Token 是大语言模型处理文本时使用的基本单位。它不一定等于一个字、一个词或一个字符，而是由模型的分词器决定。

本文记录在 RTX 3060 12 GiB 上部署和调优 vLLM 的过程，包括 Python 与 Docker 启动方式、请求级采样参数、服务级显存与并发配置，以及通过 HAMi 在 Kubernetes 中共享单张 GPU。本文参数以功能验证和调优起点为主，不代表所有模型和负载下的最佳配置。

HAMi 是一个用于管理 Kubernetes 集群中异构 AI 计算设备的开源平台。其前身为 k8s-vGPU-scheduler，可在多个容器和工作负载之间实现设备共享。

Volcano 是基于 Kubernetes 的容器批量计算平台，主要用于高性能计算场景。

本文结合两者的能力进行实践，参考资料：https://project-hami.io/zh/tutorials/labs/volcano-vgpu-gang-queue

GPU 节点安装 NVIDIA 内核驱动

参考文档：https://warnerchen.github.io/2026/07/10/NVIDIA-GeForce-RTX-3060-%E5%86%85%E6%A0%B8%E9%A9%B1%E5%8A%A8%E5%AE%89%E8%A3%85/

NVIDIA 提供了多种驱动安装方式，此处记录 NVIDIA GeForce RTX 3060 驱动的安装方法。

以下安装方式任选其一，不要混合使用。切换安装方式前，需要先卸载通过其他方式安装的 NVIDIA 驱动。