文档首页/ AI开发平台ModelArts/ 最佳实践/ DeepSeek&Qwen3基于Lite Server&Cluster推理/ DeepSeek&Qwen3模型基于Lite Server适配NPU的混部推理解决方案/ 基于KubeInfer的推理部署/ 扩缩容推理服务（可选）
更新时间：2025-10-14 GMT+08:00
查看PDF
分享

扩缩容推理服务（可选）

针对该场景，可以直接编辑K8s配置，通过修改实例副本数来实现扩缩容。其中，增大该数值即为扩容，减小该数值即为缩容。命令如下：

kubectl get kubeinfer
kubectl edit kubeinfer ${kubeinfer_name}

或修改yaml配置，然后重新生效：

vim infer_vllm_kubeinfer.yaml
kubectl apply -f infer_vllm_kubeinfer.yaml

具体修改内容详见基于KubeInfer的部署yaml文件说明，参考如下：

kind: KubeInfer
apiVersion: infer.modelarts.huaweicloud/v1
spec:
  replicas: 1     # kubeinfer实例instance数
  1. 增加实例数量时，需要保证当前集群有足够资源。
  2. 减少实例数量时，可能会出现部分请求中断。

相关文档