Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2407.00079v4

帮助 | 高级搜索

计算机科学 > 分布式、并行与集群计算

arXiv:2407.00079v4 (cs)
[提交于 2024年6月24日 (v1) ,最后修订 2025年9月3日 (此版本, v4)]

标题: 月饼:一种以KV缓存为中心的LLM服务解耦架构

标题: Mooncake: A KVCache-centric Disaggregated Architecture for LLM Serving

Authors:Ruoyu Qin, Zheming Li, Weiran He, Mingxing Zhang, Yongwei Wu, Weimin Zheng, Xinran Xu
摘要: 月球蛋糕是Kimi的部署平台,Kimi是由Moonshot AI提供的领先大型语言模型服务。 它采用以KV缓存为中心的解耦架构,将预填充和解码集群分离。 它还利用GPU集群中未充分利用的CPU、DRAM和SSD资源,实现KV缓存的解耦缓存。 月球蛋糕的核心是其以KV缓存为中心的调度器,在最大化整体有效吞吐量的同时满足与延迟相关的服务等级目标(SLO)。 与传统研究假设所有请求都将被处理不同,月球蛋糕由于高度过载的场景面临挑战。 为了缓解这些问题,我们开发了一种基于预测的早期拒绝策略。 实验表明,月球蛋糕在长上下文场景中表现出色。 与基准方法相比,月球蛋糕在某些模拟场景中可以在遵守SLO的前提下实现吞吐量最高525%的提升。 在实际工作负载下,月球蛋糕的创新架构使Kimi能够处理75%更多的请求。
摘要: Mooncake is the serving platform for Kimi, a leading LLM service provided by Moonshot AI. It features a KVCache-centric disaggregated architecture that separates the prefill and decoding clusters. It also leverages the underutilized CPU, DRAM, and SSD resources of the GPU cluster to implement a disaggregated cache of KVCache. The core of Mooncake is its KVCache-centric scheduler, which balances maximizing overall effective throughput while meeting latency-related Service Level Objectives (SLOs). Unlike traditional studies that assume all requests will be processed, Mooncake faces challenges due to highly overloaded scenarios. To mitigate these, we developed a prediction-based early rejection policy. Experiments show that Mooncake excels in long-context scenarios. Compared to the baseline method, Mooncake can achieve up to a 525% increase in throughput in certain simulated scenarios while adhering to SLOs. Under real workloads, Mooncake's innovative architecture enables Kimi to handle 75% more requests.
评论: 23页,13图
主题: 分布式、并行与集群计算 (cs.DC) ; 人工智能 (cs.AI); 硬件架构 (cs.AR)
引用方式: arXiv:2407.00079 [cs.DC]
  (或者 arXiv:2407.00079v4 [cs.DC] 对于此版本)
  https://doi.org/10.48550/arXiv.2407.00079
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ruoyu Qin [查看电子邮件]
[v1] 星期一, 2024 年 6 月 24 日 02:05:32 UTC (264 KB)
[v2] 星期二, 2024 年 7 月 2 日 02:49:35 UTC (264 KB)
[v3] 星期二, 2024 年 7 月 9 日 04:03:10 UTC (280 KB)
[v4] 星期三, 2025 年 9 月 3 日 14:56:29 UTC (245 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
cs.DC
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-07
切换浏览方式为:
cs
cs.AI
cs.AR

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号