GPU 调度器按未完成任务估算排队读取工作量
Abhishekcur · x · 2026-07-28
这条线程解释了 GPU 调度器里的一个细节：在计算“读取工作量”时，系统不是看当前请求自己需要读多少，而是看这块 GPU 还欠多少读取工作——包括它已经接下但没做完的请求，再加上你这次的新请求。
也就是说，系统问的不是“你有多大”，而是“你要排的队有多长”。
作者认为，正是这个细节让调度器更像真正的负载均衡器，而不是简单查表。
所属事件:NVIDIA Dynamo 用定价统一 LLM GPU 路由(14 条相关)→
「Infra」频道最新
- Unsloth Desktop 热修复：Qwen-Image-2.1 支持图像编辑与量化修复 — danielhanchen · 2026-09-23
- 128GB Strix Halo 跑 Qwen3.6 35B-A3B 稳定 50 tok/s,用户问现在最优解是什么 — jankeydankey · 2026-09-23
- Together AI 上线灰度发布：模型升级不停机，分步切流自动回滚 — togethercompute · 2026-09-23
- 专为大规模运行 Agent 的专用硬件亮相 — cyrilzakka · 2026-09-23
- 三元权重压缩 27B 模型仅 5.9GB,推理能力保留 95% — cephaloform · 2026-09-23
- RTX5090 上 Qwen 27B 跑 24 小时,自主写出完整 Postgres-SpringBoot-React 表格应用 — anglepoiselife · 2026-09-23