背景
项目地址：
DB-GPT从5月6号正式发布第一个可运行版本，到目前刚刚经过一周的时间，引起了大家的广泛关注。 但是因为DB-GPT是用的-13B的模型作为Base Model，所以很多同学在部署过程中遇到了较大的困难。DB-GPT在消费级GPU即可完成部署， 具体部署的硬件说明如下:
GPU型号 | 显存大小 | 性能 -------|----------|------------------------------ TRX4090| 24G |可以流畅的进行对话推理，无卡顿 TRX3090| 24G |可以流畅进行对话推理，有卡顿感，但好与V100 V100 | 16G | 可以进行对话推理，有明显卡顿
在本文中，为了方便大家部署测试，所以我们基于阿里云写了个完整的部署教程，感兴趣的同学可以基于此教程进行部署实践，因为项目主要是实验性质，不建议生产环境直接使用。
环境准备创建阿里云GPU实例
1. 阿里云账号准备， 如果没有阿里云账号，首先需要在阿里云注册一个账号，并充值100元。充值可以在右上角账号中心进行操作。
2. 充值好之后，我们就可以去购买GPU服务器了。找到GPU云服务器产品，点击购买，进入到选配页面，在如下页面，选择按量付费，然后选择图中所示的型号即可。如果对推理性能有要求，可以选择更高的配置。
选择型号之后，还需要选择系统、GPU驱动、SSD存储、以及实例释放策略等选项。这里需要注意，云盘的规格不要选择太小，建议不小于200G， 同时去掉随实例释放的选项，这样后续我们可以只释放实例，模型数据可以保留。如果此实例，你想长期使用，建议做个快照备份。当然，考虑到价格原因，也可以挂一块NFS来存储数据。
选择完以上步骤之后，点击下一步进入到网络与安全组配置界面，这里注意的是网络带宽我们可以选择大一点。这里我选择的是25M的网络。注意我们要选择按流量付费, 同时需要去买个流量包。
选择好之后，进入下一步, 系统配置界面，注意要选择一下自定义密码，需要设置一下root密码，如果这一步未设置，等机器启动之后设置也可。
这一步结束之后，分组设置无需特殊设置，直接进入下一步即可。 最后在确认订单界面，我们需要重点设置一下自动释放时间，防止后续忘记释放造成持续的费用。选择好之后，直接点击创建实例，开实例阶段就结束了。
登陆实例安装环境依赖
进入到管理控制台，实例界面，点击远程连接，然后直接登陆，在登陆界面输出对应的密码，即可完成登陆。进入到管理控制台之后，首先会安装对应的GPU显卡驱动。显卡驱动安装完成之后，我们需要安装以下必要的依赖包
yum -y install git yum install git-lfs yum install g++ yum install docker
如上，我们的环境准备就完成了，接下来我们开始部署服务。
部署服务
部署服务有以下几步。1. 模型准备 2. 依赖服务启动 3. DB-GPT服务启动
模型准备
在准备模型阶段，我们首先要下载模型。 这里我们依赖两个基础模型，分别是-13B以及-
git clone https://github.com/csunny/DB-GPT.git git clone https://huggingface.co/Tribbiani/vicuna-13b https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2
模型下载好之后，模型文件需要防止到代码路径下。
DB-GPT//依赖服务启动
我们的项目因为要直接连接数据库，这里我们以MySQL作为样例。前面我们已经安装好了，这里我们只需要通过命令启动MySQL即可
run –name=mysql -p 3306:3306 -e = -dit mysql:
向量数据库我们默认使用的是内存数据库，所以无需特殊安装，如果有需要连接其他的同学，可以按照我们的教程进行安装配置。
DB-GPT服务启动首先安装环境与依赖
环境我们要起是大于3.9，这里我们用3.10来进行安装。
首先我们需要安装conda环境，我们使用
wget https://repo.anaconda.com/miniconda/Miniconda3-py310_23.3.1-0-Linux-x86_64.sh sh Miniconda3-py310_23.3.1-0-Linux-x86_64.sh
如上，我们就安装conda环境完成了，安装完成之后，需要生效一下环境变量。
source /root/.bashrc
conda create -n dbgpt_env python=3.10 conda activate dbgpt_env
如图所示，我们即进入到了我们的环境，接下来安装pip依赖运行就可以啦。
pip install -r requirements.txt
安装完成之后我们就可以运行了，但是运行过程中我们发现报了以下错误。 我们通过添加.pth的方式指定一下环境路径。
echo "/root/workspace/DB-GPT" > /root/miniconda3/env/dbgpt_env/lib/python3.10/site-packages/dbgpt.pth
运行命令启动服务端：
python pilot/server/vicuna_server.py
如下图所示，我们的服务就启动成功了，接下来我们来启动客户端。
运行命令启动客户端
python pilot/server/webserver.py
运行过程中，我们发现报了以下错误。 表明我们的mysql容器未创建成功，需要重新创建一下。
需要注意，mysql容器创建的密码是否与代码配置中的密码一致。 如果不一致可以重新创建或者修改代码。如图所示，我们的客户端服务就启动起来了。
配置安全策略
虽然我们服务已经启动了，但是我们还是无法通过公网访问，我们需要配置安全策略，将端口开放出来。
在阿里云管理控制台，我们找到安全组 -> 管理规则。
通过手动添加开启如下三个规则。
好了，到这里我们就可以访问我们的服务了。如果你需要在本地启动代码，远程连接到阿里云的服务器，只需要在阿里云启动一个后端服务，前端服务本地启动即可。 需要注意要修改本地服务的 IP为你的阿里云IP。 然后在本地只启动前端服务即可：
pilot//.py演示
通过服务器公网ip，我们可以在浏览器打开我们的服务。剩下的就是使用了，我们简单做个小演示吧。
原生回答
基于知识库
小结
本教程中介绍了如何在阿里云上通过申请GPU来部署DB-GPT服务，如果在部署中遇到问题，可以随时联系我。
相关文章
