push_blocks

产品支持情况

产品	是否支持
Atlas A3 训练系列产品/Atlas A3 推理系列产品	√
Atlas 800I A2 推理产品/A200I A2 Box 异构组件	√
Atlas A2 训练系列产品	x
Atlas 200I/500 A2 推理产品	x
Atlas 推理系列产品	x
Atlas 训练系列产品	x

函数功能

PagedAttention场景下，根据BlocksCacheKey，通过block列表的方式从本地节点推送Cache到远端Cache。

函数原型

push_blocks(self,
                    dst_cache_key: BlocksCacheKey,
                    src_cache: Cache,
                    src_blocks: Optional[Union[Tuple[int], List[int]]] = (),
                    dst_blocks: Union[Tuple[int], List[int]] = (),
                    src_layer_range: range = None,
                    dst_layer_range: range = None,
                    tensor_num_per_layer = _NUM_TENSORS_PER_LAYER)

参数说明

参数名称	数据类型	取值说明
dst_cache_key	BlocksCacheKey	远端的Cache索引。
src_cache	Cache	本地Cache。
src_blocks	Optional[Union[Tuple[int], List[int]]]	本地的block index列表。
dst_blocks	Union[Tuple[int], List[int]]	远端的block index列表。
src_layer_range	Optional[range]	可选参数，用于按层pull kv场景。默认值为None。传输源的layer的范围，step只支持1。不设置时为传输所有layer。需要注意这里是layer的index，而不是tensor的index，即1个layer对应连续N个tensor(K/V)，这里要求分配内存时，必须是KV,...,KV排布，不支持其他场景。N为tensor_num_per_layer的取值，默认为2。
dst_layer_range	Optional[range]	可选参数，用于按层pull kv场景。默认值为None。传输目标的layer的范围，step只支持1。不设置时为传输所有layer。需要注意这里是layer的index，而不是tensor的index，即1个layer对应连续N个tensor(K/V)，这里要求分配内存时，必须是KV,...,KV排布，不支持其他场景。N为tensor_num_per_layer的取值，默认为2。
tensor_num_per_layer	Optional[int]	可选参数，表示每层的tensor的数量，默认值是2，取值范围是[1,cache的tensor总数]。当src_layer_range或dst_layer_range取值为非默认值时， tensor_num_per_layer可以保持默认值，也可以输入其他值，输入其他值的时，tensor_num_per_layer的取值还需要被当前cache的tensor总数整除。

调用示例

请参考push_blocks_sample。

返回值

正常情况下无返回值。
传入数据类型错误情况下会抛出TypeError或ValueError异常。
执行时间超过sync_kv_timeout配置会抛出LLMException异常。
layer_range参数异常会抛出LLMException异常。

约束说明

当src_cache是HOST设备时，dst_cache是DEVICE设备时，仅支持src_cache与dst_cache都为PA的场景。
开启enable_remote_cache_accessible时会引入额外约束，详见该配置的约束说明章节。
在D2H和H2D传输场景，需要在Host端初始化时配置Device内存池。
当前仅支持src_layer_range和dst_layer_range取值一致。

父主题： CacheManager