OD-MoE: On-Demand Expert Loading for Cacheless Edge-Distributed MoE Inference
The Chinese University of Hong Kong(香港中文大学)
OD-MoE通过按需专家加载技术,实现无缓存边缘分布式MoE推断,显著提升内存利用率和推断效率。
2025-12-03 cs.DC
SAEM: Stage-Aware Expert Management for Memory-Efficient MoE Inference in Chain-of-Thought Reasoning
School of Computing, National University of Singapore(新加坡国立大学计算机学院)
针对思维链推理中MoE模型的内存与延迟问题,提出SAEM阶段感知型专家管理运行时,通过阶段感知缓存等技术提升吞吐量,在受限GPU内存下平均实现1.33倍的性能提升。
2026-08-25 cs.AI cs.DC
DistCache: Provable Load Balancing for Large-Scale Storage Systems with Distributed Caching
负载均衡对于分布式存储满足严格的服务级别目标(SLO)至关重要。已经表明,快速高速缓存可以保证集群存储系统的负载均衡。然而,当系统扩展到多个集群时,快速缓存本身将成为瓶颈。传统的缓存分区和缓存复制机制要么导致缓存节点之间的负载不平衡,要么为缓存一致性带来很高的开销。我们提出DistCache,一个新的分布式缓存机制,提供可证明的负载均衡的大规模存储系统。DistCache通过缓存拓扑和查询路由共同设计缓存分配。其核心思想是在不同层的缓存节点之间使用独立的哈希函数划分热对象,并使用二次选择的幂自适应路由查询。我们证明,DistCache使高速缓存的吞吐量线性增加的高速缓存节点的数量,通过统一的技术,从扩展图,网络流,排队论。DistCache是一种通用解决方案,可应用于许多存储系统。我们展示了DistCache的好处,提供设计,实施和评估的用例,新兴的基于交换机的缓存。
2019-02-14 cs.DC cs.NI
A Learned Cache Eviction Framework with Minimal Overhead
最近的工作表明,机器学习(ML)的有效性,以减少缓存未命中率,使更好的驱逐决定比竞争。然而,最先进的ML缓存需要许多预测来做出驱逐决定,这使得它们对于高吞吐量缓存系统来说是不切实际的。本文介绍了机器学习在尾部(MAT),一个框架,以建立高效的ML为基础的缓存系统集成ML模块与传统的缓存系统的基础上的启发式算法。MAT将启发式算法视为一个过滤器,以接收高质量的样本来训练ML模型和可能的候选对象。我们在8个生产工作负载上评估MAT,包括存储、内存缓存和CDN。仿真实验表明,MAT将每次驱逐的昂贵ML预测数量从63减少到2,同时实现了与最先进的ML缓存系统相当的未命中率。我们比较了MAT原型系统与基于LRU的缓存系统在相同的设置,并表明,他们实现了类似的请求率。
2023-01-27 cs.DC cs.OS
Cache Where you Want! Reconciling Predictability and Coherent Caching
实时和网络物理系统需要在可预测的时间内与其物理环境进行交互并做出响应。虽然多核平台提供了令人难以置信的计算能力和吞吐量,但它们也引入了新的不可预测性来源。访问多个核心之间共享的数据的延迟的大幅波动是整体执行时间可变性的重要贡献者。除了缓存所带来的时间不可预测性之外,具有跨多个核心共享的数据的并行应用程序还由于数据一致性而付出额外的延迟开销。分析数据一致性对实时应用程序的最坏情况执行时间的影响是具有挑战性的,因为制造商只透露了很少的实现细节。本文介绍了应用程序级控制缓存数据在不同级别的缓存层次结构。基本原理是,通过仅在共享缓存中缓存数据,可以绕过私有缓存。对高速缓存中存在的数据的访问延迟变得与其一致性状态无关。我们讨论现有的架构支持,以及所需的硬件和操作系统的修改,以支持建议的缓存控制。我们评估系统的建筑模拟器。我们表明,最坏情况下的执行时间为一个单一的内存写入请求减少了52%。基准测试结果表明,所提出的技术对平均性能的影响最小。
2021-06-27 cs.DC cs.OS
Optimizing High-Throughput Distributed Data Pipelines for Reproducible Deep Learning at Scale
Uber Technologies(优步科技公司)
本文通过Petastorm数据加载器和Apache Parquet数据集优化分布式GPU训练流水线,解决数据加载瓶颈,提升GPU利用率至60%以上,减少训练时间至3小时,实现高吞吐可重复大规模模型训练。
2026-04-23 cs.DC
Scaling Laws of the Throughput Capacity and Latency in Information-Centric Networks
以信息为中心的无线网络将存储视为网络原语之一,并提出在网络内缓存数据以改善延迟并减少带宽消耗。我们研究的吞吐量容量和延迟在信息为中心的网络中的数据缓存在每个节点有一个有限的生命周期。结果表明,在一定的请求和缓存过期率下,数据访问时间的顺序不随网络增长而改变,最大吞吐量顺序分别与网格网络和随机网络的网络规模$n$的平方根和对数成反比.将这些值与没有缓存功能的相应吞吐量和延迟(吞吐量与网络大小成反比,以及网格和随机网络中分别为$\sqrt{n}$和$\sqrt{\frac{n}{\log n}}$的延迟)进行比较,我们实际上可以量化缓存的渐近优势。此外,我们比较了这些缩放定律不同的内容发现机制,并说明了没有太多的收益损失时,使用一个简单的路径搜索。
2015-04-30 cs.DC cs.NI
RAGCache: Efficient Knowledge Caching for Retrieval-Augmented Generation
Peking University(北京大学);ByteDance Inc.(字节跳动公司)
针对RAG因知识注入长序列导致的高计算与内存开销,提出多级动态缓存系统RAGCache,通过知识树组织中间状态并设计感知LLM推理与RAG检索的替换策略及重叠机制,使首字时间最多降低4倍、吞吐量最多提升2.1倍。
2024-04-25 cs.CL cs.DC cs.LG
10Cache: Heterogeneous Resource-Aware Tensor Caching and Migration for LLM Training
Kuwait University, Kuwait(科威特大学)
针对云端LLM训练的内存瓶颈与现有卸载方案的缺陷,提出异构资源感知的张量缓存迁移系统10Cache,通过智能协调多层存储、优化预取与内存分配,显著提升训练速度与资源利用率。
2025-11-18 cs.DC cs.LG
ShadowServe: Interference-Free KV Cache Fetching for Distributed Prefix Caching
Harvard University(哈佛大学);University of Chicago(芝加哥大学);University of Washington(华盛顿大学);UC Davis(加州大学戴维斯分校)
ShadowServe 是首个 SmartNIC 加速的无干扰分布式前缀缓存系统,通过控制平面与数据平面分离及分块流水线和最小拷贝内存管理,在低带宽下显著降低 TPOT 和 TTFT 并提升吞吐量。
2025-09-21 cs.AI cs.DC cs.LG
CacheSolidarity: Preventing Prefix Caching Side Channels in Multi-Tenant LLM Serving Systems
IMDEA Software Institute(IMDEA软件研究所);Universidad Politécnica de Madrid(马德里理工大学)
本文提出PrefixWall系统,通过监控缓存重用并选择性隔离前缀,有效缓解多租户LLM服务系统中自动前缀缓存(APC)侧信道带来的安全风险,同时提升缓存利用率和推理效率。
2026-10-30 cs.CR cs.DC cs.LG
LipCache: A Local Inference Proxy with Certified Caching for Edge Image Classification Service
Hangzhou City University(杭州城市大学);Zhejiang University(浙江大学);ICREA(加泰罗尼亚研究与高级研究所);TU Wien(维也纳技术大学)
LipCache是带可验证缓存的边缘图像分类本地推理代理,通过轻量GuardNet实现几何可验证缓存决策,在多数据集上获最高1.65倍加速,且保持可验证一致性,为边缘缓存辅助推理提供可行方案。
2026-08-14 cs.AI cs.DC
KVFlow: Efficient Prefix Caching for Accelerating LLM-Based Multi-Agent Workflows
针对LLM多智能体工作流中LRU缓存策略导致的频繁未命中问题,提出工作流感知的KV缓存管理框架KVFlow,通过Agent Step Graph预测未来激活并执行细粒度驱逐与完全重叠预取,显著提升服务效率。
2025-07-10 cs.DC cs.MA
In-DRAM True Random Number Generation Using Simultaneous Multiple-Row Activation: An Experimental Study of Real DRAM Chips
ETH Zürich(苏黎世联邦理工学院);CISPA(CISPA亥姆霍兹信息安全中心)
本研究通过实验验证了在商用DRAM芯片中利用同时多行激活(SiMRA)生成真随机数,实现了高吞吐量和低延迟,并开源了基础设施。
2025-10-23 cs.AR cs.CR cs.DC
Client-side transparent caching for remote ROOT data analysis
Massachusetts Institute of Technology(麻省理工学院);CERN(欧洲核子研究组织)
针对高能物理远程ROOT数据分析的网络延迟问题,提出透明客户端缓存uCache,经基准测试可显著提升后续分析速度,1TB缓存可满足10-20TB数据集需求。
2026-09-02 cs.DC hep-ex
Pipeline Parallelism with Controllable Memory
Sea AI Lab(Sea AI实验室);National University of Singapore(新加坡国立大学)
本文提出一种将流水线调度分解为构建块的框架,发现构建块寿命决定峰值激活内存,并设计可控内存的构建块,在纯流水线中吞吐量提升7%-55%,混合并行中提升16%。
2024-11-04 cs.CL cs.DC cs.LG
SlimCaching: Edge Caching of Mixture-of-Experts for Distributed Inference
Department of Electrical and Computer Engineering, The University of Hong Kong(电子与计算机工程系,香港大学)
SlimCaching通过优化边缘服务器上的专家缓存,减少MoE模型的推理延迟,采用贪心分解和动态规划方法解决非子模性问题。
2026-03-01 cs.DC cs.LG cs.NI
Chameleon: Adaptive Caching and Scheduling for Many-Adapter LLM Inference Environments
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);IBM Research(IBM 研究院)
针对多适配器LLM推理环境的低效问题,提出Chameleon系统,通过适配器缓存和适配器感知调度,减少加载时间与带宽开销、解决队首阻塞,显著降低延迟并提升吞吐量。
2025-11-12 cs.AR cs.DC cs.OS
Compiler-First State Space Duality and Portable $O(1)$ Autoregressive Caching for Inference
Imperial College London(帝国理工学院伦敦分校)
提出一种基于编译器优先的状态空间对偶性(SSD)结构的推理方法,通过标准JAX原语实现无自定义内核的单源推理路径,在TPU和GPU上达到高硬件利用率,且缓存解码速度比全前缀重计算快27-36倍。
2026-06-11 cs.AI cs.DC cs.LG