整体开发流程

简介

为了方便后续的描述，我们对于不同的推理框架抽象为几个模块：

• 资源初始化模块。
• KV Cache管理模块。包括KV Cache的内存的创建，分配（PA场景）以及销毁。
• 模型推理模块。
• 资源释放模块。

本章节主要是介绍开发者如何在推理框架中使能LLM-DataDist的能力。

开发流程

1. 找到推理框架中的资源初始化模块，在该阶段中调用LLM-DataDist的初始化接口和建链接口。
2. 找到推理框架中的KV Cache管理模块，在该阶段中调用LLM-DataDist的KV Cache申请接口，将申请好的KV Cache转换为不同框架的KV Cache类型进行推理。或者调用LLM-DataDist的注册接口将自行申请的内存注册到LLM-DataDist。
3. 推理框架要能够拆分出Prefill阶段和Decode阶段，对推理脚本进行分离部署，部署到不同的集群节点上。在Decode阶段执行前需要接收来自Prefill阶段的输出作为输入，同时调用LLM-DataDist提供的KV Cache传输接口拉取或推送Prefill侧缓存的KV Cache。
4. 分别执行Prefill推理脚本和Decode推理脚本。
5. 在框架资源释放模块释放LLM-DataDist相关资源。