allocate_cache

函数功能

分配Cache，Cache分配成功后，会同时被cache_id与cache_keys引用，只有当这些引用都解除后，cache所占用的资源才会实际释放。

cache_id的引用需通过deallocate_cache解除，cache_keys的引用则可以通过以下2种方式解除。

• DECODER调用pull_cache接口成功后解除。
• PROMPT调用remove_cache_key接口时解除。

函数原型

allocate_cache(cache_desc: CacheDesc, cache_keys: Union[Tuple[CacheKey], List[CacheKey]] = ())

参数说明

调用示例

1

cache = kv_cache_manager.allocate_cache(kv_cache_desc, kv_cache_keys)

返回值

正常情况下返回KvCache。

传入数据类型错误情况下会抛出TypeError或ValueError异常。

cache_keys中包含之前allocate_cache时绑定的CacheKey的情况下抛出LLMException异常。

执行时间超过sync_kv_timeout配置会抛出LLMException异常。

约束说明

• 传入cache_keys时，如果Cache的batch size > 1，则需要提供相同数量的CacheKey，分别引用一组kv tensor。
• 如果当次推理的batch未占用满，即存在无效batch index，则需要插入特殊的CacheKey（将req_id设置为UINT64_MAX）占位，如果空闲的batch_index在末尾，则可以省略。
• 如果cache_keys存在重复，则最后一个生效。