vLLM 推理显存不足
vLLM KV 缓存不足 (No available memory for the cache blocks)
模型权重与 CUDA Graph 加载完成后,剩余空闲显存不足以分配指定最大长度 `max_model_len` 所需的 KV 缓存块。
典型日志特征
ValueError: No available memory for the cache blocks. Try increasing gpu_memory_utilization when initializing the engine.根本原因与次生级联症状辨析
部署设定的上下文上限超出剩余 HBM、单卡并行数不足,或当前显卡正被遗留服务占用了一部分内存。
重启节点前先收集的取证命令
nvidia-smi --query-gpu=index,memory.used,memory.free,memory.total --format=csv
python3 -m vllm.entrypoints.openai.api_server --model <MODEL> --tensor-parallel-size 4 --gpu-memory-utilization 0.92 --max-model-len 16384 --kv-cache-dtype fp8安全排查与恢复步骤
- 首先运行 `nvidia-smi` 排查是否有残留或并发占卡进程。
- 使用 `/zh/vram-calculator` 核对当前模型权重加上下文的真实显存占用。
- 适当提高 `--tensor-parallel-size`、缩短 `--max-model-len`、开启 `--kv-cache-dtype fp8` 或调高 `--gpu-memory-utilization` 至 0.92。
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
权重只有显卡一半容量为什么还会报 KV 缓存空间不足?
除了权重外,vLLM 还要预留 CUDA Graph 图空间、激活缓冲区以及至少容纳一条完整最大长度请求的 KV 块。
开启 `--enforce-eager` 为什么有时能启动成功?
因为禁用了 CUDA Graph 预占显存,适合排查显存边界,但生产并发吞吐可能有所下降。
相关简体中文 GPU 排障条目
vLLM EngineCore 后台进程意外退出排查CUDA out of memory (GPU 显存不足与碎片) 排查指南宿主机内存 OOM-killer (SIGKILL / exit 137) 诊断打开免费 LLM 显存计算器
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。