企业网站的制作用到的技术,平面设计师的网站,制作一个景点的网站,山西建设监理协会网站序
该bug的解决需要特别感谢张同学。有了大佬的帮助#xff0c;这个bug才得以解决。
问题现象
modelbox可以进行模型推理#xff0c;但压测一段时间后#xff0c;modelbox会宕机#xff0c;并发生段错误。 “libgomp: Thread creation failed: Resource temporarily una…序
该bug的解决需要特别感谢张同学。有了大佬的帮助这个bug才得以解决。
问题现象
modelbox可以进行模型推理但压测一段时间后modelbox会宕机并发生段错误。 “libgomp: Thread creation failed: Resource temporarily unavailable” 执行ps -eLf | wc -l发现线程数爆满达到了3万个说明在请求期间线程不断被创建但没有被回收。下图是用并发数为1的请求连续压测modelbox令modelbox持续执行推理10秒后打印的线程数已经达到了14230个线程。 说明连续的请求会令modelbox创造很多新线程但它们被服务后并没有被回收。
探究
笔者用的是modelbox官方在公司内网提供的基础镜像。为了试出错误原因做过如下尝试
尝试更换了基础镜像。在develop和runtime镜像之间切换并不能解决问题。而且笔者使用的镜像版本发布于23年11月不至于太旧。
更换过pytorch版本官方推荐的pytorch版本有1.81.11和2.1笔者用的是pytorch 1.11与基础镜像中的python3.7相匹配但pytorch2.1需要python3.8与基础镜像包含的版本不匹配。因此最终没有更换pytorch版本。
更换torch_npu版本。从torch_npu的release界面可知该插件1.11.0的小版本有从post1到post6比如下图的torch_npu-1.11.0.post6-cp37-cp37m-linux_aarch64.whl。
官方本来推荐使用与1.11.0搭配的是post1笔者尝试换成了post6。发现并不能解决问题而且还会引发版本不兼容的bug。 [2023-12-12 11:30:45,809][ERROR][ flow.cc:537 ] build graph failed, Invalid argument, build graph failed, please check graph config. - open flowunit ‘infer’, type ‘cpu’ failed. - import inferInferFlowUnit failed: ImportError: /usr/local/lib64/python3.7/site-packages/torch_npu/lib/libtorch_npu.so: undefined symbol: _ZNK5torch8autograd4Node4nameEv 更换了所有依赖版本都无效顺便发现该问题与tensor.npu()的调用相关
如果调用tensor.npu()相关的代码线程就会爆满。如果去掉模型推理和.npu()相关代码该问题就会消失。 或许tensor.npu()的执行时间长会触发modelbox某种机制令线程数自动扩容 解决办法
从modelbox git仓库的issueadd: max_executor_thread_num 可见官方在23年9月为modelbox的配置文件加了个参数max_executor_thread_num添加后执行线程池的容量会有所限制避免无限增长。
设置方式如下需要修改graph的.toml文件加一个参数max_executor_thread_num1就可以限制线程无限增长了。这个数值之后可以再调整为10或100优化性能。
[graph]
max_executor_thread_num1
graphconf
digraph model_inference {修改后重启容器能在框架启动时的日志中看到该参数被打印。
压测一段时间后线程数被控制住了该问题终于被解决。
