一、为啥用triton？
之前部署使用过tensorrt+视频流硬解码+前后处理硬件（cuda）加速，已经是工业化、商业化的一套标准流程了，现在面临的挑战是：
多模型管理（一个小公司所有算法工程师的模型推理都在我这）、多机多卡（如何统一调度）、最大化硬件资源利用（需要保证硬件吞吐量达到高水准）等等；
如果还是用之前的标准流程，其实也能够做到这些，比如多模型管理，每个模型独立作为一个进程启动即可达到类似效果（我感觉这样搞类似GPU的MPS技术，triton内部多模型启动也是多进程模型），还比如多机多卡，像triton的配置文件config.pbtxt里面一样，是需要指定GPU和GPU id，这些在即使没有triton也是可以手动做到的，还有提高吞吐量，自己写grpc服务调度策略去配合模型多实例部署也是能够做到。
但是以上这些每次都自己手动搞还是太麻烦了，自己写框架的话，那为啥不用现成的triton呢，而且这东西这么火，学会用了对自己百利无一害，现在tensorrt开源模型github代码太多了，很多垃圾程序员网上搜搜例子都能用了，但是目前triton模型开源github还不太多，致力于更高效的C++ Cuda backend的triton推理服务更是奇珍异兽，也算是一种门槛了吧。
此外，triton除了能够满足上述几个挑战，还有很多其他的优点或者是方便使用的东西：
比如动态batch以提高吞吐、支持tf\pytorch\onnx\tensoort等框架的模型、提供性能分析工具（如perf_analyzer、model_analyzer）等等（这个等等的内容可以去网上查triton的内容，目前其实很多都是讲理论部分，理论部分也基本都会讲triton的优势）。
二、安装
对于triton的使用，官方建议刚入门的用docker来跑triton，NVIDIA官方的NGC里面有官方编译好的镜像；如果你不用docker，那么自己编译吧，去参考官网教程，为了减少心智负担，我选择docker这条路。
我后面一些列博客都会以2023.12的triton版本作为我的使用版本，我的测试硬件是cpu为i7-8750，显卡gtx-1060，系统为ubuntu20.04；
2.1、首先是安装docker
可以参考教程https://developer.aliyun.com/article/762674中的步骤来安装
sudo apt update
sudo apt install apt-transport-https ca-certificates curl gnupg-agent software-properties-common
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"
sudo apt update
sudo apt install docker-ce docker-ce-cli containerd.io
sudo systemctl status docker
sudo apt-mark hold docker-ce
sudo docker container run hello-world2.2、然后我们用docker拉取triton的镜像之前
需要按照https://docs.nvidia.com/ngc/gpu-cloud/ngc-catalog-user-guide/index.html#registering-activating-ngc-account里面的教程，打开https://ngc.nvidia.com/setup/api-key网址生成一个api key；样式类似于下面：
Username: $oauthtoken
Password: AjB2YXQzM2tpZGlranBib2dramJlbjRtbHM6MzMxYjY1ZWItNTAwYy00NTliLTg5NjYtNjc4NmRiMTM1YmZj2.3、现在启动命令登录 “sudo docker login nvcr.io”，登录的账号和密码都是刚刚的api key，注意用户名有一个$开头的字符别忘记复制了，最后会出现Login Succeeded字样，就代表登录成功了；
2.4、拉取镜像，这里我用的是当时最新的是2023.12的版本，命令为：
sudo docker pull nvcr.io/nvidia/tritonserver:23.12-py3
sudo docker pull nvcr.io/nvidia/tritonserver:23.12-py3-sdk2.5、最后查看镜像，命令为：
sudo docker images三、跑官方例子
官方github上的测试例子，见https://gitee.com/luo_zhi_cheng/triton-server的“Serve a Model in 3 Easy Steps”
3.1、拉取代码和下载测试模型
git clone -b r23.12 https://gitee.com/luo_zhi_cheng/triton-server
cd triton-server/docs/examples
./fetch_models.sh3.2.1、用docker运行 tritonserver
使用命令
sudo docker run --gpus=0 --rm --net=host -v ${PWD}/model_repository:/models nvcr.io/nvidia/tritonserver:23.12-py3 tritonserver --model-repository=/models如果看到“Started GRPCInferenceService at 0.0.0.0:8001”和类似的其他端口启动成功，然后模型的Status都是READY状态，说明tritonserver启动没问题；
还有一个方式可以看服务是否启动成功，通常是客户端来使用的，命令为：
curl -v localhost:8000/v2/health/ready其中localhost改成服务器的ip，8000改成你需要查看的端口；
对docker run命令不熟悉，见https://www.php.cn/faq/493631.html，也可以在终端输入docker run --help查看相关选项；docker run [OPTIONS] IMAGE [COMMAND] [ARG...]，其中--rm是容器在退出时，自动清除挂在的卷，以便清除数据；-v是将本地目录挂载到容器目录中；
3.2.2、运行时遇到的问题
问题1、遇到一个关于显卡驱动的问题，需要更新一下驱动，执行以下命令即可，tritonserver:23.12-py3镜像是545或者更高版本生成的，用以下命令：
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-driver-545问题2、未安装nvidia-container-runtime，参考https://blog.csdn.net/li4692625/article/details/123015840，执行以下命令：
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update
sudo apt-get install nvidia-container-toolkit
sudo systemctl restart docker3.3、发送推理请求
新开一个终端用于推理，命令如下：
sudo docker run -it --rm --net=host nvcr.io/nvidia/tritonserver:23.12-py3-sdk /workspace/install/bin/image_client -m densenet_onnx -c 3 -s INCEPTION /workspace/images/mug.jpg得到返回结果为以下即可：
# Inference should return the following
Image '/workspace/images/mug.jpg':15.346230 (504) = COFFEE MUG13.224326 (968) = CUP10.422965 (505) = COFFEEPOT四、推荐视频
最后推荐一定要看官方的视频，毕竟还是有一定权威性，并且也适合入门，建议不止看一遍，看一遍之后再自己动手，再回来看会有更多感悟。
NVIDIA英伟达的个人空间-NVIDIA英伟达个人主页-哔哩哔哩视频
 管理数据库(database))
，及其用法示例$$dir $@ $＜ $^ %.c)
