更新时间:2024-06-24 GMT+08:00
分享

推理性能测试

benchmark方法介绍

性能benchmark包括两部分。

  • 静态性能测试:评估在固定输入、固定输出和固定并发下,模型的吞吐与首token延迟。该方式实现简单,能比较清楚的看出模型的性能和输入输出长度、以及并发的关系。
  • 动态性能测试:评估在请求并发在一定范围内波动,且输入输出长度也在一定范围内变化时,模型的延迟和吞吐。该场景能模拟实际业务下动态的发送不同长度请求,能评估推理框架在实际业务中能支持的并发数。

性能benchmark验证使用到的脚本存放在代码包AscendCloud-3rdLLM-x.x.x.zip的llm_evaluation目录下。

代码目录如下:

benchmark_tools 
├── benchmark_parallel.py  # 评测静态性能脚本
├── benchmark_serving.py  # 评测动态性能脚本
├── generate_dataset.py   # 生成自定义数据集的脚本
├── benchmark_utils.py   # 工具函数集
├── benchmark.py         # 执行静态,动态性能评测脚本、
├── requirements.txt       # 第三方依赖

静态benchmark验证

本章节介绍如何进行静态benchmark验证。

  1. 已经上传benchmark验证脚本到推理容器中。
  2. 运行静态benchmark验证脚本benchmark_parallel.py,具体操作命令如下,可以根据参数说明修改参数。
    cd benchmark_tools 
    python benchmark_parallel.py --backend vllm --host ${docker_ip} --port 8080 --tokenizer /path/to/tokenizer  --epochs 5 \
    --parallel-num 1 4 8 16 32  --prompt-tokens 1024 2048 --output-tokens 128 256 --benchmark-csv benchmark_parallel.csv

    参数说明

    • --backend:服务类型,支持tgi、vllm、mindspore、openai等。本文档使用的推理接口是vllm。
    • --host ${docker_ip}:服务部署的IP地址,${docker_ip}替换为宿主机实际的IP地址。
    • --port:推理服务端口8080。
    • --tokenizer:tokenizer路径,HuggingFace的权重路径。
    • --epochs:测试轮数,默认取值为5
    • --parallel-num:每轮并发数,支持多个,如 1 4 8 16 32。
    • --prompt-tokens:输入长度,支持多个,如 128 128 2048 2048,数量需和--output-tokens的数量对应。
    • --output-tokens:输出长度,支持多个,如 128 2048 128 2048,数量需和--prompt-tokens的数量对应。
    • --benchmark-csv:结果保存路径,如benchmark_parallel.csv。
  3. 脚本运行完成后,测试结果保存在benchmark_parallel.csv中,示例如下图所示。
    图1 静态benchmark测试结果(示意图)

动态benchmark

本章节介绍如何进行动态benchmark验证。

  1. 获取数据集。动态benchmark需要使用数据集进行测试,可以使用公开数据集,例如Alpaca、ShareGPT。也可以根据业务实际情况,使用generate_datasets.py脚本生成和业务数据分布接近的数据集。

    方法一:使用公开数据集

    方法二:使用generate_dataset.py脚本生成数据集方法:

    generate_dataset.py脚本通过指定输入输出长度的均值和标准差,生成一定数量的正态分布的数据。具体操作命令如下,可以根据参数说明修改参数。

    cd benchmark_tools 
    python generate_dataset.py --dataset custom_datasets.json --tokenizer /path/to/tokenizer \
    --min-input 100 --max-input 3600 --avg-input 1800 --std-input 500 \
    --min-output 40 --max-output 256 --avg-output 160 --std-output 30 --num-requests 1000

    generate_dataset.py脚本执行参数说明如下:

    • --dataset:数据集保存路径,如custom_datasets.json。
    • --tokenizer:tokenizer路径,可以是HuggingFace的权重路径。
    • --min-input:输入tokens最小长度,可以根据实际需求设置。
    • --max-input:输入tokens最大长度,可以根据实际需求设置。
    • --avg-input:输入tokens长度平均值,可以根据实际需求设置。
    • --std-input:输入tokens长度方差,可以根据实际需求设置。
    • --min-output:最小输出tokens长度,可以根据实际需求设置。
    • --max-output:最大输出tokens长度,可以根据实际需求设置。
    • --avg-output:输出tokens长度平均值,可以根据实际需求设置。
    • --std-output:输出tokens长度标准差,可以根据实际需求设置。
    • --num-requests:输出数据集的数量,可以根据实际需求设置。
  2. 执行脚本benchmark_serving.py测试动态benchmark。具体操作命令如下,可以根据参数说明修改参数。
    cd benchmark_tools 
    python benchmark_serving.py --backend vllm --host ${docker_ip} --port 8080 --dataset custom_datasets.json --dataset-type custom \
    --tokenizer /path/to/tokenizer --request-rate 0.01 1 2 4 8 10 20 --num-prompts 10 1000 1000 1000 1000 1000 1000 \
    --max-tokens 4096 --max-prompt-tokens 3768 --benchmark-csv benchmark_serving.csv
    • --backend:服务类型,如"tgi",vllm","mindspore"。
    • --host ${docker_ip}:服务部署的IP地址,${docker_ip}替换为宿主机实际的IP地址。
    • --port:推理服务端口。
    • --dataset:数据集路径。
    • --dataset-type:支持三种 "alpaca","sharegpt","custom"。custom为自定义数据集。
    • --tokenizer:tokenizer路径,可以是huggingface的权重路径。
    • --request-rate:请求频率,支持多个,如 0.1 1 2。实际测试时,会根据request-rate为均值的指数分布来发送请求以模拟真实业务场景。
    • --num-prompts:某个频率下请求数,支持多个,如 10 100 100,数量需和--request-rate的数量对应。
    • --max-tokens:输入+输出限制的最大长度,模型启动参数--max-input-length值需要大于该值。
    • --max-prompt-tokens:输入限制的最大长度,推理时最大输入tokens数量,模型启动参数--max-total-tokens值需要大于该值,tokenizer建议带tokenizer.json的FastTokenizer。
    • --benchmark-csv:结果保存路径,如benchmark_serving.csv。
  3. 脚本运行完后,测试结果保存在benchmark_serving.csv中,示例如下图所示。
    图2 动态benchmark测试结果(示意图)
分享:

    相关文档

    相关产品