LLM推理部署：有状态路由为何优于传统负载均衡
AccBalanced · x · 2026-07-20
探讨了在 LLM 推理服务中，传统无状态 L7 负载均衡为何会导致 GPU 效率低下，并指出有状态路由正在成为行业标准实践。
- 缓存冲突与延迟：轮询等传统路由会将同一用户的连续请求分散到不同 GPU，破坏 KV Cache 局部性，导致每次都需重新计算 prefill，大幅增加首字延迟（TTFT）。
- 成本惩罚：例如 OpenAI 对相同前缀提供 50% 的缓存折扣，路由不当会直接错失成本优化红利。
- 解决方案：头部团队正通过引入有状态路由架构，确保请求被精准调度至缓存节点，从而提升整体推理吞吐与效率。
「Infra」频道最新
- 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
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- SF Compute 创始人：现在买算力是「绝对糟糕的体验」 — IgorCarron · 2026-09-11
- 开源 SmolVM:2026 年 Agent 不止用浏览器,而是拥有整台电脑 — aniketmaurya · 2026-09-11