diff --git a/tutorials/source_zh_cn/advanced_use/serving.md b/tutorials/source_zh_cn/advanced_use/serving.md
new file mode 100644
index 0000000000000000000000000000000000000000..38faf594c40d147f7347a49b8f44cc546c5c76b9
--- /dev/null
+++ b/tutorials/source_zh_cn/advanced_use/serving.md
@@ -0,0 +1,120 @@
+# 基于MindSpore部署预测服务
+
+
+<!-- TOC -->
+- [基于MindSpore部署预测服务](#基于mindspore部署预测服务)
+	- [概述](#概述)
+	- [启动Serving服务](#启动serving服务)
+	- [应用示例](#应用示例)
+		- [导出模型](#导出模型)
+		- [启动Serving推理服务](#启动serving推理服务)
+		- [客户端示例](#客户端示例)
+
+<!-- /TOC -->
+<a href="https://gitee.com/mindspore/docs/blob/master/tutorials/source_zh_cn/advanced_use/serving.md" target="_blank"><img src="../_static/logo_source.png"></a>
+
+
+## 概述
+
+MindSpore Serving是一个轻量级、高性能的服务模块，旨在帮助MindSpore开发者在生产环境中高效部署在线预测服务。当用户使用MindSpore完成模型训练后，导出MindSpore模型，即可使用MindSpore Serving创建该模型的预测服务。当前Serving仅支持Ascend 910。
+
+
+## 启动Serving服务
+通过pip安装MindSpore后，Serving可执行程序位于`/{your python path}/lib/python3.7/site-packages/mindspore/ms_serving` 。
+启动Serving服务命令如下
+```bash
+ms_serving [--help] [--model_path <MODEL_PATH>] [--model_name <MODEL_NAME>]
+                  [--port <PORT>] [--device_id <DEVICE_ID>]
+```
+参数含义如下
+
+|参数名|属性|功能描述|参数类型|默认值|取值范围|
+|---|---|---|---|---|---|
+|`--help`|可选|显示启动命令的帮助信息。|-|-|-|
+|`--model_path <MODEL_PATH>`|必选|指定待加载模型的存放路径。|str|空|-|
+|`--model_name <MODEL_NAME>`|必选|指定待加载模型的文件名。|str|空|-|
+|`--port <PORT>`|可选|指定Serving对外的端口号。|int|5500|1~65535|
+|`--device_id <DEVICE_ID>`|可选|指定使用的设备号|int|0|0~7|
+
+ > 执行启动命令前，需将`/{your python path}/lib:/{your python path}/lib/python3.7/site-packages/mindspore/lib`对应的路径加入到环境变量LD_LIBRARY_PATH中 。
+
+## 应用示例
+下面以一个简单的网络为例，演示MindSpore Serving如何使用。
+
+### 导出模型
+使用[add_model.py](https://gitee.com/mindspore/mindspore/blob/master/serving/example/export_model/add_model.py)，构造一个只有Add算子的网络，并导出MindSpore推理部署模型。
+
+```python
+python add_model.py
+```
+执行脚本，生成add.pb文件，该模型的输入为两个shape为[4]的一维Tensor，输出结果是两个输入Tensor之和。
+
+### 启动Serving推理服务
+```bash
+ms_serving --model_path={current path} --model_name=add.pb
+```
+当服务端打印日志`MS Serving Listening on 0.0.0.0:5500`时，表示Serving服务已加载推理模型完毕。
+
+### 客户端示例
+执行如下命令，编译一个客户端示例程序，并向Serving服务发送推理请求。
+```bash
+cd mindspore/serving/example/cpp_client
+mkdir build
+cmake ..
+make
+./ms_client --target=localhost:5500
+```
+显示如下返回值说明Serving服务已正确执行Add网络的推理。
+```
+Compute [1, 2, 3, 4] + [1, 2, 3, 4]
+Add result is [2, 4, 6, 8]
+client received: RPC OK
+```
+ > 编译客户端要求用户本地已安装c++版本的[gRPC](https://gRPC.io)，并将对应路径加入到环境变量`PATH`中。
+
+客户端代码主要包含以下几个部分：
+
+1. 基于MSService::Stub实现Client，并创建Client实例。
+    ```
+    class MSClient {
+     public:
+      explicit MSClient(std::shared_ptr<Channel> channel) :  stub_(MSService::NewStub(channel)) {}
+     private:
+      std::unique_ptr<MSService::Stub> stub_;
+    };MSClient client(grpc::CreateChannel(target_str, grpc::InsecureChannelCredentials()));
+    
+    MSClient client(grpc::CreateChannel(target_str, grpc::InsecureChannelCredentials()));
+    
+    ```
+2. 根据网络的实际输入构造请求的入参Request、出参Reply和gRPC的客户端Context。
+    ```
+    PredictRequest request;
+    PredictReply reply;
+    ClientContext context;
+    
+    //construct tensor
+    Tensor data;
+    
+    //set shape
+    TensorShape shape;
+    shape.add_dims(4);
+    *data.mutable_tensor_shape() = shape;
+    
+    //set type
+    data.set_tensor_type(ms_serving::MS_FLOAT32);
+    std::vector<float> input_data{1, 2, 3, 4};
+    
+    //set datas
+    data.set_data(input_data.data(), input_data.size());
+    
+    //add tensor to request
+    *request.add_data() = data;
+    *request.add_data() = data;
+    ```
+3. 调用gRPC接口和已经启动的Serving服务通信，并取回返回值。
+    ```
+    Status status = stub_->Predict(&context, request, &reply);
+    ```
+
+完整代码参考[ms_client](https://gitee.com/mindspore/mindspore/blob/master/serving/example/cpp_client/ms_client.cc)。 
+