Introduce

GPUStack 是一个开源的 GPU 集群管理器，专为运行 AI 模型而设计。它以其广泛的硬件兼容性而闻名，支持多种品牌的 GPU，并能在 Apple MacBook、Windows PC 和 Linux 服务器上运行。

GPUStack支持各种AI模型，包括大型语言模型（LLMs）、扩散模型、音频模型、嵌入模型和重新排序模型。该平台易于扩展，支持单节点多 GPU 和多节点推理及服务，并提供多种推理后端，如 llama-box、``vox-box和vLLM`。作为一个轻量级的 Python 包，GPUStack 具有最小的依赖项和操作开销，并且提供与 OpenAI 标准兼容的 API。

此外，它还简化了用户和 API 密钥的管理，提供了 GPU 性能和利用率的实时监控，以及令牌使用和速率限制的有效跟踪。GPUStack 支持Apple Metal （M系列芯片）， NVIDIA CUDA（计算能力6.0及以上）， Ascend CANN（华为系列），Moore Threads MUSA加速器，以及 AMD64 和 ARM64 架构，并计划未来支持更多加速器技术。它还支持来自 Hugging Face、ModelScope、Ollama Library 和本地文件路径的多种模型，包括 LLMs（Qwen, LLaMA, Mistral, Deepseek, Phi, Yi）、VLLMs（Llama3.2-Vision, Pixtral, Qwen2-VL, LLaVA, InternVL2）、扩散模型（Stable Diffusion, FLUX）、重新排序器（GTE, BCE, BGE, Jina）和音频模型（Whisper，CosyVoice）。

特性：

• 跨平台：Windows，Mac，Linux / ARM64 & AMD64；
• 多加速器支持：Apple Silicon，NVIDIA，Ascend，Moore；
• 单节点 / 多节点；
• 多种模型：LLMs、VLLMs、扩散模型、重新排序器、音频模型；

---

1. Docker 安装 GPUStack

近期由于源的问题，访问不畅，加之需要下载约 13GB 的资源，每个节点的安装过程可能持续 20-40 分钟，请各位朋友耐心等待。如果有好的镜像源也可以尝试。

1.1 安装指令（Linux 主节点 Worker）

docker run \-d \--gpus all \-p 8080:80 \--ipc=host \--name gpustack \-v gpustack-data:/var/lib/gpustack \gpustack/gpustack

使用 --ipc=host 参数或者 --shm-size 参数来允许容器访问宿主机的共享内存。这在vLLM和pyTorch中用于在后台进程间共享数据，特别是在进行张量并行推理时。

由于 gpustack-data 容器卷是用来储存待部署的模型，因此及其占用磁盘存储空间，各位可修改为其它的磁盘位置。

1.2 安装指令（Linux 子节点 Worker）

docker run -d \--gpus all \--ipc=host \--network=host \gpustack/gpustack \--name gpustack \--server-url http://myserver \--token mytoken

其中的 --server-url 为你的主节点的地址

其中的 --token 为你的主节点用于添加子节点的 token，使用下面的指令从主节点获取

docker exec -it gpustack cat /var/lib/gpustack/token

1.3 Windows 子节点安装指令（非Docker）

Invoke-Expression "& { $((Invoke-WebRequest -Uri 'https://get.gpustack.ai' -UseBasicParsing).Content) } -- --worker-ip '192.168.31.223' --port 9999 --server-url http://myserver --token mytoken  --tools-download-base-url 'https://gpustack-1303613262.cos.ap-guangzhou.myqcloud.com'"

鉴于 Windows 的 Docker 需要使用 GPU 还需要安装 WSL 子系统等依赖，这里给出了使用 PowerShell（管理员）的安装方法。上述的指令中 --worker-ip 需要是你的子节点的 IP 地址，--port 也需要设置，如果这两个不填写会出现如下的报错：

[WinError] 以一种访问权限不允许的方式做了一个访问套接字的尝试

笔者尝试过使用netstat -ano|findstr 10150 和 taskkill 终止掉占用的程序，但是这个报错依然存在，重启 NAT 也无济于事。所以请务必按照上面的方式设置 worker 的 IP 和 Port。

其余的和 Docker 的安装解释一致。

2. GPUStack 使用

使用下面的指令获得 admin 用户的登录密码，第一次登录后会要求修改密码

docker exec -it gpustack cat /var/lib/gpustack/initial_admin_password

上图展示的就是 v0.4.1 版本的主界面，可以看到有一个 Workers（节点），两块 GPU。

2.1 模型部署

从 侧边栏 > 模型 > 模型部署 > ModelScope 中点击，可以看到下面的模型部署界面，在此可以搜索你需要部署的模型。

2.2 试验场

在试验场，也就是熟悉的 Playground，可以评估已部署的模型的效果

2.3 资源

在资源栏可以看到每一个 Worker（节点）的资源使用情况，或者每一个 GPU 的使用情况。

2.4 添加子节点

使用第一部分给出的方法，在另外一台电脑以子节点的方式安装 GPUStack Worker。等待安装完成之后，在资源界面刷新，即可看到新的节点资源。这里需要注意，例如笔者我的这三张显卡，架构跨度太大，CUDA 版本跨度太大，在运行时会出现错误。

笔者部署了一个 Rerank 和 Embedding 模型到这个子节点上，并运行了一个重排序测试，结果如下。

此时的子节点上的 GPU 也被调用。此时查看该模型在节点上的调用日志，如下。