1
数学库
提问帖
有回复
Qwen3.6+vllm0.18报错,
2026-04-30 10:11:55
359
报错:No available shared memory broadcast block found in 60 seconds. This typically happens when some processes are hanging or doing some time-consuming work (e.g., compilation, weight/kv cache quantization). 镜像:harbor.sourcefind.cn:5443/dcu/admin/base/custom:vllm018-ubuntu22.04-dtk26.04-nemotron-20260422 设置了1、2卡并行 什么原因
全部评论(4)
只看楼主
L
lhy_lhy_000
2楼
镜像:harbor.sourcefind.cn:5443/dcu/admin/base/custom:vllm018-ubuntu22.04-dtk26.04-nemotron-20260422,这个镜像是在哪看的?为啥我没找到:zhuakuang:emoji我看光源镜像仓库那vllm也没有啊
5/12
_
_cjshawn
回复 @lhy_lhy_000
去custom仓库找
6/10
O
ox696c
1楼
HIP_VISIBLE_DEVICES="0,1" \
OMP_NUM_THREADS=32 \
ALLREDUCE_STREAM_WITH_COMPUTE=1 \
NCCL_MIN_NCHANNELS=16 \
NCCL_MAX_NCHANNELS=16 \
VLLM_RPC_TIMEOUT=1800000 \
HSA_FORCE_FINE_GRAIN_PCIE=1 \
HIP_PERF=1 \
SAFETENSORS_FAST_GPU=1 \
vllm serve /models/cyankiwi/Qwen3.6-35B-A3B-AWQ-4bit \
--served-model-name Qwen3.6-35B-A3B \
--trust-remote-code \
--tensor-parallel-size 2 \
--dtype float16 \
--max-model-len 204800 \
--kv-cache-dtype fp8 \
--max-num-batched-tokens 32768 \
--max-num-seqs 2 \
--gpu-memory-utilization 0.6 \
--enable-auto-tool-choice \
--tool-call-parser qwen3_coder \
--reasoning-parser qwen3 \
--limit-mm-per-prompt '{"video": 1, "image": 2}' \
--mm-encoder-tp-mode data \
--speculative-config '{"method":"qwen3_next_mtp","num_speculative_tokens":3}' \
--enable-chunked-prefill \
--port 8001

我也遇到这个问题,然后是通过上面的启动命令解决的,生效的估计是ALLREDUCE_STREAM_WITH_COMPUTE=1参数,豆包说开启该参数通过统一 CUDA/HIP 流执行 AllReduce 与计算任务,消除了多流异步导致的流同步等待与资源竞争,从而避免共享内存广播块长时间无法获取的超时错误。
5/4
_
_cjshawn
回复 @ox696c
我加了ALLREDUCE_STREAM_WITH_COMPUTE这个参数也会有这个问题
6/10
没有更多内容了
--
楼主
Level.1
0 帖子
楼主热帖
暂无数据