使用Docker部署GPUStack过程

github地址：https://github.com/gpustack/gpustack.git 

官方文档地址：https://docs.gpustack.ai/

运行GPUStack

本次部署使用nvidia cuda机器，部署方式使用docker：

执行以下命令，启动 GPUStack 服务器和内置 worker。

docker run -d --name gpustack \
    --restart=unless-stopped \
    --gpus all \
    -p 7080:80 \
    -p 10150:10150 \
    -p 40064-40131:40064-40131 \
    --ipc=host \
    -v /raid/quxj/gpustack-data:/var/lib/gpustack \
    gpustack/gpustack \
    --worker-ip $ip

页面登录： http://ip:7080

ui页面默认用户： admin

获取admin默认密码：

docker exec -it gpustack cat /var/lib/gpustack/initial_admin_password

 界面效果：

添加worker(可选)

您可以向 GPUStack 添加更多 GPU 节点以形成 GPU 集群。您需要在其他 GPU 节点上添加 worker 并指定 and 参数以加入 GPUStack。--server-url--token

要获取用于添加 worker 的 token，请在 GPUStack 服务器节点上运行以下命令：

docker exec -it gpustack cat /var/lib/gpustack/token

要以 Worker 形式启动 GPUStack 并将其注册到 GPUStack 服务器，请在 Worker 节点上运行以下命令。请务必将 URL、令牌和节点 IP 替换为您的特定值：

docker run -d --name gpustack \
    --restart=unless-stopped \
    --gpus all \
    -p 10150:10150 \
    -p 40064-40131:40064-40131 \
    --ipc=host \
    -v gpustack-data:/var/lib/gpustack \
    gpustack/gpustack \
    --server-url http://your_gpustack_url --token your_gpustack_token --worker-ip your_worker_host_ip

 注意：

• 支持异构集群。无论是什么类型的设备，您都可以通过指定 and 参数将其作为工作程序添加到当前 GPUStack 中。--server-url--token
• 您可以通过将其他标志附加到 docker run 命令来为命令设置其他标志。 
• 您可以使用 flag 或 flag 来允许容器访问主机的共享内存。vLLM 和 pyTorch 使用它来在后台的进程之间共享数据，特别是用于张量并行推理。--ipc=host--shm-size
• 该标志用于确保跨工作程序进行分布式推理的连接。如果您不需要跨工作程序进行分布式推理，则可以省略此标志。-p 40064-40131:40064-40131

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。