Triton Deploy 스킬

Overview

NVIDIA Triton Inference Server 컨테이너 배포 및 관리를 자동화하는 스킬입니다.

중요: 이 스킬이 활성화되면 Claude가 자동으로 스크립트를 실행합니다. 사용자가 직접 명령어를 입력할 필요가 없습니다.

핵심 기능:

• 서버 실행: GPU/메모리 설정이 포함된 docker 컨테이너 실행
• 모델 관리: 모델 레포지토리 마운트 및 로드
• 상태 모니터링: 서버 헬스체크 및 모델 상태 확인
• 포트 관리: HTTP/gRPC/metrics 포트 자동 설정
• 프로파일 지원: 개발/프로덕션 환경별 설정

Script Location

SCRIPT: ./scripts/triton-deploy.sh

Claude는 이 스크립트를 Bash 도구로 직접 실행합니다.

When to Use

이 스킬은 다음 상황에서 활성화됩니다:

명시적 요청:

• "triton 서버 실행해줘"
• "모델 서빙 시작해줘"
• "inference server 띄워줘"
• "triton 상태 확인해줘"
• "모델 로드해줘"

자동 활성화:

• Triton 관련 docker 명령 실행 시
• 모델 서빙 요청 시

Prerequisites

# Docker 설치 확인
docker --version

# NVIDIA Container Toolkit 확인 (GPU 사용 시)
nvidia-container-cli --version

# 스크립트 실행 권한
chmod +x /path/to/agent-skills/ml/triton-deploy/scripts/triton-deploy.sh

Workflow

Claude 실행 절차

Step 1: 사용자 요청 분석

• 실행할 모델 또는 모델 레포지토리 경로 파악
• GPU 설정 확인 (기본: GPU 0)
• 포트 설정 확인 (기본: 8000/8001/8002)

Step 2: 스크립트 실행

# 스크립트 경로
SCRIPT=./scripts/triton-deploy.sh

# 서버 시작
$SCRIPT start --model-repo <path> [--gpu <devices>] [--port <port>] [--profile <name>]

# 상태 확인
$SCRIPT status

# 모델 목록
$SCRIPT models

# 서버 중지
$SCRIPT stop

# 로그 확인
$SCRIPT logs [--follow]

Step 3: 결과 보고

• 서버 시작 성공 여부
• 로드된 모델 목록
• 접속 URL 안내

명령어 레퍼런스

자주 사용하는 설정

Examples

예시 1: 기본 서버 실행

사용자: langdetector 모델로 triton 서버 띄워줘

Claude: Triton 서버를 실행합니다.

$ triton-deploy.sh start --profile langdetector

Starting Triton Server...
- Image: nvcr.io/nvidia/tritonserver:24.01-py3
- GPU: device=0
- Model Repo: /nfs/train/langdetector/models/triton
- Ports: 8000 (HTTP), 8001 (gRPC), 8002 (metrics)

Container ID: abc123def456

Waiting for server ready...
Server is READY

## Status

| Property | Value |
|----------|-------|
| Container | triton-langdetector |
| Status | Running |
| HTTP | http://localhost:8000 |
| gRPC | localhost:8001 |

예시 2: 멀티 GPU 프로덕션 배포

사용자: GPU 0,1번으로 triton 띄워줘. 메모리 8GB로

Claude: 멀티 GPU 설정으로 Triton을 실행합니다.

$ triton-deploy.sh start \
    --model-repo /mnt/models \
    --gpu 0,1 \
    --shm 8g \
    --port 16000

Starting Triton Server...
- GPU: device=0,1
- Shared Memory: 8GB
- Ports: 16000, 16001, 16002

Server is READY

## Loaded Models

| Model | Version | Status |
|-------|---------|--------|
| langdetector_ensemble | 1 | READY |
| features | 1 | READY |
| classifier | 1 | READY |

예시 3: 서버 상태 확인

사용자: triton 상태 확인해줘

Claude: Triton 서버 상태를 확인합니다.

$ triton-deploy.sh status

## Server Status

| Property | Value |
|----------|-------|
| Container | triton-server |
| Status | Running |
| Uptime | 2h 35m |
| HTTP | healthy |
| gRPC | healthy |

## Resource Usage

| Metric | Value |
|--------|-------|
| GPU Memory | 4.2GB / 24GB |
| CPU | 15% |
| Memory | 2.1GB |

예시 4: 모델 상태 확인

사용자: 로드된 모델 확인해줘

Claude: 모델 상태를 확인합니다.

$ triton-deploy.sh models

## Loaded Models

| Model | Version | Status | Backend |
|-------|---------|--------|---------|
| langdetector_ensemble | 1 | READY | ensemble |
| langdetector_features | 1 | READY | onnxruntime |
| langdetector_classifier | 1 | READY | tensorrt |

Total: 3 models loaded

Configuration

프로파일 설정

~/.triton-profiles.yaml 파일로 프로파일 정의:

profiles:
  langdetector:
    image: hub.rtzr.ai/rtzr/tritonserver:25.01-rtzr-py3
    model_repo: /nfs/train/langdetector/models/triton
    gpu: "0"
    shm_size: 4g
    ports:
      http: 15000
      grpc: 15001
      metrics: 15002

  asr:
    image: nvcr.io/nvidia/tritonserver:24.01-py3
    model_repo: /nfs/train/asr/models
    gpu: "0,1"
    shm_size: 8g

환경 변수

Best Practices

DO:

• 프로파일 사용으로 설정 재사용
• 헬스체크로 서버 준비 확인 후 요청
• 적절한 공유 메모리 크기 설정
• 모델별 최적 백엔드 선택 (TensorRT > ONNX > PyTorch)

DON'T:

• 포트 충돌 무시하고 실행
• 공유 메모리 부족 상태로 운영
• GPU 메모리 초과 모델 로드
• 프로덕션에서 verbose 모드 사용

Troubleshooting

서버 시작 실패

# 포트 사용 확인
triton-deploy.sh check-port 8000

# GPU 가용성 확인
nvidia-smi

# 컨테이너 로그 확인
triton-deploy.sh logs

모델 로드 실패

# 모델 설정 검증
triton-deploy.sh validate --model-repo /path/to/models

# 특정 모델 로그
triton-deploy.sh logs --model my_model

GPU 메모리 부족

# GPU 메모리 확인
nvidia-smi

# 다른 컨테이너 정리
docker ps -a | grep triton
docker rm -f <container_id>

Resources