fix doc

doc/DEPLOY.md

@@ -385,7 +385,7 @@ Flags from /home/work/dangyifei/open-builder/src/main.cpp:
 只利用builder工具建立索引无特殊位置要求，如果接入配送环节使用必须和cube-transfer同机部署。  
 假设单独使用builder工具，文件结构如下：  
 
-```bash
+```
 $ tree
 `-- cube-builder
 |-- source
@@ -532,8 +532,8 @@ transfer_address: 10.10.10.5                             //cube-transfer本机
 [cube_agent]
 agent0_0: 10.10.220.15:8001                        //0号分片0号副本的agent ip:port
 cube0_0: 10.10.220.15:8000:/ssd2/cube_open                //0号分片0号副本的cube，该路径下会存放配送的数据 ip:port:deploy_path
-agent1_0: 10.10.180.40:8001                        //0号分片1号副本的agent ip:port
-cube1_0: 10.10.180.40:8000:/home/disk1/cube_open             //0号分片1号副本的cube ，该路径下会存放配送的数据 ip:port:deploy_path
+agent1_0: 10.10.180.40:8001                        //1号分片0号副本的agent ip:port
+cube1_0: 10.10.180.40:8000:/home/disk1/cube_open             //1号分片0号副本的cube ，该路径下会存放配送的数据 ip:port:deploy_path
 ```
 
 #### <span id="head27">4.2 拷贝cube-transfer到物理机</span>
@@ -618,6 +618,8 @@ K8s集群上CTR预估任务训练完成后，模型参数分成2部分：一是e
 
 上述例子中，cube提供外部访问的表名是`dict`，有2个物理分片，分别在192.168.1.1:8000和192.168.1.2:8000
 
+**注意事项：**nodes中的ipport_list需要按照分片的顺序(参考cube-transfer配置文件)填写。
+
 #### <span id="head33">1.2 Serving编译</span>
 
 截至写本文时，Serving develop分支已经提供了CTR预估服务相关OP，参考[ctr_prediction_op.cpp](https://github.com/PaddlePaddle/Serving/blob/develop/demo-serving/op/ctr_prediction_op.cpp)，该OP从client端接收请求后会将每个请求的26个sparse feature id发给cube服务，获得对应的embedding向量，然后填充到模型feed variable对应的LoDTensor，执行预测计算。只要按常规步骤编译Serving即可。