D101: 母模型部署方案 v2 — CPU+GPU分离架构

docs/mother-model-deploy-sg-v2.md

@@ -0,0 +1,186 @@
+# 母模型纯推理部署方案 v2
+# Mother Model Deploy · SG Split Architecture · 2026-05-18
+
+## 架构
+
+```
+冰朔
+  │ HTTPS
+  ▼
+新加坡CPU服务器(43.156.237.110 BS-SG-001)
+  ├── 你的域名 → 入口服务
+  ├── 接收请求 → 转发到GPU
+  ├── 返回结果给冰朔
+  └── 聊天记录存系统盘 /data/logs/chat/
+  │
+  │ 内网/公网转发
+  ▼
+GPU服务器（租的RTX 3090 24G，按量付费）
+  ├── 只装vLLM + 母模型
+  ├── 收到推理请求 → 跑 → 返回
+  ├── 不存日志
+  ├── 不存聊天记录
+  └── 跑完即关，数据不落地
+```
+
+## 组件清单
+
+### GPU服务器（租的）
+
+| 项目 | 内容 |
+|------|------|
+| 硬件 | RTX 3090 24G · 按量付费 |
+| 系统盘 | 100GB起步 |
+| 模型 | Qwen2.5-7B SFT (FP16, ~14GB) |
+| 框架 | vLLM (OpenAI兼容API) |
+| 存什么 | 模型权重文件 · 推理框架 · 其他全不存 |
+| 访问 | SSH（部署时用）+ API端口（运行时用） |
+
+### 新加坡CPU服务器（你的服务器）
+
+| 项目 | 内容 |
+|------|------|
+| 推荐 | BS-SG-001 (43.156.237.110 · 4C8G·180G) |
+| 入口 | 你的域名 → nginx → 转发服务 |
+| 转发 | 收到请求 → POST到GPU的API端口 → 等返回 |
+| 日志 | 聊天记录写入 /data/logs/chat/ |
+
+## 部署步骤
+
+### 第一步：GPU服务器部署
+
+```bash
+# 1. 装vLLM
+pip install vllm
+
+# 2. 从COS拉模型
+mkdir -p /data/models
+export ZY_OSS_KEY=<your-key>
+export ZY_OSS_SECRET=<your-secret>
+
+python3 -c "
+from qcloud_cos import CosConfig, CosS3Client
+import os
+
+c = CosS3Client(CosConfig(
+    Region='ap-guangzhou',
+    SecretId=os.environ['ZY_OSS_KEY'],
+    SecretKey=os.environ['ZY_OSS_SECRET']
+))
+
+base = 'models/qwen25-7b-sft/final'
+bucket = 'sy-finetune-corpus-1317346199'
+local = '/data/models/qwen25-7b-sft'
+os.makedirs(local, exist_ok=True)
+
+resp = c.list_objects(Bucket=bucket, Prefix=base + '/')
+for obj in resp.get('Contents', []):
+    key = obj['Key']
+    rel = os.path.relpath(key, base)
+    dest = os.path.join(local, rel)
+    os.makedirs(os.path.dirname(dest), exist_ok=True)
+    c.download_file(Bucket=bucket, Key=key, DestFilePath=dest)
+    print(f'下载: {rel}')
+print('模型下载完成')
+"
+
+# 3. 启动推理服务
+nohup python3 -m vllm.entrypoints.openai.api_server \
+    --model /data/models/qwen25-7b-sft \
+    --port 8000 \
+    --host 0.0.0.0 \
+    --max-model-len 8192 \
+    --gpu-memory-utilization 0.9 \
+    --trust-remote-code \
+    > /data/vllm.log 2>&1 &
+```
+
+### 第二步：新加坡CPU服务器配置
+
+```bash
+# 1. 创建日志目录
+mkdir -p /data/logs/chat
+
+# 2. 部署转发服务（Node.js简单代理）
+cat > /opt/proxy/inference-proxy.js << 'EOF'
+const http = require('http');
+const fs = require('fs');
+
+const GPU_HOST = 'GPU_SERVER_IP'  // 替换为GPU服务器IP
+const GPU_PORT = 8000
+
+// 接收请求 → 转发到GPU → 存日志 → 返回
+const server = http.createServer((req, res) => {
+  if (req.method === 'POST') {
+    let body = '';
+    req.on('data', chunk => body += chunk);
+    req.on('end', () => {
+      // 转发到GPU
+      const options = {
+        hostname: GPU_HOST,
+        port: GPU_PORT,
+        path: '/v1/chat/completions',
+        method: 'POST',
+        headers: { 'Content-Type': 'application/json' }
+      };
+      const gpuReq = http.request(options, gpuRes => {
+        let data = '';
+        gpuRes.on('data', chunk => data += chunk);
+        gpuRes.on('end', () => {
+          // 存聊天记录
+          const logEntry = {
+            time: new Date().toISOString(),
+            request: JSON.parse(body),
+            response: JSON.parse(data)
+          };
+          const logFile = `/data/logs/chat/${new Date().toISOString().slice(0,10)}.jsonl`;
+          fs.appendFileSync(logFile, JSON.stringify(logEntry) + '\n');
+
+          // 返回给用户
+          res.writeHead(gpuRes.statusCode, { 'Content-Type': 'application/json' });
+          res.end(data);
+        });
+      });
+      gpuReq.write(body);
+      gpuReq.end();
+    });
+  } else {
+    res.writeHead(405).end();
+  }
+});
+
+server.listen(8080, () => {
+  console.log('推理代理运行在 :8080');
+});
+EOF
+
+# 3. 用PM2托管
+pm2 start /opt/proxy/inference-proxy.js --name inference-proxy
+```
+
+### 第三步：域名配置
+
+你的新加坡域名 → nginx → 转发到 :8080（推理代理）
+
+## 数据流
+
+```
+冰朔 → 新加坡域名 → nginx → inference-proxy(:8080)
+    → 记录请求到日志文件
+    → 转发到GPU(:8000)
+    → GPU推理 → 返回
+    → 记录响应到日志文件
+    → 返回给冰朔
+```
+
+## 清理（用完关GPU服务器时）
+
+```bash
+# GPU上：停止服务
+pkill -f vllm
+
+# 可以删模型释放磁盘（可选）
+rm -rf /data/models/qwen25-7b-sft
+```
+
+日志全在你的新加坡CPU服务器上，GPU服务器上什么数据都没留下。