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:2505.21919v1

帮助 | 高级搜索

计算机科学 > 新兴技术

arXiv:2505.21919v1 (cs)
[提交于 2025年5月28日 ]

标题: 面向高效键值缓存管理的LLM推理前缀预填充策略

标题: Towards Efficient Key-Value Cache Management for Prefix Prefilling in LLM Inference

Authors:Yue Zhu, Hao Yu, Chen Wang, Zhuoran Liu, Eun Kyung Lee
摘要: 随着具有扩展上下文窗口的大规模语言模型(LLMs)的广泛应用,高效的关键值缓存(KVC)管理成为优化推理性能的必要条件。检索增强生成(RAG)和代理等推理工作负载表现出较高的缓存可重用性,这使得高效的缓存管理对于减少冗余和提高速度至关重要。我们使用公开可用的跟踪数据分析了实际的KVC访问模式,并评估了Redis等商业键值存储以及基于RDMA的系统(CHIME [1] 和Sherman [2])用于KVC元数据管理的效果。我们的研究展示了针对KVC预填充缺乏专门存储解决方案的情况,强调了为LLM工作负载设计具有优化元数据管理的高效分布式缓存系统的必要性,并为设计可扩展且低延迟的KVC管理系统提供了见解。
摘要: The increasing adoption of large language models (LLMs) with extended context windows necessitates efficient Key-Value Cache (KVC) management to optimize inference performance. Inference workloads like Retrieval-Augmented Generation (RAG) and agents exhibit high cache reusability, making efficient caching critical to reducing redundancy and improving speed. We analyze real-world KVC access patterns using publicly available traces and evaluate commercial key-value stores like Redis and state-of-the-art RDMA-based systems (CHIME [1] and Sherman [2]) for KVC metadata management. Our work demonstrates the lack of tailored storage solution for KVC prefilling, underscores the need for an efficient distributed caching system with optimized metadata management for LLM workloads, and provides insights into designing improved KVC management systems for scalable, low-latency inference.
评论: 本文已被IEEE Cloud 2025接受为工作论文(WIP论文),最终版本将出现在IEEE Xplore中。
主题: 新兴技术 (cs.ET) ; 人工智能 (cs.AI); 分布式、并行与集群计算 (cs.DC)
引用方式: arXiv:2505.21919 [cs.ET]
  (或者 arXiv:2505.21919v1 [cs.ET] 对于此版本)
  https://doi.org/10.48550/arXiv.2505.21919
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yue Zhu [查看电子邮件]
[v1] 星期三, 2025 年 5 月 28 日 03:05:55 UTC (243 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
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.ET
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-05
切换浏览方式为:
cs
cs.AI
cs.DC

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