TokenSpeed重构KV缓存架构
AccBalanced · x · 2026-07-17
TokenSpeed 介绍了它的调度器重构：原来使用基于 Radix Tree 的内存池，但随着注意力模式变复杂，这套设计已不再适合，于是改成了 flat、block-based 的 KV cache 架构。
新的实现采用单一的扁平分页池，并提供异构视图，这样更容易支持不同的 attention 机制。帖子还提到，社区里也有类似思路，例如 vLLM 的 Jenga 和 LMDeploy 的 TurboMind。
这次重构大约发生在 TML 的 Inkling 发布前后，因此新架构可以从第一天起就支持 Inkling。作者也表示会继续和开源社区一起推进。
所属事件:LLM推理KV Cache架构演进与重构(2 条相关)→
「Infra」频道最新
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11
- PlanetScale 推出分片 Postgres,768 台服务器组成 1PB 单库 — dhruv2038 · 2026-09-11
- 7900 XTX 24GB 能否跑 Qwen，Reddit 征集 ROCm 实测数据 — thenomadexplorerlife · 2026-09-11