llama.cpp b12432如何降低KV缓存序列删除的扫描开销?

浅墨大大_5480

浅墨大大_5480

2026-11-16

826人浏览

原创

llama.cpp b12432是预发布构建,针对kv缓存中的序列删除路径,改为利用按位置排序的索引查找需要删除的单元,避免每次都检查全部缓存单元。改变的是这段缓存管理工作的代价,不能直接解释为所有模型的生成速度都会按相同比例提高。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

llama.cpp本地模型推理软件

为什么删除少量位置也可能扫描整个缓存

KV缓存保存推理过程中使用的键和值。官方合并请求#32380指出,原有seq_rm通过检查缓存里的每个单元来定位某条序列对应的单元。分配的缓存越大,即使只回滚少量位置,也要承担检查大量单元的开销。

这里应区分分配容量与已经使用的内容。官方基准中的cells表示分配的缓存容量,对应-c参数;used表示对话中已经使用的token数量。两者不是同一个指标,不能把缓存容量直接当成当前对话长度。

llama.cpp b12432如何缩小查找范围

这次实现复用了已有的位置索引。索引按位置排序,新的删除函数从p0对应的下界开始,只遍历到p1之前,而不是从第一个缓存单元逐一检查到最后一个。范围采用[p0, p1),也就是包含起点、不包含终点。

代码仍按序列删除相应关联,并返回成为空单元的最低索引。缓存层据此调整后续寻找可用位置的起点。因此,这不是把全部KV缓存清空,也不是更换模型或扩大上下文上限,而是保持删除语义的同时减少查找工作。

llama.cpp b12432预发布说明中的KV单元扫描优化

官方微基准能说明什么

合并请求作者在Ryzen 7 5800X上进行了单核固定的微基准:使用-O2编译,对一条序列最后4个位置做一次回滚,取2000次运行的中位数。下列数字来自官方合并请求列出的函数微基准,属于该环境下的局部测量结果。

ClipDrop
ClipDrop

ClipDrop是一款提供抠图、清理、放大、补光和图像生成的 AI 图片工具套件。

下载
分配单元cells 已用token 原master,微秒 该修改,微秒
32768 24576 22.77 0.70
131072 98304 116.73 1.02
163584 98304 145.08 0.88
262144 8192 233.08 0.60

这些结果支持“大容量缓存中少量位置回滚的函数开销下降”这一判断。它们没有测量完整请求的首token延迟、每秒生成token数或GPU吞吐,也没有给出各种硬件和模型的统一性能结论。尤其不能将函数微秒数的比值直接当成整个推理服务的加速倍数。

删除行为是否仍保留原有边界

本次变更同时增加缓存测试,覆盖删除一条序列尾部时保留另一条序列、p1不包含在删除范围、重复位置的所有对应单元被删除,以及释放位置按单元索引重新使用等情况。对于多个序列共享的单元,移除其中一个序列的关联不会把另一个序列仍需的关联一并清掉。

这些是官方新增代码与测试所覆盖的边界,不能外推为所有后端的验证结论。b12432的发布页仍标记Pre-release;对生产环境而言,它首先是可评估的测试构建,不能据此作稳定性承诺。

哪些使用场景更值得关注

分配较大KV缓存、且经常进行少量位置回滚的推理流程,更贴近这份微基准讨论的问题。若一次请求的大部分时间用于模型计算,减少缓存管理开销对总耗时的影响仍取决于实际负载。此次说明没有要求所有CPU、CUDA、HIP或其他后端用户立即更换环境,也没有披露安全风险或强制迁移期限。

理解llama.cpp b12432时,重点是“从扫描全部分配单元转向按序列位置范围查找”。它改善了一条明确的内部路径;模型、硬件、上下文大小与应用请求特征,仍然决定用户最终能观察到什么变化。

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

2026.11.12

120

15

Go-Zero安装与goctl环境配置教程
Go-Zero安装与goctl环境配置教程

本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.12

100

15

Go-Zero零基础入门教程
Go-Zero零基础入门教程

本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。

2026.11.12

60

15

Postman身份认证怎么配置
Postman身份认证怎么配置

本专题从实际API接口调试场景出发,讲解Postman身份认证的完整配置流程,包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查,帮助用户正确完成接口授权与访问验证。

2026.11.06

160

12

Postman请求头Headers怎么设置
Postman请求头Headers怎么设置

围绕Postman HTTP请求头配置展开,讲解Headers选项的具体使用方式,包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法,帮助用户解决接口调试过程中遇到的请求头配置问题。

2026.11.06

140

13

Postman接口请求发送教程
Postman接口请求发送教程

详细介绍Postman接口请求的创建与发送方法,涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看,帮助用户掌握Postman接口请求的完整操作流程。

2026.11.06

120

10

DBeaver怎么导入数据
DBeaver怎么导入数据

DBeaver数据导入专题,整理Excel、CSV、SQL、TXT等常见文件的数据导入方法,涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作,帮助用户将本地文件中的数据写入数据库,并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。

2026.11.05

100

12

DBeaver安全防护教程大全
DBeaver安全防护教程大全

DBeaver安全防护专题,围绕数据库连接安全、账号密码保护和访问权限管理展开,整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法,同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项,帮助用户提高数据库日常管理的安全性。

2026.11.05

100

12

DBeaver连接创建与配置教程
DBeaver连接创建与配置教程

本专题聚焦DBeaver数据库连接配置与管理,覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库,整理相应的连接设置方法,并提供驱动缺失、认证失败和连接异常等问题的排查方向。

2026.11.04

100

16

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习