特性。

操作步骤

本章节简单介绍如何使用Buffer Response功能。

1. 打开MindIE Motor的config.json文件。

   cd {MindIE安装目录}/latest/mindie-service/
   vi conf/config.json

2. 在config.json配置文件中的ScheduleConfig字段下添加以下参数。

   "bufferResponseEnabled" : true,
   "prefillExpectedTime" : 1000,
   "decodeExpectedTime" : 50

   表1 Buffer Response特性参数说明

   配置项	取值类型	取值范围	配置说明
   bufferResponseEnabled	bool	true false	是否开启Buffer Response特性。 选填，默认值：false。
   prefillExpectedTime	uint32_t	大于等于1	Prefill阶段Token生成的SLO期望时延。 选填，默认值：1500。
   decodeExpectedTime	uint32_t	大于等于1	Decode阶段Token生成的SLO期望时延。 选填，默认值：50。

3. 执行以下命令启动服务。

   ./bin/mindieservice_daemon

4. 本样例以MindIE Benchmark工具展示调优方式，执行如下MindIE Benchmark启动命令，MindIE Benchmark参数详细介绍请参见输入参数。

   benchmark \
   --DatasetPath "数据集路径" \
   --DatasetType "gsm8k" \
   --ModelName $model_name \
   --ModelPath $model_path \
   --TestType client \
   --Http https://{ipAddress}:{port} \
   --ManagementHttp https://{managementIpAddress}:{managementPort} \
   --Concurrency 1000 \
   --RequestRate $1 \
   --MaxOutputLen 输出长度 \
   --Tokenizer True