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ModelArts Lite Server适配NPU的PD分离推理解决方案/ 查看指标、配置告警/ 配置推理层监控告警/ 在Prometheus查看vLLM业务指标
更新时间：2025-10-14 GMT+08:00
查看PDF
分享

在Prometheus查看vLLM业务指标

  1. 多机部署或单机部署下，DeepSeek系列支持的指标见vllm-0.6.3.post1-Metrics（使用的vllm版本是0.6.3.post1），Qwen系列支持的指标见vllm-0.9.0-Metrics（使用的vllm版本是0.9.0），可以调用vllm的指标API查看：http://${ip}:${port}/metrics。
  2. 在PD分离部署下，当前仅支持独立调用Prefill或Decode实例获取指标，可以调用对应实例的指标API查看：http://${ip}:${port}/metrics。
    1. Prefill支持的指标有：num_requests_running、num_requests_waiting、time_to_first_token_seconds、prompt_tokens_total。
    2. Decode支持的指标有：num_requests_running、num_requests_waiting、time_per_output_token_seconds、generation_tokens_total、e2e_request_latency_seconds。
  3. 如果客户想对接Prometheus和Grafana，可参考vllm官方指导文档Prometheus and Grafana — vLLM。

相关文档