feat: add Kubernetes manifests for AI stack deployment including Qdrant, vLLM, and Triton
This commit is contained in:
@@ -205,6 +205,116 @@ spec:
|
|||||||
nodePort: 30800
|
nodePort: 30800
|
||||||
---
|
---
|
||||||
# ==============================================================================
|
# ==============================================================================
|
||||||
|
# 2B. vLLM GEMMA 4 12B INFERENCE ENGINE (snaisvr44hrvstr02 Tesla T4 GPU)
|
||||||
|
# ==============================================================================
|
||||||
|
apiVersion: v1
|
||||||
|
kind: PersistentVolumeClaim
|
||||||
|
metadata:
|
||||||
|
name: vllm-gemma4-models-pvc
|
||||||
|
namespace: ai-stack
|
||||||
|
spec:
|
||||||
|
accessModes:
|
||||||
|
- ReadWriteOnce
|
||||||
|
storageClassName: longhorn
|
||||||
|
resources:
|
||||||
|
requests:
|
||||||
|
storage: 200Gi
|
||||||
|
---
|
||||||
|
apiVersion: apps/v1
|
||||||
|
kind: Deployment
|
||||||
|
metadata:
|
||||||
|
name: vllm-gemma4
|
||||||
|
namespace: ai-stack
|
||||||
|
labels:
|
||||||
|
app: vllm-gemma4
|
||||||
|
spec:
|
||||||
|
replicas: 1
|
||||||
|
strategy:
|
||||||
|
type: Recreate
|
||||||
|
selector:
|
||||||
|
matchLabels:
|
||||||
|
app: vllm-gemma4
|
||||||
|
template:
|
||||||
|
metadata:
|
||||||
|
labels:
|
||||||
|
app: vllm-gemma4
|
||||||
|
spec:
|
||||||
|
nodeSelector:
|
||||||
|
kubernetes.io/hostname: snaisvr44hrvstr02
|
||||||
|
containers:
|
||||||
|
- name: vllm
|
||||||
|
image: vllm/vllm-openai:v0.32.0-cu129
|
||||||
|
imagePullPolicy: IfNotPresent
|
||||||
|
command: ["/bin/bash", "-c"]
|
||||||
|
args:
|
||||||
|
- |
|
||||||
|
rm -rf /usr/local/lib/python3.12/dist-packages/torchcodec*
|
||||||
|
exec vllm serve google/gemma-4-12B-it-qat-w4a16-ct \
|
||||||
|
--served-model-name Gemma-4-12B-it \
|
||||||
|
--dtype half \
|
||||||
|
--max-model-len 8192 \
|
||||||
|
--gpu-memory-utilization 0.92 \
|
||||||
|
--enforce-eager \
|
||||||
|
--enable-auto-tool-choice \
|
||||||
|
--tool-call-parser gemma4 \
|
||||||
|
--reasoning-parser gemma4 \
|
||||||
|
--host 0.0.0.0 \
|
||||||
|
--port 8000
|
||||||
|
env:
|
||||||
|
- name: HF_HOME
|
||||||
|
value: "/root/.cache/huggingface"
|
||||||
|
- name: VLLM_WORKER_MULTIPROC_METHOD
|
||||||
|
value: "spawn"
|
||||||
|
ports:
|
||||||
|
- name: http-openai
|
||||||
|
containerPort: 8000
|
||||||
|
resources:
|
||||||
|
requests:
|
||||||
|
cpu: "8"
|
||||||
|
memory: "24Gi"
|
||||||
|
nvidia.com/gpu: "1"
|
||||||
|
limits:
|
||||||
|
cpu: "24"
|
||||||
|
memory: "48Gi"
|
||||||
|
nvidia.com/gpu: "1"
|
||||||
|
readinessProbe:
|
||||||
|
httpGet:
|
||||||
|
path: /health
|
||||||
|
port: 8000
|
||||||
|
initialDelaySeconds: 30
|
||||||
|
periodSeconds: 10
|
||||||
|
volumeMounts:
|
||||||
|
- name: vllm-gemma4-models
|
||||||
|
mountPath: /root/.cache/huggingface
|
||||||
|
- name: dshm
|
||||||
|
mountPath: /dev/shm
|
||||||
|
volumes:
|
||||||
|
- name: vllm-gemma4-models
|
||||||
|
persistentVolumeClaim:
|
||||||
|
claimName: vllm-gemma4-models-pvc
|
||||||
|
- name: dshm
|
||||||
|
emptyDir:
|
||||||
|
medium: Memory
|
||||||
|
sizeLimit: 16Gi
|
||||||
|
---
|
||||||
|
apiVersion: v1
|
||||||
|
kind: Service
|
||||||
|
metadata:
|
||||||
|
name: vllm-gemma4
|
||||||
|
namespace: ai-stack
|
||||||
|
labels:
|
||||||
|
app: vllm-gemma4
|
||||||
|
spec:
|
||||||
|
type: NodePort
|
||||||
|
selector:
|
||||||
|
app: vllm-gemma4
|
||||||
|
ports:
|
||||||
|
- name: http-openai
|
||||||
|
port: 8000
|
||||||
|
targetPort: 8000
|
||||||
|
nodePort: 30804
|
||||||
|
---
|
||||||
|
# ==============================================================================
|
||||||
# 3. NVIDIA TRITON INFERENCE SERVER (Decision Engine & Multi-Model ML Serving)
|
# 3. NVIDIA TRITON INFERENCE SERVER (Decision Engine & Multi-Model ML Serving)
|
||||||
# ==============================================================================
|
# ==============================================================================
|
||||||
apiVersion: v1
|
apiVersion: v1
|
||||||
|
|||||||
Reference in New Issue
Block a user