61 亿请求LLM服务追踪分析：缓存策略与负载均衡研究
JiaZhihao · x · 2026-08-22
基于 Chutes.ai 一年生产环境追踪数据（61 亿请求、31.5 万用户、9174 个模型），论文深入分析了 LLM 服务工作负载的演变。
核心发现：
- 工作负载随时间显著变化，输入变长，输出变短。
- Prefix 重用具有极强的时间局部性：99% 的重复发生在 15 分钟内。
- 简单的 FIFO/LRU 缓存策略可匹敌或击败更复杂的策略。
- 缓存与负载均衡紧密耦合：保留 KV 局部性可能与副本间的负载均衡冲突。
「Infra」频道最新
- 黄仁勋做客 BG2 播客:谈 AI 收入能否撑起 Capex 与 2027 瓶颈 — elonmusk · 2026-10-16
- Mistral 本地推理基建机架曝光:DGX Spark、Mac Studio 等混搭 — gregmushen · 2026-10-16
- 英伟达携手瑞典 Wallenberg，Launch 共享 AI 超算 Sferical One — nvidia · 2026-10-16
- 基础设施下一站:能自我进化、自我验证的自适应系统 — _shreya_s · 2026-10-16
- 小米 MiMo RL 训练曝光:30 步花掉 347 万美元 — bycloud · 2026-10-16
- Cerebras 用异构 prefill 池喂晶圆级引擎，解码速度与 batch 解耦 — ai · 2026-10-16