更新时间:2025-09-08 GMT+08:00
分享

同步加载KVCache

功能介绍

将推理请求需要的多个KVCache数据块,批量同步加载到EMS缓存中,并在保存完成后返回结果表5

接口约束

  • 同步接口:接口会休眠阻塞。
  • 加速卡限制:仅支持华为昇腾加速卡显存拷贝。
  • 异常处理:若部分键值保存失败,接口不会直接返回失败,后续读取时将无法命中对应键值。
  • 语义约束:需遵循以下两种语义之一,二选一:
    • Hash 语义(使用 hashes + offsets + slot_mapping):通过 hashes , offsets来唯一标识 KVCache 数据块;
    • Token 语义(使用 token_ids + mask + slot_mapping):通过 **kwargs 传入 token_ids 与 mask,标识需要拷贝的 token 的位置和数量。

方法定义

ContextCaching.load(slot_mapping, hashes, offsets, option, **kwargs)

请求参数说明

表1 请求参数列表(hash语义)

参数名称

参数类型

是否必选

描述

slot_mapping

List[int]

参数解释:

每个token索引映射到block标识的列表。

约束限制:

不能为空,必须为整数列表,sum(offsets) == len(slot_mapping)。

取值范围:

无。

默认取值:

无。

hashes

List[int]

参数解释:

预计算的块前缀哈希列表。

约束限制:

需与offsets长度一致。

取值范围:

无。

默认取值:

None。

offsets

List[int]

参数解释:

与hashes对应的每块token数,通常等于block_size。

约束限制:

sum(offsets) == len(slot_mapping)。

取值范围:

无。

默认取值:

None

option

表3

参数解释:

Context Caching访问内存池的KV操作选项。

约束限制:

不能为None。

取值范围:

无。

默认取值:

无。

表2 请求参数列表(token语义)

参数名称

参数类型

是否必选

描述

slot_mapping

List[int]

参数解释:

每个token索引映射到block标识的列表。

约束限制:

不能为空,必须为整数列表,与token_ids、slot_mapping长度一致。

取值范围:

无。

默认取值:

无。

token_ids

List[int] / Tensor

参数解释:

token序列

约束限制:

与slot_mapping、mask长度一致。

取值范围:

无。

默认取值:

None。

mask

List[int]

参数解释:

前缀=0,后缀=1的掩码序列。

约束限制:

与token_ids、slot_mapping长度一致。

取值范围:

0或1。

默认取值:

None。

option

表3

参数解释:

Context Caching访问内存池的KV操作选项。

约束限制:

不能为None。

取值范围:

无。

默认取值:

无。

表3 CcKvOption

参数名称

参数类型

是否必选

描述

write_rcache

bool

可选

参数解释:

是否将本次写入保存为本地读缓存,默认值为True。

约束限制:

无。

取值范围:

True:将本次写入保存为本地读缓存

False:不将本次写入保存为本地读缓存

默认取值:

True。

read_local_only

bool

可选

参数解释:

是否只读本地缓存,如果置为True,则不会从其他节点读取数据,只有读流程生效。

约束限制:

无。

取值范围:

True:只读本地缓存

False:优先读本地缓存,如果本地未命中,则从其他节点读取数据

默认取值:

False。

timeout

int

可选

参数解释:

请求超时时间,单位为毫秒。

约束限制:

无。

取值范围:

大于等于0。

默认取值:

5000。

返回结果说明

表4 返回结果

类型

说明

表5

参数解释:

Context Caching访问内存池的执行结果。

取值范围:

无。

表5 CcResult

参数名称

参数类型

描述

success

int

参数解释:

请求的批量key读写连续成功的个数。

约束限制:

无。

取值范围:

0~请求key的个数。

默认取值:

无。

total

int

参数解释:

请求的批量key总个数。

约束限制:

无。

取值范围:

请求列表中批量key的个数。

默认取值:

无。

代码样例

下面示例描述了同步加载KVCache流程,同时对返回异常进行处理。

  1. hash语义下的同步加载,参数:slot_mapping + hashes + offsets
    # 设置请求的超时时间 
    option = CcKvOption(timeout=5000)
    block_size = 4
    # 组成参数列表 
    slot_mapping = [0, 1, 2, 3, 4, 5] 
    hashes = [0x1111, 0x2222] 
    offsets = [4, 4] 
    # 可以根据不同异常,采取不同处理方式,例如超时错误可以重试。 
    try: 
        cc_result = cc.load(slot_mapping = slot_mapping, hashes = hashes, offsets = offsets, option = option) 
    except EmsException as e: 
        print(f"failed to load, {e}.") 
        exit(2) 
    print(f"succeed to load key num {cc_result.success}.") 
    print(cc_result) 
  2. token语义下的同步加载,参数:slot_mapping + token_ids + mask
    # 设置请求的超时时间 
    option = CcKvOption(timeout=5000)
    block_size = 4
    # 组成参数列表
    slot_mapping = [0, 1, 2, 3, 4, 5]
    token_ids = [101, 102, 103, 104, 105, 106]
    mask = [1, 1, 1, 1, 1, 1]
    # 可以根据不同异常,采取不同处理方式,例如超时错误可以重试。 
    try: 
        cc_result = cc.load(slot_mapping = slot_mapping, hashes = hashes, offsets = offsets, option = option) 
    except EmsException as e: 
        print(f"failed to load, {e}.") 
        exit(2) 
    print(f"succeed to load key num {cc_result.success}.") 
    print(cc_result) 

相关文档