在 TKE 上部署 AI 大模型（以DeepSeek-R1為例）
概述
本文介紹如何在 TKE 上部署 AI 大模型，以 DeepSeek-R1 為例。
部署思路
使用 Ollama 運行 AI 大模型，再通過 OpenWebUI 暴露一個聊天交互的界面，OpenWebUI 會調用 ollama 提供的 API 來與大模型交互。
Ollama 與 OpenWebUI 介紹
Ollama 是一個運行大模型的工具，可以看成是大模型領域的 Docker，可以下載所需的大模型并暴露 API。
OpenWebUI 是一個大模型的 Web UI 交互工具，支持 Ollama，即調用 Ollama 暴露的 API 實現與大模型交互：
圖片
AI 大模型數據如何存儲？
AI 大模型通常占用體積較大，直接打包到容器鏡像不太現實，如果啟動時通過 initContainers 自動下載又會導致啟動時間過長，因此建議使用共享存儲來掛載 AI 大模型。
在騰訊云上可使用 CFS 來作為共享存儲，CFS 的性能和可用性都非常不錯，適合 AI 大模型的存儲。本文將使用 CFS 來存儲 AI 大模型。
準備 CFS 存儲
在【組建管理】中的【存儲】找到 CFS-Turbo 或 CFS 插件并安裝：
圖片
CFS-Turbo 的性能更強，讀寫速度更快，也更貴，如果希望大模型運行速度更快，可以考慮使用 CFS-Turbo。
新建 StorageClass：
圖片
- 選項較多，所以該示例通過 TKE 控制臺來創建 PVC。如希望通過 YAML 來創建，可先用控制臺創建一個測試 PVC，再復制出生成的 YAML。
- Provisioner 選 文件存儲CFS。
- 存儲類型 建議選 性能存儲，讀寫速度比 標準存儲 更快。
新建 GPU 節點池
在 TKE 控制臺的【節點管理】-【節點池】中點擊【新建】，如果【原生節點】或【普通節點】，機型在【GPU 機型】中選擇一個沒售罄的機型；如果選【超級節點】則無需選擇機型（在部署的時候通過注解指定 GPU 類型）。
確認 GPU 驅動和所需 CUDA 版本
可隨便買一臺對應節點池機型的云服務器，上去執行 nvidia-smi 命令，查看 GPU 驅動版本。
在 nvidia 官網的 CUDA Toolkit Release Notes (https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html) 中，查找適合對應 GPU 驅動版本的 CUDA 版本。
編譯 ollama 鏡像
準備 Dockerfile:
FROM nvidia/cuda:11.8.0-cudnn8-runtime-ubuntu22.04
RUN apt update -y && apt install -y curl
RUN curl -fsSL https://ollama.com/install.sh | sh
基礎鏡像使用 nvidia/cuda，具體使用哪個 tag 可根據前面確認的 cuda 版本來定。這里是所有 tag 的列表: https://hub.docker.com/r/nvidia/cuda/tags。
編譯并上傳鏡像：
docker build -t imroc/ollama:cuda11.8-ubuntu22.04 .
docker push imroc/ollama:cuda11.8-ubuntu22.04
注意修改成自己的鏡像名稱。
創建 PVC
創建一個 CFS 類型的 PVC，用于存儲 AI 大模型：
apiVersion: v1
kind: PersistentVolumeClaim
metadata:
name: ai-model
labels:
app: ai-model
spec:
storageClassName: deepseek
accessModes:
- ReadWriteMany
resources:
requests:
storage: 100Gi- 注意替換 storageClassName。
- 對于 CFS 來說，storage 大小無所謂，可隨意指定，按實際占用空間付費的。
再創建一個 PVC 給 OpenWebUI 用，可使用同一個 storageClassName:
apiVersion: v1
kind: PersistentVolumeClaim
metadata:
name: webui
labels:
app: webui
spec:
accessModes:
- ReadWriteMany
storageClassName: deepseek
resources:
requests:
storage: 100Gi使用 Job 下載 AI 大模型
下發一個 Job，將需要用的 AI 大模型下載到 CFS 共享存儲中：
apiVersion: batch/v1
kind: Job
metadata:
name: pull-model
labels:
app: pull-model
spec:
template:
metadata:
name: pull-model
labels:
app: pull-model
spec:
containers:
- name: pull-model
image: imroc/ollama:cuda11.8-ubuntu22.04
env:
- name: LLM_MODEL
value: deepseek-r1:7b
command:
- bash
- -c
- |
set -ex
ollama serve &
sleep 5
ollama pull $LLM_MODEL
volumeMounts:
- name: data
mountPath: /root/.ollama
volumes:
- name: data
persistentVolumeClaim:
claimName: ai-model
restartPolicy: OnFailure- 使用之前我們編譯好的 ollama 鏡像，執行一個腳本去下載 AI 大模型，本例中下載的是 deepseek-r1:7b，完整列表在 https://ollama.com/search，修改 LLM_MODEL 以替換大語言模型。
- ollama 的模型數據存儲在 /root/.ollama 目錄下，掛載 CFS 類型的 PVC 到該路徑。
部署 ollama
通過 Deployment 部署 ollama:
apiVersion: apps/v1
kind: Deployment
metadata:
name: ollama
labels:
app: ollama
spec:
selector:
matchLabels:
app: ollama
replicas: 1
template:
metadata:
labels:
app: ollama
annotations:
eks.tke.cloud.tencent.com/gpu-type: V100
spec:
containers:
- name: ollama
image: imroc/ollama:cuda11.8-ubuntu22.04
imagePullPolicy: IfNotPresent
command: ["ollama", "serve"]
env:
- name: OLLAMA_HOST
value: ":11434"
resources:
requests:
cpu: 2000m
memory: 2Gi
nvidia.com/gpu: "1"
limits:
cpu: 4000m
memory: 4Gi
nvidia.com/gpu: "1"
ports:
- containerPort: 11434
name: ollama
volumeMounts:
- name: data
mountPath: /root/.ollama
volumes:
- name: data
persistentVolumeClaim:
claimName: ai-model
restartPolicy: Always
---
apiVersion: v1
kind: Service
metadata:
name: ollama
spec:
selector:
app: ollama
type: ClusterIP
ports:
- name: server
protocol: TCP
port: 11434
targetPort: 11434- ollama 的模型數據存儲在 /root/.ollama 目錄下，掛載已經下載好 AI 大模型的 CFS 類型 PVC 到該路徑。
- ollama 監聽 11434 端口暴露 API，定義 Service 方便后續被 OpenWebUI 調用。
- ollama 默認監聽的是回環地址(127.0.0.1)，指定 OLLAMA_HOST 環境變量，強制對外暴露 11434 端口。
- 運行大模型需要使用 GPU，因此在 requests/limits 中指定了 nvidia.com/gpu 資源，以便讓 Pod 調度到 GPU 機型并分配 GPU 卡使用。
- 如果希望大模型跑在超級節點，需通過 Pod 注解 eks.tke.cloud.tencent.com/gpu-type 指定 GPU 類型；若不希望調度到超級節點則刪除該注解。
部署 OpenWebUI
使用 Deployment 部署 OpenWebUI，并定義 Service 方便后續對外暴露訪問:
apiVersion: apps/v1
kind: Deployment
metadata:
name: webui
spec:
replicas: 1
selector:
matchLabels:
app: webui
template:
metadata:
labels:
app: webui
spec:
containers:
- name: webui
image: imroc/open-webui:main # docker hub 中的 mirror 鏡像，長期自動同步，可放心使用
env:
- name: OLLAMA_BASE_URL
value: http://ollama:11434 # ollama 的地址
- name: HF_HUB_OFFLINE
value: "1"
- name: ENABLE_OPENAI_API
value: "false"
tty: true
ports:
- containerPort: 8080
resources:
requests:
cpu: "500m"
memory: "500Mi"
limits:
cpu: "1000m"
memory: "1Gi"
volumeMounts:
- name: webui-volume
mountPath: /app/backend/data
volumes:
- name: webui-volume
persistentVolumeClaim:
claimName: webui
---
apiVersion: v1
kind: Service
metadata:
name: webui
labels:
app: webui
spec:
type: ClusterIP
ports:
- port: 8080
protocol: TCP
targetPort: 8080
selector:
app: webui- OLLAMA_BASE_URL 是 ollama 的地址，填 ollama 的 service 訪問地址。
- ENABLE_OPENAI_API 填 false，因為我們使用的是 ollama，不需要使用 openai api，禁用它避免啟動時因國內連不上 openapi 地址而無法加載模型（現象是登錄 OpenWebUI 返回空白頁）。
- OpenWebUI 的數據存儲在 /app/backend/data 目錄（如賬號密碼、聊天歷史等數據），我們掛載 PVC 到這個路徑。
暴露 OpenWebUI 并與模型對話
如果只是本地測試，可以使用 kubectl port-forward 暴露服務：
kubectl port-forward service/webui 8080:8080在瀏覽器中訪問 http://127.0.0.1:8080 即可。
你還可以通過 Ingress 或 Gateway API 來暴露，我這里通過 Gateway API 來暴露（需安裝 Gateway API 的實現，如 TKE 應用市場中的 EnvoyGateway，具體 Gateway API 用法參考 https://gateway-api.sigs.k8s.io/guides/）：
apiVersion: gateway.networking.k8s.io/v1
kind: HTTPRoute
metadata:
name: ai
spec:
parentRefs:
- group: gateway.networking.k8s.io
kind: Gateway
namespace: envoy-gateway-system
name: imroc
sectionName: https
hostnames:
- "ai.imroc.cc"
rules:
- backendRefs:
- group: ""
kind: Service
name: webui
port: 8080- parentRefs 引用定義好的 Gateway（通常一個 Gateway 對應一個 CLB）。
- hostnames 替換為你自己的域名，確保域名能正常解析到 Gateway 對應的 CLB 地址。
- backendRefs 指定 OpenWebUI 的 Service。
最后在瀏覽器訪問 hostnames 中的地址即可。
首次進入 OpenWebUI 會提示創建管理員賬號密碼，創建完畢后即可登錄，然后默認會使用前面下載好的大模型進行對話。
圖片
