Запуск двух LLM контейнеров одновременно

В данном разделе описывается настройка для запуска двух языковых моделей одновременно на одном сервере с несколькими GPU.

Когда это нужно

Запуск двух LLM контейнеров полезен когда:

• У вас есть несколько GPU и вы хотите использовать их для разных моделей

• Нужно запустить разные модели одновременно (например, одна для чата, другая для специализированных задач)

• Требуется распределить нагрузку между несколькими моделями

Требования

• Сервер с минимум 2 GPU NVIDIA

• Каждая GPU должна иметь достаточно памяти для выбранной модели

• Docker и Docker Compose установлены

• NVIDIA Container Toolkit установлен

Настройка

Шаг 1: Проверка доступных GPU

Убедитесь, что у вас есть минимум 2 GPU:

nvidia-smi

Ожидаемый результат: Вы должны увидеть минимум 2 GPU в списке.

Шаг 2: Раскомментирование второго LLM контейнера

Откройте файл docker-compose.yml и найдите закомментированный блок aiserver-llm-server2 (примерно строки 103-142).

Раскомментируйте весь блок, убрав символы # в начале каждой строки:

# Было:
# aiserver-llm-server2:
#   container_name: aiserver-llm-server2
#   image: aiserver-llm-server:latest
#   ...

# Стало:
aiserver-llm-server2:
  container_name: aiserver-llm-server2
  image: aiserver-llm-server:latest
  ...

Шаг 3: Настройка портов

Убедитесь, что порты не конфликтуют:

• aiserver-llm-server (первый контейнер): порт 3003:8000

• aiserver-llm-server2 (второй контейнер): порт должен быть другим, например 3006:8000 или 3007:8000

В закомментированном блоке проверьте строку:

ports:
  - 3006:8000  # или другой свободный порт

Шаг 4: Настройка GPU для каждого контейнера

Важно настроить, какая GPU будет использоваться каждым контейнером.

Для первого контейнера (aiserver-llm-server)

Обычно использует GPU 0 (по умолчанию). Проверьте переменные окружения в .env файле или в самом docker-compose.yml:

environment:
  LLM_CUDA_VISIBLE_DEVICES: 0  # или не указывать, тогда будет использоваться GPU 0

Для второго контейнера (aiserver-llm-server2)

В раскомментированном блоке найдите строку:

environment:
  LLM_CUDA_VISIBLE_DEVICES: 1  # Использует GPU 1

Убедитесь, что значение соответствует номеру второй GPU (обычно 1 для второй GPU).

Шаг 5: Настройка моделей

Убедитесь, что каждая модель настроена правильно:

Первый контейнер (aiserver-llm-server)

Использует настройки из .env файла или значения по умолчанию. Проверьте переменную:

LLM_COMPLETION_MODEL_NAME=/model-store/название-модели-1

Второй контейнер (aiserver-llm-server2)

В раскомментированном блоке найдите строку:

environment:
  LLM_COMPLETION_MODEL_NAME: "/model-store/Qwen3-30B-A3B-AWQ"

Измените на нужную модель, если требуется другая.

Шаг 6: Проверка конфигурации

Перед запуском проверьте конфигурацию:

# Проверьте синтаксис docker-compose файла
docker compose -f docker-compose.yml config

# Проверьте что порты не заняты
netstat -tuln | grep -E '3003|3006'

Шаг 7: Запуск контейнеров

# Остановите текущие контейнеры (если запущены)
docker compose -f docker-compose.yml down

# Запустите все контейнеры включая второй LLM сервер
docker compose -f docker-compose.yml up -d

# Проверьте что оба контейнера запущены
docker compose -f docker-compose.yml ps | grep llm-server

Ожидаемый результат: Вы должны увидеть два контейнера:

• aiserver-llm-server (порт 3003)

• aiserver-llm-server2 (порт 3006)

Шаг 8: Проверка работы

# Проверьте логи первого контейнера
docker logs aiserver-llm-server

# Проверьте логи второго контейнера
docker logs aiserver-llm-server2

# Проверьте использование GPU
nvidia-smi

Ожидаемый результат:

• Оба контейнера должны успешно запуститься

• В nvidia-smi должны быть видны процессы на разных GPU

• Логи не должны содержать критических ошибок

Настройка переменных окружения

Если нужно изменить настройки второго контейнера, отредактируйте блок environment в docker-compose.yml:

aiserver-llm-server2:
  environment:
    LLM_COMPLETION_MODEL_NAME: "/model-store/ваша-модель"
    LLM_CUDA_VISIBLE_DEVICES: 1  # Номер GPU (0, 1, 2, и т.д.)
    LLM_TENSOR_PARALLEL_SIZE: "1"
    LLM_MAX_MODEL_LEN: "16000"
    LLM_GPU_MEMORY_UTILIZATION: "0.85"
    # ... другие настройки

Возможные проблемы

Контейнер не запускается

Проблема: Второй контейнер не запускается или падает с ошибкой.

Решение:

1. Проверьте логи: docker logs aiserver-llm-server2

2. Убедитесь что GPU доступна: nvidia-smi

3. Проверьте что порт свободен: netstat -tuln | grep 3006

4. Проверьте что модель существует: ls -la llm-server/models/

Конфликт портов

Проблема: Ошибка "port is already allocated".

Решение:

• Измените порт второго контейнера на свободный (например, 3007:8000)

• Или остановите сервис, занимающий порт

Недостаточно памяти GPU

Проблема: Модель не загружается, ошибки памяти.

Решение:

• Уменьшите LLM_GPU_MEMORY_UTILIZATION (например, до 0.7)

• Используйте модели меньшего размера

• Освободите память на GPU, остановив другие процессы

Оба контейнера используют одну GPU

Проблема: Оба контейнера используют GPU 0 вместо разных GPU.

Решение:

• Убедитесь что LLM_CUDA_VISIBLE_DEVICES установлена правильно для каждого контейнера

• Проверьте что переменная не переопределяется в .env файле

• Перезапустите контейнеры после изменения настроек

Пример полной конфигурации

Пример настройки двух контейнеров в docker-compose.yml:

aiserver-llm-server:
  container_name: aiserver-llm-server
  image: aiserver-llm-server:latest
  restart: always
  env_file:
    - .env
  ports:
    - 3003:8000
  environment:
    LLM_CUDA_VISIBLE_DEVICES: 0  # GPU 0
  deploy:
    resources:
      reservations:
        devices:
          - driver: nvidia
            count: all
            capabilities: [ gpu ]
  volumes:
    - "./llm-server/models:/model-store"
  networks:
    - llm-net

aiserver-llm-server2:
  container_name: aiserver-llm-server2
  image: aiserver-llm-server:latest
  restart: always
  ports:
    - 3006:8000
  environment:
    LLM_COMPLETION_MODEL_NAME: "/model-store/Qwen3-30B-A3B-AWQ"
    LLM_CUDA_VISIBLE_DEVICES: 1  # GPU 1
    LLM_TENSOR_PARALLEL_SIZE: "1"
    LLM_MAX_MODEL_LEN: "16000"
    LLM_GPU_MEMORY_UTILIZATION: "0.85"
  deploy:
    resources:
      reservations:
        devices:
          - driver: nvidia
            count: all
            capabilities: [ gpu ]
  volumes:
    - "./llm-server/models:/model-store"
  networks:
    - llm-net

Дополнительные настройки

Использование разных моделей

Вы можете запустить разные модели в каждом контейнере:

# Первый контейнер - модель для чата
LLM_COMPLETION_MODEL_NAME: "/model-store/Llama-3-8B"

# Второй контейнер - модель для кода
LLM_COMPLETION_MODEL_NAME: "/model-store/Qwen3-30B-A3B-AWQ"

Настройка памяти

Если у вас GPU с разным объемом памяти, настройте использование памяти для каждого контейнера:

# Для GPU с меньшей памятью
LLM_GPU_MEMORY_UTILIZATION: "0.7"

# Для GPU с большей памятью
LLM_GPU_MEMORY_UTILIZATION: "0.9"

Мониторинг

Для мониторинга работы обоих контейнеров:

# Статус контейнеров
docker compose -f docker-compose.yml ps

# Использование ресурсов
docker stats aiserver-llm-server aiserver-llm-server2

# Использование GPU
watch -n 1 nvidia-smi

Ожидаемый результат: Оба контейнера должны работать стабильно, используя разные GPU.