Mooncake

Mooncake

大语言模型服务架构采用KVCache分离设计

Mooncake是一种创新的大语言模型服务架构。它采用以KVCache为中心的分离设计,将预填充和解码集群分开,并充分利用GPU集群的闲置资源实现KVCache的分布式缓存。Mooncake的核心调度器在确保延迟服务水平目标的同时,最大化系统的有效吞吐量。通过实施预测性早期拒绝策略,该架构在高负载情况下表现优异,尤其适合长上下文场景。实验结果表明,在特定模拟环境中,Mooncake能够在满足服务水平目标的前提下,将系统吞吐量提升525%。

MooncakeLLM服务KVCache分离架构吞吐量Github开源项目
<div align="center"> <h1>月饼:以KVCache为中心的分解式<br/>大语言模型服务架构</h1> <a href="https://arxiv.org/abs/2407.00079" target="_blank"><strong>📃 技术报告</strong></a> </div> <br/>

月饼是 <a href="https://kimi.ai/"><img src="https://yellow-cdn.veclightyear.com/835a84d5/74b7efcf-9113-41eb-86e4-93db797bb7c3.png" alt="icon" style="height: 16px; vertical-align: middle;"> Kimi</a> 的服务平台,Kimi是由 <a href="https://www.moonshot.cn/"><img src="https://yellow-cdn.veclightyear.com/835a84d5/0883c6f2-eb79-4a84-9911-fec010c66c62.jpg" alt="icon" style="height: 16px; vertical-align: middle;"> Moonshot AI</a> 提供的领先大语言模型服务。 本仓库包含其技术报告和开源的跟踪数据。

更多内容即将推出 - 可能不会太快,但敬请期待!

<h2 id="updates">🔥 更新</h2>
  • 2024年7月9日: 我们将跟踪数据以<a href="https://github.com/kvcache-ai/Mooncake/blob/main/mooncake_trace.jsonl" target="_blank">jsonl文件</a>形式开源!
  • 2024年6月27日: 我们在知乎上发布了一系列中文博客,进行更深入的讨论 <a href="https://zhuanlan.zhihu.com/p/705754254">知乎1</a>, <a href="https://zhuanlan.zhihu.com/p/705910725">2</a>, <a href="https://zhuanlan.zhihu.com/p/706204757">3</a>, <a href="https://zhuanlan.zhihu.com/p/707997501">4</a>
  • 2024年6月26日: 初始技术报告发布。
<h2 id="overview">🎉 概述</h2>

月饼采用以KVCache为中心的分解式架构,将预填充和解码集群分离。它还利用GPU集群中未充分利用的CPU、DRAM和SSD资源来实现KVCache的分布式缓存。

架构

月饼的核心是其以KVCache为中心的调度器,在最大化整体有效吞吐量的同时满足与延迟相关的服务水平目标(SLO)要求。与假设所有请求都将被处理的传统研究不同,月饼面临高度超载场景的挑战。为缓解这些问题,我们开发了基于预测的早期拒绝策略。实验表明,月饼在长上下文场景中表现出色。与基线方法相比,月饼在某些模拟场景中可以在遵守SLO的同时实现高达525%的吞吐量增加。在真实工作负载下,月饼的创新架构使<a href="https://kimi.ai/">Kimi</a>能够处理75%更多的请求。

<h2 id="trace">📦 开源跟踪数据</h2>
{ "timestamp": 27482, "input_length": 6955, "output_length": 52, "hash_ids": [46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 2353, 2354] } { "timestamp": 30535, "input_length": 6472, "output_length": 26, "hash_ids": [46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 2366] }

以上展示了我们跟踪数据集中的两个样本。跟踪数据包括请求到达的时间、输入token数量、输出token数量和重新映射的块哈希。为保护客户隐私,我们应用了多种机制来移除用户相关信息,同时保留数据集对模拟评估的实用性。更多关于跟踪数据的描述(例如,高达50%的缓存命中率)可以在论文第3版的第4节中找到。

<h2 id="citation">📑 引用</h2> 如果您发现论文或跟踪数据有用,请引用我们的论文:
@article{qin2024mooncake, title = {Mooncake: A KVCache-centric Disaggregated Architecture for LLM Serving}, author = {Ruoyu Qin, Zheming Li, Weiran He, Mingxing Zhang, Yongwei Wu, Weimin Zheng, and Xinran Xu}, year = {2024}, url = {https://arxiv.org/abs/2407.00079} }

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多