# worker_num, 最大并发数。当build_dag_each_worker=True时, 框架会创建worker_num个进程，每个进程内构建grpcSever和DAG # 当build_dag_each_worker=False时，框架会设置主线程grpc线程池的max_workers=worker_num worker_num: 20 # build_dag_each_worker, False，框架在进程内创建一条DAG；True，框架会每个进程内创建多个独立的DAG build_dag_each_worker: false dag: # op资源类型, True, 为线程模型；False，为进程模型 is_thread_op: False # 使用性能分析, True，生成Timeline性能数据，对性能有一定影响；False为不使用 tracer: interval_s: 10 # http端口, rpc_port和http_port不允许同时为空。当rpc_port可用且http_port为空时，不自动生成http_port http_port: 18082 # rpc端口, rpc_port和http_port不允许同时为空。当rpc_port为空且http_port不为空时，会自动将rpc_port设置为http_port+1 rpc_port: 8088 op: ernie: # 并发数，is_thread_op=True时，为线程并发；否则为进程并发 concurrency: 1 # 当op配置没有server_endpoints时，从local_service_conf读取本地服务配置 local_service_conf: # client类型，包括brpc, grpc和local_predictor.local_predictor不启动Serving服务，进程内预测 client_type: local_predictor #ir_optim ir_optim: True # device_type, 0=cpu, 1=gpu, 2=tensorRT, 3=arm cpu, 4=kunlun xpu device_type: 1 # 计算硬件ID，当devices为""或不写时为CPU预测；当devices为"0", "0,1,2"时为GPU预测，表示使用的GPU卡 devices: '2' # Fetch结果列表，以client_config中fetch_var的alias_name为准, 如果没有设置则全部返回 fetch_list: ['output_embedding'] # 模型路径 model_config: ../../serving_server/
