tritonserver学习之二：tritonserver编译_triton-inference-server gpu环境完美编译

tritonserver学习之一：triton使用流程

tritonserver学习之三：tritonserver运行流程

tritonserver学习之四：命令行解析过程

tritonserver学习之五：backend实现机制

tritonserver学习之六：自定义c++、python custom backend实践  

tritonserver学习之七：cache管理器

tritonserver学习之八：redis_caches实践

tritonserver学习之九：tritonserver grpc异步模式

1. 编译脚本生成流程

triton的编译脚本位于server代码库，文件为：

build.py

triton编译参数众多，很多参数也没搞清楚是什么用处，建议直接使用--enable-all参数，其他参数不设置，默认即可，但是这样操作也有一个不好，就是在不修改编译脚本的前提下，编译过程复杂，因此可以按需去修改一下代码，对编译进行一个裁剪，在修改、调试编译代码过程中，这里有个小窍门，运行build.py时，使用--dryrun参数，增加这个参数后，不会真正的执行编译，生成所有编译脚本后就会停止：

这样能大大提高调试效率，运行脚本后，会在当前文件夹下创建：build文件夹，并有5个新文件产生，分别为：cmake_build、docker_build、Dockerfile、Dockerfile.buildbase、Dockerfile.cibase，其中docker_build为执行编译过程的入口，整体build.py的执行流程如下：

2、编译执行流程

编译执行的入口文件为docker_build：

#!/usr/bin/env bash
 
# 
# Docker-based build script for Triton Inference Server
# 
 
# Exit script immediately if any command fails
set -e
 
########
# Create Triton base build image
# This image contains all dependencies necessary to build Triton
# 
cd /root/tritonserver/server
docker build -t tritonserver_buildbase -f /root/tritonserver/server/build/Dockerfile.buildbase --pull --cache-from=tritonserver_buildbase --cache-from=tritonserver_buildbase_cache0 --cache-from=tritonserver_buildbase_cache1 . 
 
########
# Run build in tritonserver_buildbase container
# Mount a directory into the container where the install
# artifacts will be placed.
# 
if [ "$(docker ps -a | grep tritonserver_builder)" ]; then  docker rm -f tritonserver_builder; fi
docker run -w /workspace/build --name tritonserver_builder -it -v /var/run/docker.sock:/var/run/docker.sock tritonserver_buildbase ./cmake_build 
docker cp tritonserver_builder:/tmp/tritonbuild/install /root/tritonserver/server/build 
docker cp tritonserver_builder:/tmp/tritonbuild/ci /root/tritonserver/server/build 
 
########
# Create final tritonserver image
# 
cd /root/tritonserver/server
docker build -t tritonserver -f /root/tritonserver/server/build/Dockerfile . 
 
########
# Create CI base image
# 
cd /root/tritonserver/server
docker build -t tritonserver_cibase -f /root/tritonserver/server/build/Dockerfile.cibase . 

执行流程如下：

3、执行编译

编译机器：pc机，ubuntu2004，显卡：gt1660ti

执行编译的过程需要占用大量的硬盘，大概55-60G左右，执行本次编译的build.py脚本代码如下：

编译过程耗时大概3个小时左右，整个编译还是有很大的优化空间的，思路上就是将三方依赖提前下载后，并打包到基础镜像中，这样编译耗时应该是可以降下来的。

       编译完成后，会生成tritonserver_buildbase镜像，这个就是用来编译的镜像，可以修改以下build.py，我们直接使用这个作为基础镜像，系统依赖可以不用重复下载，编译的效率可以持续的进行优化。

4、新探索

为了降低编译耗时，因此还是按照上面说的思路，先构建tritonserver_build镜像，之后在该镜像中执行cmake_build脚本，其中：

制作tritonserver_build镜像(cpu版本)耗时：大概35分钟左右。

基础镜像构建完成后，进入镜像，执行cmake_build脚本，编译triton，当前最新版本2.41编译成功了，硬盘空间总占用50G左右，启动镜像命令如下：

docker run -it --rm -v /var/run/docker.sock:/var/run/docker.sock -v /home/liupeng/study/triton/server:/workspace tritonserver_buildbase bash

这个命令的含义为(来自文心一言):

这个命令是一个 docker run 命令，用于启动一个新的 Docker 容器。我会为你逐一解释这个命令的各个部分：
 
docker run: 这是 Docker 的基本命令，用于从指定的镜像创建并启动一个新的容器。
 
-it: 这是两个参数的组合。
 
-i 表示交互模式，让你可以与容器进行交互。
-t 为容器分配一个伪终端或终端，这使得你可以像在常规终端中一样与容器进行交互。
--rm: 这个标志表示当容器退出时，自动删除该容器。这是一个很好的做法，特别是当你不需要保留容器历史或持久数据时。
 
-v /var/run/docker.sock:/var/run/docker.sock: 这是一个 volume 挂载指令，它挂载了宿主机的 /var/run/docker.sock 到容器的相同位置。这意味着容器可以与宿主机上的 Docker守护进程通信。
 
-v /home/liupeng/study/triton/server:/workspace: 这是另一个 volume 挂载指令。它将宿主机的 /home/liupeng/study/triton/server 目录挂载到容器的 /workspace 目录。这意味着容器内的 /workspace 目录将反映宿主机上的相应目录的内容。
 
tritonserver_buildbase: 这是你要运行的 Docker 镜像的名称。
 
bash: 这是在容器内部启动的命令。在这里，它启动了 bash shell。
 
综上所述，这个命令的目的是从 tritonserver_buildbase 镜像启动一个新的 Docker 容器，并在容器内启动 bash shell。同时，该容器与宿主机上的 Docker守护进程通信，并使用宿主机上的 /home/liupeng/study/triton/server 目录作为其工作空间。

执行编译的耗时大约在1个小时，没有具体统计，backend只编译了以下几个：

all_backends = [
    "ensemble",
    # "identity",
    # "square",
    # "repeat",
    "tensorflow",
    # "onnxruntime",
    "python",
    # "dali",
    "pytorch",
    # "openvino",
    # "fil",
    # "tensorrt",
]

编译pytorch/tensorflow是在镜像中进行的，所以编译完成后，会新生成两个镜像：

启动成功了，太棒了：

编译成功一次后，会有缓存，只修改triton的代码进行编译，相对来说编译会很快，一次大概15分钟。

小窍门：制作tritonserver_build完成后，启动镜像时，把本地的代码映射进去，就可以随时修改，随时编译，比较方便。

制作好的tritonserver_build镜像，托管到了阿里云的平台：registry.cn-beijing.aliyuncs.com/mianhuatang-liupeng/triton，大家可自取。