Qwen3-Embedding国产化部署

欢迎关注公众号：爱学习的妮妮qiang

1. 背景

• 最近一直在做ToG的项目，其中用到了语义检索，研发环境使用A40和vllm，即可轻松部署Qwen3-Embedding-8B，但客户环境要求国产化环境，因此探索Qwen3-Embedding-8B如何在国产化环境部署。
• 实不相瞒，本来以为仅需半天搞定的事情，我居然耗费了3天半的时间(汗颜....)，究其原因，主要是包含如下几个方面:
  • 研发环境没有国产化系统及显卡，也没有相关的部署经验，
  • 网上针对特定的300I Duo部署Qwen3-Embedding-8B的教程几乎没找到，多的是910系列。但客户只有Altas 300I Duo的环境。
  • 最初两天一直在探索vllm-ascend进行部署，结果现阶段版本仍不支持。
  • 最后一天转向MIS-TEI，才终于看到曙光。
• 下面教程就是部署成功的完整流程，各位看官如有同样环境，无脑借鉴即可，省心省力。

2. 系统环境

• 操作系统: 麒麟Kylin V10 (Sword)
• 显卡型号: 8卡Altlas 300I Duo
• 驱动版本: Ascend-hdk-310p-npu-driver_25.5.1_linux-aarch64.run
• 固件版本: Ascend-hdk-310p-npu-firmware_7.8.0.6.201.run
• CANN版本: Ascend-cann_8.5.0_linux-aarch64.run
• 优化算子版本: Ascend-cann-310p-ops_8.5.0_linux-aarch64.run

3. 驱动安装

# 1. 创建用户及用户组
sudo groupadd HwHiAiUser 
sudo useradd -g HwHiAiUser -d /home/HwHiAiUser -m -s /bin/bash HwHiAiUser

# 2. 安装驱动(等待几分钟)
sudo ./Ascend-hdk-310p-npu-driver_25.5.1_linux-aarch64.run --full --install-for-all --force
reboot # 重启
npu-smi info # 驱动验证

# 3. 安装固件
sudo ./Ascend-hdk-310p-npu-firmware_7.8.0.6.201.run --full
reboot

# 4. CANN驱动安装
sudo ./Ascend-cann_8.5.0_linux-aarch64.run --install

# 5. 安装优化算子驱动
sudo ./Ascend-cann-310p-ops_8.5.0_linux-aarch64.run --install

# 6. 设置驱动环境变量
source /usr/local/Ascend/ascend-toolkit/set_env.sh
echo 'source /usr/local/Ascend/ascend-toolkit/set_env.sh' >> ~/.bashrc

# 7. 验证驱动是否成功
npu-smi info
python3 -c "import acl; print('ACL Load OK')"

4. Docker部署及TEI镜像拉取

# 联网环境进行拉取
docker pull swr.cn-south-1.myhuaweicloud.com/ascendhub/mis-tei:7.3.0-300I-Duo-aarch64

# 镜像打包及传输
docker save swr.cn-south-1.myhuaweicloud.com/ascendhub/mis-tei:7.3.0-300I-Duo-aarch64 -o mis-tei.tar

# 客户环境加载
docker load -i mis-tei.tar

# 模型下载Qwen3-Embedding-8B，直接通过ModelScope进行下载，此处省略其过程

5. 容器启动

• 这块耗费的时间比较长，因为存在各种报错，最终才形成稳定版本

# 1. 编写/data/models/start_tei.sh的脚本
#!/bin/bash
source /usr/local/Ascend/ascend-toolkit/set_env.sh

export LD_PRELOAD=/usr/local/lib/python3.11/site-packages/scikit_learn.libs/libgomp-d22c30c5.so.1.0.0:/usr/lib/aarch64-linux-gnu/libgomp.so.1
export PYTHONPATH=/usr/local/Ascend/mxRag-7.3.0/ops/transformer_adapter:$PYTHONPATH
export RAG_SDK_HOME=/usr/local/Ascend/mxRag-7.3.0
export LD_LIBRARY_PATH=/usr/local/Ascend/nnal/atb/8.5.0/atb/cxx_abi_0/lib:/usr/local/Ascend/mxRag-7.3.0/ops/lib:$LD_LIBRARY_PATH

PORT=${PORT:-8080}
UDS_PATH=${UDS_PATH:-/tmp/text-embeddings-inference-server}
DEVICE_ID=${ASCEND_VISIBLE_DEVICES:-0}

export ASCEND_VISIBLE_DEVICES=$DEVICE_ID
export NPU_VISIBLE_DEVICES=$DEVICE_ID

export RANK=0
export LOCAL_RANK=0

exec /home/HwHiAiUser/.cargo/bin/text-embeddings-router 
  --model-id /home/HwHiAiUser/model/ 
  --hostname 0.0.0.0 
  --port $PORT 
  --uds-path $UDS_PATH 
  --auto-truncate 
  --dtype float16 
  --max-batch-tokens 16384
  
# 2. 编写启动容器的脚本：此处8张卡上默认都启动了两个进程，总计16个进程(显卡资源需监测利用率)
for i in $(seq 0 15); do
  docker stop tei-$i 2>/dev/null
  docker rm tei-$i 2>/dev/null
done

for i in $(seq 0 15); do
  DEVICE=$((i % 8)) 
  PORT=$((8080 + i))
  UDS="/tmp/tei-server-$i"

  docker run -u root -d 
    -e ENABLE_BOOST=True 
    -e TEI_NPU_DEVICE=$DEVICE 
    -e PORT=$PORT 
    -e UDS_PATH=$UDS 
    --name=tei-$i 
    --net=host 
    --privileged 
    --device=/dev/davinci_manager 
    --device=/dev/hisi_hdc 
    --device=/dev/devmm_svm 
    --device=/dev/davinci$DEVICE 
    -v /usr/local/Ascend/driver:/usr/local/Ascend/driver:ro 
    -v /usr/local/sbin:/usr/local/sbin:ro 
    -v /data/models/Qwen3-Embedding-8B:/home/HwHiAiUser/model 
    -v /data/models/start_tei.sh:/start_tei.sh 
    -v /etc/hostname:/etc/hostname:ro 
    -v /etc/hosts:/etc/hosts:ro 
    --entrypoint /bin/bash 
    swr.cn-south-1.myhuaweicloud.com/ascendhub/mis-tei:7.3.0-300I-Duo-aarch64 
    /start_tei.sh

  echo "Started tei-$i on Device=$DEVICE PORT=$PORT"
  sleep 5
done

6. nginx负载均衡转发

# 1. 镜像拉取
docker pull docker.1ms.run/nginx:latest

# 2. nginx配置文件
mkdir -p /data/nginx/logs
cat > /data/nginx/tei.conf << 'EOF'
upstream tei_cluster {
    least_conn;
    server 10.100.122.3:8080;
    server 10.100.122.3:8081;
    server 10.100.122.3:8082;
    server 10.100.122.3:8083;
    server 10.100.122.3:8084;
    server 10.100.122.3:8085;
    server 10.100.122.3:8086;
    server 10.100.122.3:8087;
    server 10.100.122.3:8088;
    server 10.100.122.3:8089;
    server 10.100.122.3:8090;
    server 10.100.122.3:8091;
    server 10.100.122.3:8092;
    server 10.100.122.3:8093;
    server 10.100.122.3:8094;
    server 10.100.122.3:8095;
    keepalive 32;
}

server {
    listen 8000;

    location / {
        proxy_pass ;
        proxy_http_version 1.1;
        proxy_set_header Connection "";
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_read_timeout 120s;
        proxy_connect_timeout 5s;
        proxy_send_timeout 120s;
    }

    location /nginx_status {
        stub_status on;
        allow 127.0.0.1;
        deny all;
    }
}
EOF

# 3. nginx容器启动
docker run -d 
--name=nginx-tei 
--net=host 
-v /data/nginx/tei.conf:/etc/nginx/conf.d/tei.conf:ro 
-v /data/nginx/logs:/var/log/nginx 
docker.1ms.run/nginx:latest

7. 效果测试

# 效果测试，需要对比研发环境与客户环境两个Embedding模型输出向量的差异性。
# 经实验测试，二者的精度在小数点后第4位，影响较小
curl  -X POST -H "Content-Type: application/json" -d '{"inputs": ["hello", "你好"]}' 

8. 思考

• 刚开始使用了vllm-ascend，版本v0.11.0-310p-openeuler，vllm-ascend目前只是实验性质支持300I Duo，且大多数均是针对Qwen3系列文本生成模型，而非嵌入模型。
• 启动容器，底层的各种算子不兼容。预计未来，开源社区会逐步支持，v0.14.0版本已开始逐步支撑300I Duo。

9. 参考

• (1) 驱动及固件地址: www.hiascend.com/hardware/fi…
• (2) Cann及算子地址: www.hiascend.com/cann/downlo…
• (3) MIS-TEI地址: www.hiascend.com/developer/a…
• (4) ascend docker地址: foruda.gitee.com/attach_file…