mineru-rocm/docker/ISSUES.md

Docker 构建问题汇总

目标：Ubuntu 24.04 + ROCm 7.2.1 + vllm + MinerU Docker 镜像
环境：原生 Linux + RX 9070 (gfx1201) + Privoxy (127.0.0.1:8118)

---

1. 网络类

1.1 Docker Hub 拉基础镜像超时

现象：dial tcp [2a03:2880:...]:443 i/o timeout

原因：docker.io 被墙，IPv6 直连超时

解决：Docker daemon 配置代理 + 国内镜像加速器

# /etc/systemd/system/docker.service.d/http-proxy.conf
Environment="HTTP_PROXY=http://127.0.0.1:8118"
Environment="HTTPS_PROXY=http://127.0.0.1:8118"

# /etc/docker/daemon.json
{
    "registry-mirrors": ["https://docker.1panel.live", ...],
    "ipv6": false
}

1.2 容器内无法访问国内镜像

现象：Could not resolve 'mirrors.tuna.tsinghua.edu.cn'

原因：Docker 默认 bridge 网络无法路由到外网

解决：docker-compose.yml 构建时加 network: host（非代理，只是共享宿主机网络栈）

1.3 GitHub 直连失败

现象：git clone github.com → GnuTLS recv error / TLS connection non-properly terminated

原因：GitHub 在国内不通，无可靠国内镜像

解决：git/wget 通过 Privoxy 代理访问 GitHub（仅 GitHub，其他源用国内镜像）

ARG GIT_PROXY=http://127.0.0.1:8118
git config --global http.proxy ${GIT_PROXY}
# wget: export http_proxy=${GIT_PROXY}

1.4 git clone 代理断连

现象：RPC failed; curl 92 HTTP/2 stream 5 was not closed cleanly: CANCEL

原因：HTTP/2 通过代理传大仓库不稳定

解决：禁用 HTTP/2 + 加大 buffer

git config --global http.version HTTP/1.1
git config --global http.postBuffer 524288000

1.5 PyTorch ROCm wheels 下载中断

现象：IncompleteRead (pip 下载 .whl 到一半断开)

原因：PyTorch 官方 CDN (download.pytorch.org) 在国内直连不稳定

解决：下载 PyTorch 时设环境变量走代理

export http_proxy=http://127.0.0.1:8118 https_proxy=http://127.0.0.1:8118
pip install ... --pre torch==2.11.0+rocm7.2 ...

1.6 flash-attention 子模块代理递归断连

现象：--recursive 克隆 flash-attention 时子模块 cutlass (~200MB) 下载失败：RPC failed; curl 56 GnuTLS recv error

原因：3 个子模块（composable_kernel + cutlass + aiter）挤在一条代理链路上，大文件容易丢包

解决（可选）：宿主机预克隆后 COPY 入镜像。或用 --depth 1 + 逐个 git submodule update --init --depth 1（断了一个可单独重试）

---

2. Dockerfile 语法类

2.1 ENV 行内注释导致解析失败

现象：Syntax error - can't find = in "\ "，行号为 HSA_ENABLE_SDMA=1 \ # 注释

原因：Docker ENV 不允许行内 # 注释

解决：删除行内注释，或移到单独 # 行

2.2 多行 python -c "..." 被误解析

现象：dockerfile parse error: unknown instruction: import / unknown instruction: from

原因：Docker 解析器把 Python -c 的多行字符串当作 Dockerfile 指令（from x import y → 误认为 FROM；import x → 误认为未知指令）

解决：复杂 Python 代码写成独立脚本，用 COPY 进入镜像后 python /opt/xxx.py 执行

涉及的文件：

• scripts/apply_mineru_patches.py — MinerU RDNA 适配补丁
• scripts/patch_vllm_platform.py — vllm 平台检测补丁

---

3. ROCm 兼容性类

3.1 版本号锁定失效

现象：Version '1.0.0.70201-38~24.04' for 'rocminfo' was not found

原因：AMD 仓库更新后精确版本号过期

解决：改用 apt pinning 策略，不锁死版本号

# /etc/apt/preferences.d/rocm-pin-600
Package: *
Pin: release o=repo.radeon.com
Pin-Priority: 600

3.2 hipcc.pl 符号链接创建损坏链接

现象：cmake 报 Can't find CUDA or HIP installation（PyTorch 的 LoadHIP.cmake:179）

原因：ln -sf /usr/bin/hipcc.pl /opt/rocm/bin/hipcc，/usr/bin/hipcc.pl 在原生 Linux 上不存在，创建了损坏的符号链接

解决：条件创建，源文件不存在时跳过

([ -f /usr/bin/hipcc.pl ] && ln -sf /usr/bin/hipcc.pl /opt/rocm/bin/hipcc) || echo "hipcc.pl not found"

3.3 缺 rocm-cmake 导致 find_package(HIP) 失败

现象：PyTorch LoadHIP.cmake:179 调用 find_package_and_print_version 找不到 HIP

原因：未安装 rocm-cmake 包，缺少 HIP cmake 发现模块

解决：在阶段 6 加装 rocm-cmake

3.4 vllm mamba operator+ 补丁失效

现象：sed: can't read csrc/mamba/mamba_ssm/selective_scan.h: No such file or directory

原因：vllm 上游已移除 mamba 模块

解决：改为条件判断，文件不存在就跳过

if [ -f csrc/mamba/mamba_ssm/selective_scan.h ]; then sed ...; else echo "skipping"; fi

3.5 原生 Linux 需要 amdsmi + 平台检测补丁

现象（社区反馈）：ModuleNotFoundError: amdsmi → current_platform = UnspecifiedPlatform → Device string must not be empty

原因：amdsmi 未安装，且 logger.warning_once() 触发 vllm 循环导入

解决：

1. 安装 amdsmi（原生 Linux 上可用，WSL2 不需要）
2. 补丁 6：platforms/__init__.py 加 torch.version.hip 兜底
3. 补丁 7：platforms/rocm.py 中 logger.warning_once() → sys.stderr.write()

3.6 缺 hip_version.h 头文件

现象：Could not find hip/hip_version.h or rocm-core/rocm_version.h

原因：ROCm 7.2.1 的 apt 安装已将 hip_version.h 从默认路径移除，且 rocm-core 包未安装

解决：

1. 安装 rocm-core 包（提供 rocm_version.h）
2. 手动创建 /opt/rocm/include/hip/hip_version.h 兼容头文件

apt-get install -y rocm-core
# 兜底：手动生成 hip_version.h
printf '#define HIP_VERSION_MAJOR 7\n#define HIP_VERSION_MINOR 2\n...'

3.7 cmake 需显式设 HIP 编译器路径

现象：仅设 PATH + HIP_ROOT_DIR + ROCM_PATH 不足以让 cmake 发现 HIP

解决：显式指定

-DCMAKE_HIP_COMPILER=/opt/rocm/llvm/bin/clang++  # (非 hipcc，CMake 4.0 拒绝)
-DHIP_COMPILER=/opt/rocm/llvm/bin/clang++        # PyTorch LoadHIP 也需要
-DHIP_PATH=/opt/rocm
-DCMAKE_PREFIX_PATH="/opt/rocm;..."

3.8 PyTorch Caffe2Targets 缺失 cmake target（Docker 容器特有）

现象：cmake 反复报 hip::amdhip64 / hiprtc::hiprtc / roc::hipblas / roc::hipblaslt 等 target 未找到

原因：裸机部署时 ROCm 的 cmake 配置通过 /opt/rocm 完整安装，cmake 能自动发现所有 target。但 Docker 容器内 apt 安装的 dev 包缺少部分 cmake config 文件，PyTorch 的 Caffe2Targets.cmake 硬编码引用了这些 target

涉及 target 及修复：

报错 target	命名空间问题	最终 alias
hip::amdhip64	普通 target	SHARED IMPORTED → libamdhip64.so
hiprtc::hiprtc	需双冒号命名空间	hiprtc::hiprtc ALIAS hip::hiprtc
roc::hipblas	roc:: 而非 hip::	roc::hipblas ALIAS roc::rocblas
roc::hipblaslt	同上	roc::hipblaslt ALIAS hip::hipblaslt
roc::hiprand / roc::hipsolver 等	同上	各指向对应 roc::roc* target

注意：roc::hip* → 应直接指向底层 roc::roc*（不能通过 hip::hip* 中转，因为后者本身是 ALIAS，CMake 不允许链式 ALIAS）

3.9 rocm-core-dev → rocm-core 包名错误

现象：E: Unable to locate package rocm-core-dev

原因：ROCm 7.2.1 仓库中的包名为 rocm-core（无 -dev 后缀）

解决：s/rocm-core-dev/rocm-core/

3.10 -lMIOpen 链接失败

现象：/usr/bin/ld: cannot find -lMIOpen

原因：miopen cmake config 使用了 INTERFACE IMPORTED（无实际 .so 路径），链接器找不到 libMIOpen.so

解决：改为 SHARED IMPORTED + 指定 IMPORTED_LOCATION，并检查版本化目录的符号链接

# 错误
add_library(miopen INTERFACE IMPORTED)
# 正确
add_library(miopen SHARED IMPORTED)
set_target_properties(miopen PROPERTIES
    IMPORTED_LOCATION "/opt/rocm/lib/libMIOpen.so"
    INTERFACE_INCLUDE_DIRECTORIES "/opt/rocm/include")

3.11 printf 参数计数错误

现象：cmake 报 add_library 在第 11 行语法错误（hiprtc-config.cmake:11）

原因：生成 cmake config 的 shell printf 格式串含 13 个 %s，但只传了 12 个参数，最后一行 hip::%s 未替换

解决：减少单行 printf 参数，复杂结构拆成独立循环

---

4. Docker 缓存策略

4.1 vllm 编译+验证同层导致缓存丢失

现象：ninja 编译 30 分钟成功后被后面验证失败拖垮，全部重来

解决：拆为 8a（编译）和 8b（安装+验证）

层	内容	缓存行为
8a	git clone + cmake + ninja	编译成功即缓存，永不丢失
8b	pip install + PyTorch 修复 + 平台补丁	失败可重试，不影响 8a

4.2 缓存失效条件

任一 RUN 层的指令或上下文变化都会导致该层及之后所有层重建。修改 ARG、ENV、COPY 文件内容均会触发。

4.3 COPY 脚本在 RUN 引用之后

现象：阶段 8b 执行 python /opt/patch_vllm_platform.py → 文件不存在

原因：COPY scripts/patch_vllm_platform.py 在阶段 8.5（原序号），但阶段 8b 已引用该脚本——Dockerfile 中 COPY 位于引用它的 RUN 之后

解决：将 COPY 指令移到所有需要脚本的 RUN 之前（阶段 7.5）。规则：COPY 必须在引用它的 RUN 之前

---

5. 网络策略总览

资源	访问方式
Docker Hub	daemon 代理 + 国内镜像加速器
Ubuntu apt	清华镜像 mirrors.tuna.tsinghua.edu.cn
PyPI pip	清华镜像 pypi.tuna.tsinghua.edu.cn/simple
AMD ROCm apt	repo.radeon.com 直连
PyTorch ROCm wheels	download.pytorch.org 直连
GitHub (git/wget)	Privoxy 代理 127.0.0.1:8118（唯一例外）

---

6. 构建阶段类

6.1 阶段 8b pip install -e . 触发 cmake 配置失败

现象：阶段 8a（cmake + ninja 手动编译）成功，但阶段 8b 执行 pip install -e . --no-build-isolation --no-deps 时报错：

TorchConfig.cmake:62 (find_package)
  → CMakeLists.txt:95 (find_package)
    → Configuring incomplete, errors occurred!
  error: failed-wheel-build-for-install
  × Failed to build installable wheels for some pyproject.toml based projects
  ╰─> vllm

排查过程：

Dockerfile 设计为阶段 8a 手动执行 cmake -S ... -B ... -G Ninja（携带完整 -D 参数）编译 vllm C++ 扩展并复制 .abi3.so 文件，阶段 8b 再用 pip install -e . 注册 Python 包。但 pip install -e . 通过 vllm 的 setuptools 构建扩展再次触发 cmake，且 vllm 内部的 cmake 调用与手动 cmake 在以下方面不可控：

1. 尝试一（ENV 透传）：在 Dockerfile ENV 块中添加 CMAKE_PREFIX_PATH、CMAKE_HIP_COMPILER、ROCM_PATH 等 8 个 cmake 环境变量，期望 pip 触发的 cmake 继承这些值。无效——vllm 的 cmake_build_ext 内部会独立构造 cmake 参数，不完全依赖环境变量。
2. 错误始终出现在 TorchConfig.cmake:62 调用 find_package(Caffe2) 时，Caffe2 targets 引用的 ROCm cmake 目标无法被 pip 触发的 cmake 解析。

结论：pip install -e . 触发的 cmake 构建过程与阶段 8a 的手动 cmake 不在同一个可控环境中，且阶段 8b 的 pip install -e . 本质上是冗余的——C++ 扩展已在阶段 8a 编译完成。

最终解决：跳过 pip install -e .，手动创建 vllm editable package 元数据。

核心思路：阶段 8a 负责所有 C++ 编译（.abi3.so），阶段 8b 只负责 Python 包注册（不触发 cmake）。

具体改动（Dockerfile 阶段 8b）：

# 替换前（会触发 cmake，失败）：
cd /opt/vllm && \
${VENV}/bin/pip install -e . --no-build-isolation --no-deps && \

# 替换后（手动创建 egg-info，不触发 cmake）：
cd /opt/vllm && \
mkdir -p vllm.egg-info && \
cat > vllm.egg-info/PKG-INFO << 'VLLM_EOF' && \
Metadata-Version: 2.1
Name: vllm
Version: 0.0.0
Summary: A high-throughput and memory-efficient inference and serving engine for LLMs
VLLM_EOF
echo "vllm" > vllm.egg-info/top_level.txt && \
touch vllm.egg-info/dependency_links.txt && \
touch vllm.egg-info/requires.txt && \
find vllm -name "*.py" -type f 2>/dev/null | sort > vllm.egg-info/SOURCES.txt && \
echo "vllm egg-info created (cmake build skipped, C++ extensions from stage 8a)" && \

手动创建的 egg-info 包含以下文件：

文件	内容	用途
PKG-INFO	Name: vllm + Version: 0.0.0	pip freeze / importlib.metadata 识别
top_level.txt	vllm	声明顶层包名
SOURCES.txt	所有 .py 文件列表	包文件索引
dependency_links.txt	空文件	依赖链接（无）
requires.txt	空文件	运行依赖（由后续 pip install -r 安装）

import vllm 的路径解析由现有的 .pth 文件保证：

echo "/opt/vllm" > ${VENV}/lib/python${PYTHON_VER}/site-packages/vllm.pth

附：ENV 块新增的 cmake 变量（保留，对阶段 8a 和其他 cmake 调用有益）：

ENV ... \
    CMAKE_PREFIX_PATH=/opt/rocm \
    CMAKE_HIP_COMPILER=/opt/rocm/llvm/bin/clang++ \
    HIP_COMPILER=/opt/rocm/llvm/bin/clang++ \
    HIP_PATH=/opt/rocm \
    HIP_ROOT_DIR=/opt/rocm \
    HIP_INCLUDE_DIR=/opt/rocm/include \
    HIP_PLATFORM=amd \
    ROCM_PATH=/opt/rocm

效果：

• 阶段 8b 不再触发 cmake，消除了冗余编译（节省约 30 分钟）
• C++ 扩展只在阶段 8a 编译一次，职责清晰
• pip list / pip freeze 正常显示 vllm
• import vllm 在所有 Python 进程中正常工作

---

最后更新: 2026-06-17