Skip to content
vLLM 工作进程崩溃

vLLM EngineCore 后台进程意外退出排查

API 入口往往只返回笼统的错误或退出信号,真正致命的 `/dev/shm` 不足、宿主机 OOM 或 CUDA 报错隐藏在后台工作进程与内核日志里。

典型日志特征

RuntimeError: EngineCore in background process died unexpectedly / Worker_TP2 exited with exit code -7 (SIGBUS)

根本原因与次生级联症状辨析

Docker 默认仅有 64MB `/dev/shm` 导致 `SIGBUS` (exit -7)、缺少 `--ipc=host` 阻断多卡进程通信、或者宿主机 RAM 被耗尽触发内核杀进程。

重启节点前先收集的取证命令

df -h /dev/shm
dmesg -T | grep -i -E "oom-kill|nvrm|xid|sigbus"
docker inspect <CONTAINER> --format '{{.HostConfig.IpcMode}} shm={{.HostConfig.ShmSize}}'

安全排查与恢复步骤

  1. 执行 `df -h /dev/shm` 并核对 Docker `--shm-size` / `--ipc=host` 或 K8s `emptyDir` 内存卷设置。
  2. 通过 `dmesg -T` 排查是否发生内核 `oom-kill`、`NVRM Xid` 或总线错误。
  3. 从工作进程 stderr 获取第一条未截断的 CUDA 或 Python 异常堆栈。
Live diagnosis, no signup

粘贴你的 GPU 日志,立即排查首发故障

提交前会在当前浏览器本地自动遮罩 IP、密钥和私有路径,安全分离根因。

Before uploading, review cloud data handling and local options.

training_logs.txt
No log to hand? Try one:

Upload your log file. Large files are processed in your browser. Only selected evidence is submitted when you run diagnosis.

3 free cloud diagnoses per day

常见问题

报错 Worker exited with exit code -7 (SIGBUS) 是什么原因?

典型是容器 `/dev/shm` 共享内存太小导致多进程映射越界,调大 `--shm-size` 通常可立即消除。

为什么刚启动正常,跑几条长请求就崩溃?

长请求会拉高主机预分配/共享缓冲区和部分核函数开销,需同时检查主机内存与驱动/FlashInfer 兼容性。

相关简体中文 GPU 排障条目

英文完整百科档案:查看完整英文参考 (English)

免费试用 Denpex 30 天。完全免费。

无需信用卡,无自动续费。使用团队已复盘的故障日志亲自验证诊断效果。

开启 30 天免费 Team 团队评估

30 天内每日最多 50 次诊断。验证企业工作邮箱即可激活试用,回放已解决的历史故障并将根因证据与团队确认结论对比。

请使用公司域名邮箱,例如 alex@yourcompany.com。

适用条件说明

通过邮箱与企业域名校验即可激活 30 天 Team 评估(每日最多 50 次诊断)。若域名未能自动通过,可联系 support@denpex.com 人工审核。编辑器扩展的纯本地离线诊断无需任何账号。

正在使用个人邮箱(Gmail、QQ、163、Outlook)或个人主机?创建 $0 免费账号(无需工作邮箱) 以保存 7 天诊断记录并解锁 AI 推理,或发送集群故障日志预约演示。