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
参数名称 |
参数类型 |
是否必选 |
描述 |
---|---|---|---|
slot_mapping |
List[int] |
是 |
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] |
是 |
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] |
是 |
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 |
否 |
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。 |
参数名称 |
参数类型 |
是否必选 |
描述 |
---|---|---|---|
slot_mapping |
List[int] |
是 |
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 |
是 |
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] |
否 |
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 |
否 |
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。 |
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
类型 |
说明 |
---|---|
参数解释: Context Caching访问内存池的执行结果。 取值范围: 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。
- 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)
- 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)