Triton推理服务器05-安装服务器软件

在前一篇文章已经带着读者创建一个Triton的推理模型仓，现在只要安装好服务器端与用户端软件，就能进行基本的测试与体验。

为了简化过程，我们使用NVIDIA Jetson AGX Orin设备进行示范，所有步骤都能适用于各种基于NVIDIA Jetson智能芯片的边缘设备上，也适用于大部分装载Ubuntu 18以上操作系统的x86设备上，即便设备上没有安装NVIDIA的GPU计算卡也能使用，只不过上我们的提供的内容都是基于GPU计算环境，对于纯CPU的使用则需要用户自行研读说明文件。

现在就开始安装Triton服务器软件，NVIDIA为Triton服务器提供以下三种软件安装的方式：

1. 源代码编译：

这种方式需要从https://github.com/triton-inference-server/server下载源代码，然后安装依赖库，再用cmake与make工具进行编译。通常会遇到的麻烦是步骤繁琐，并且出错率较高，因此并不推荐使用这个方法。

有兴趣者，请自行参考前面下载的开源仓里的docs/customization_guide/build.md文件，有关于Ubuntu 20.04、Jetpack与Windows等各种平台的编译细节。

2. 可执行文件：

Triton开发团队为使用者提供编译好的可执行文件，包括Ubuntu 20.04、Jetpack余Windows平台，可以在https://github.com/triton-inference-server/server/releases/ 上获取，每个版本都会提供对应NGC容器的版本，如下图：

然后到下面的“Assets”选择合适的版本：

以装载Jetpack 5的Orin为例，就下载tritonserver2.26.0-jetpack5.0.2.tgz(1.13GB) 压缩文件到本机上，然后解压缩到指定目录下就可以，例如${HOME}/triton目录，会生成<backends>、<bin>、<clients>、<include>、<lib>、<qa>等6个目录，可执行文件在<bin>目录下。

在执行Triton服务器软件前，还得先安装所需要的依赖库，请执行以下指令：

现在就可以执行以下指令启动Triton服务器：

如果最后出现以下画面并且进入等待状态：

现在Triton服务器已经正常运行，进入等待用户端提出请求（request）的状态。

3. Docker容器：

在NGC的https://catalog.ngc.nvidia.com/orgs/nvidia/containers/tritonserver/tags可以找到Triton服务器的Docker镜像文件，每个版本主要提供以下几种版本：

• year-xy-py3：包含Triton推理服务器，支持Tensorflow、PyTorch、TensorRT、ONNX和OpenVINO模型；
• year-xy-py3-sdk：包含Python和C++客户端库、客户端示例和模型分析器；
• year-xy-tf2-python-py3：仅支持TensorFlow 2.x和python后端的Triton推理服务器；
• year-xy-pyt-python-py3：仅支持PyTorch和python后端的Triton服务器；
• year-xy-py3-min：用作创建自定义Triton 服务器容器的基础，如Customize Triton Container（自定义Triton容器）说明文件所描述的内容；

其中“year”是年份的数字，例如2022年提交的就是“22”开头；后面的“xy”是流水号，每次往上加“1”，例如2022年10月4日提交的版本为“22-09”。

NVIDIA提供的Triton容器镜像是同时支持x86/AMD64与ARM64架构的系统，以22.09-py3镜像为例，可以看到如下图所标示的“2 Architectures”:

点击最右方的“向下”图标，会展开如下图的内容，事实上是有两个不同版本的镜像，不过使用相同镜像名：

因此在x86电脑与Jetson设备都使用相同的镜像下载指令，如下：

就能根据所使用设备的CPU架构去下载对应的镜像，现在执行以下指令来启动Triton服务器：

如果执行正常，也会出现以下的等待画面，表示运行是正确的：

以上三种方式都能在计算设备上启动Triton服务器软件，目前看起来使用Docker镜像是最为简单的。当服务器软件启动之后，就处于“等待请求”状态，可以使用“Ctrl-C”组合键终止服务器的运行。

有一种确认Triton服务器正常运行的最简单方法，就是用curl指令检查HTTP端口的状态，请执行以下指令：

如果有显示“HTTP/1.1 200 OK”的信息（如下图），就能确定Triton服务器处于正常运行的状态：

接下去就要安装客户端软件，用来对服务器提出推理请求，这样才算完成一个最基础的推理周期。【完】