test-model-deepseekr1-mtp-ep

name: test-model-deepseekr1-mtp-ep description: >- Runs LightLLM DeepSeek-R1 EP MoE + MTP (EAGLE) server variants and GSM8K lm_eval against localhost. Requires each full run to use a dedicated log directory: persist every api_server process log under that tree (per-variant subdirectories recommended), write the consolidated summary to summary.txt in that same log directory, and keep artifacts separated from other test runs. Use when running DeepSeek-R1 MTP EP accuracy workflows or when the user asks to run these four server configurations one-by-one with logged results.

DeepSeek-R1 MTP + EP MoE 串行评测流程

按固定顺序依次启动四种 api_server 配置；每次待服务就绪后执行 lm_eval。整轮评测须落在同一日志目录内归档日志与最终结论（见「日志目录」）；具体操作见「启动说明」。

日志目录（含 summary.txt）

• 每次完整评测（四种变体串行）先选定或新建一个日志目录（例如带时间戳或任务名），与其它测试轮次分开，便于区分管理。
• 所有 api_server 进程的标准输出/错误须写入该目录下文件（建议每种变体单独子目录，如 variant_01_baseline/、variant_02_tpsp_mix/；或同级命名 server_01_baseline.log 等，团队任选其一，保持可追溯）。
• summary.txt 固定放在该日志目录下，汇总整轮测试：各变体启动参数摘要、lm_eval 关键结果、失败原因与最终对比；不再把「最终总结」散落在当前工作目录或其它路径。
• lm_eval 终端输出也要有单独的日志文件（如 eval_gsm8k.log），summary.txt 仍承担总览结论角色。

启动说明

本节包含：启动前检查 → 启动服务的命令模板（可变项说明）→ 四种完整 server 命令 → 评测命令。

启动前检查

开跑前先确认资源可用；不满足则先清理相关进程，再进入后续变体。

1. 显卡占用：用 nvidia-smi（或与集群一致的占用查看方式）检查目标 GPU 是否被无关任务占满；若有冲突进程，结束后再启动本评测。
2. 端口：服务固定 8089；用 ss -tlnp、lsof -i :8089 等确认无进程监听该端口；若已被占用，查出 PID 并结束占用进程后再启动。

启动服务的命令模板（可变项）

下列命令中出现的可变项含义如下（其余为固定写法）：

开跑前在同一 shell 中导出三类路径（将引号内整段替换为本机绝对路径；勿写死下文未给出的机器路径）：

export LOG_DIR='〈日志根目录〉'
export MODEL_DIR='〈主模型目录，对应 --model_dir〉'
export MTP_DRAFT_DIR='〈MTP 草稿目录，对应 --mtp_draft_model_dir〉'

首次试跑可用的默认路径组合见「执行约定」；与当前环境不符时再改为用户提供的目录。

四种 server 启动命令（按顺序逐个测）

每条 单独 跑完「启动 → 等就绪 → 评测 → 写入日志目录下的日志 → 停服务」再进入下一条，不要并行多个 server。以下为可直接执行的后台启动形式（已含 nohup 与日志重定向）；若暂时不需落盘，可自行去掉 nohup、>> … 2>&1 & 并在前台调试。命令中 ${MODEL_DIR}、${MTP_DRAFT_DIR} 须已由上文 export 赋值。

变体 1：基线（EP + MTP）

LOADWORKER=18 NUM_MAX_DISPATCH_TOKENS_PER_RANK=256 \
nohup python -m lightllm.server.api_server \
  --enable_ep_moe --model_dir "${MODEL_DIR}" --tp 8 --dp 8 --port 8089 \
  --max_total_token_num 60000 --graph_max_batch_size 16 --batch_max_tokens 6000 \
  --max_req_total_len 56000 \
  --mtp_mode eagle_with_att --mtp_draft_model_dir "${MTP_DRAFT_DIR}" --mtp_step 2 \
  >> "${LOG_DIR}/server_01_baseline.log" 2>&1 &

变体 2：--enable_tpsp_mix_mode

LOADWORKER=18 NUM_MAX_DISPATCH_TOKENS_PER_RANK=256 \
nohup python -m lightllm.server.api_server \
  --enable_ep_moe --model_dir "${MODEL_DIR}" --tp 8 --dp 8 --port 8089 \
  --max_total_token_num 60000 --graph_max_batch_size 16 --batch_max_tokens 6000 \
  --max_req_total_len 56000 \
  --mtp_mode eagle_with_att --mtp_draft_model_dir "${MTP_DRAFT_DIR}" --mtp_step 2 \
  --enable_tpsp_mix_mode \
  >> "${LOG_DIR}/server_02_tpsp_mix.log" 2>&1 &

变体 3：prefill / decode microbatch overlap

LOADWORKER=18 NUM_MAX_DISPATCH_TOKENS_PER_RANK=256 \
nohup python -m lightllm.server.api_server \
  --enable_ep_moe --model_dir "${MODEL_DIR}" --tp 8 --dp 8 --port 8089 \
  --max_total_token_num 60000 --graph_max_batch_size 16 --batch_max_tokens 6000 \
  --max_req_total_len 56000 \
  --mtp_mode eagle_with_att --mtp_draft_model_dir "${MTP_DRAFT_DIR}" --mtp_step 2 \
  --enable_prefill_microbatch_overlap --enable_decode_microbatch_overlap \
  >> "${LOG_DIR}/server_03_overlap.log" 2>&1 &

变体 4：overlap + --enable_dp_prefill_balance

LOADWORKER=18 NUM_MAX_DISPATCH_TOKENS_PER_RANK=256 \
nohup python -m lightllm.server.api_server \
  --enable_ep_moe --model_dir "${MODEL_DIR}" --tp 8 --dp 8 --port 8089 \
  --max_total_token_num 60000 --graph_max_batch_size 16 --batch_max_tokens 6000 \
  --max_req_total_len 56000 \
  --mtp_mode eagle_with_att --mtp_draft_model_dir "${MTP_DRAFT_DIR}" --mtp_step 2 \
  --enable_prefill_microbatch_overlap --enable_decode_microbatch_overlap \
  --enable_dp_prefill_balance \
  >> "${LOG_DIR}/server_04_overlap_dp_balance.log" 2>&1 &

评测命令（每个变体各执行一次）

服务就绪后执行（本地回环走代理时用 no_proxy / NO_PROXY 排除本机）。model_args 中 tokenizer 必须与本次 server 的 --model_dir（即 ${MODEL_DIR}）为同一字符串路径。以下为带日志落盘的完整命令（--model_args 使用双引号以便展开 ${MODEL_DIR}）：

HF_ALLOW_CODE_EVAL=1 HF_DATASETS_OFFLINE=0 \
no_proxy=127.0.0.1,localhost,::1 \
lm_eval --model local-completions \
  --model_args "{\"model\":\"deepseek-ai/DeepSeek-R1\", \"base_url\":\"http://localhost:8089/v1/completions\", \"max_length\": 16384, \"tokenizer\":\"${MODEL_DIR}\"}" \
  --tasks gsm8k --batch_size 32 --confirm_run_unsafe_code \
  >> "${LOG_DIR}/eval_gsm8k.log" 2>&1

• LOG_DIR：与启动服务一节相同；若仅调试不重定向，去掉 \ 续行及最后的 >> "${LOG_DIR}/eval_gsm8k.log" 2>&1 即可在前台查看输出。
• MODEL_DIR：须与 server 启动命令中的 --model_dir 一致；路径随环境变化时的默认试跑与向用户确认见「执行约定」。
• 若环境需要，可同时设置 NO_PROXY=127.0.0.1,localhost,::1（或与团队约定一致的列表）。

执行约定（不要额外写“专用启动脚本”）

模型与 MTP 目录（随环境变化）：MODEL_DIR（主模型）、MTP_DRAFT_DIR（MTP 草稿）在不同机器上路径不同。首轮试跑可先用下列默认组合（与本文档常见部署对应；若本机不存在则跳过默认、直接执行下一步「向用户确认」）：

export MODEL_DIR=/mtc/models/DeepSeek-R1
export MTP_DRAFT_DIR=/mtc/models/DeepSeek-R1-NextN

若按默认路径 export 后仍无法启动服务，或日志中出现明确的模型路径 / 权重加载 / 文件不存在等错误，不要反复盲试：根据日志判断为路径问题时，请用户提供当前环境下实际的主模型目录与 MTP 草稿目录，更新 export MODEL_DIR=…、export MTP_DRAFT_DIR=… 后再执行（且保证 MODEL_DIR 与 lm_eval 的 tokenizer 仍为同一路径）。

1. 后台启动 server：用 shell 后台或终端任务跑当前变体的 python -m lightllm.server.api_server ...，并将该进程输出重定向到本轮日志目录下的日志文件（见上文「日志目录（含 summary.txt）」）；排查问题时 tail 该文件，而不是依赖未落盘的终端缓冲。
2. 不要用 health 接口 判断就绪；改为探测 端口 8089 是否处于 listen（例如 ss -tlnp / lsof -i :8089 等，与系统一致即可）。
3. 等待启动：若端口未就绪，约 每 20 秒 查看一次该变体对应的服务日志文件，区分仍在启动还是已报错退出；报错则写入日志目录下的 summary.txt（或先写变体日志再在该汇总文件中引用）并停止该变体，不要继续盲等。
4. 维护 summary.txt：位于日志目录；随进度追加每个变体的标记块——本条使用的完整启动命令（或等价摘要）、端口检测结果、lm_eval 关键输出；全部结束后在该文件内写最终汇总（各配置成败、指标对比或失败原因）。可与用户口头摘要对照，但以日志目录中 summary.txt 为归档准绳。
5. 变体之间：停止上一进程的 server，再启动下一变体（避免端口占用）。
6. 全部完成后：确认日志目录下的 summary.txt 已包含完整最终总结；原始 server / eval 日志保留在同目录（或子目录）中备查。

输出文件

• summary.txt：仅位于本轮日志目录，作为整次四变体测试的最终总结文档。
• 服务与评测日志：全部落在同一日志目录（建议按变体分子目录或分文件名），不得与未指定目录混写。