豆包API调用优化：Seedance2.0与龙虾实现Token高效翻倍
2026/6/20 12:24:07
PullKvCache
【免费下载链接】geGE（Graph Engine）是面向昇腾的图编译器和执行器，提供了计算图优化、多流并行、内存复用和模型下沉等技术手段，加速模型执行效率，减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力，并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge
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 A2 推理系列产品 | √ |
| Atlas A2 训练系列产品 | x |
函数功能
从远端节点拉取Cache到本地Cache，仅当角色为Decoder时可调用。
函数原型
Status PullKvCache(const CacheIndex &src_cache_index, const Cache &dst_cache, uint32_t batch_index = 0U, int64_t size = -1, const KvCacheExtParam &ext_param = {})参数说明
| 参数名称 | 输入/输出 | 取值说明 |
|---|---|---|
| src_cache_index | 输入 | 远端源Cache的索引。 |
| dst_cache | 输入 | 本地目的Cache。 |
| batch_index | 输入 | 本地目的batch的下标。 |
| size | 输入 | 设置为>0的整数，表示要拉取的大小。 或设置为-1，表示完整拉取。 默认为-1。 |
| ext_param | 输入 | 当前支持ext_param中src_layer_range的sencond与first的差值和dst_layer_range的sencond与first的差值一致。src_layer_range和dst_layer_range的first和second默认值都是-1，表示全部的层。取值范围都是[0, 最大可用层索引]，且first小于等于second。 最大可用层索引值的计算公式如下。 (CacheDesc::num_tensors / KvCacheExtParam::tensor_num_per_layer) - 1 当前支持tensor_num_per_layer取值范围是[1, 当前cache的tensor总数]，默认值为2。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
CacheIndex cache_index; cache_index.cluster_id = 0; cache_index.cache_id = cached_tensors.cache_id; cache_index.batch_index = 0; Status ret = llm_datadist.PullKvCache(cache_index, cache)返回值
- LLM_SUCCESS：成功
- LLM_PARAM_INVALID：参数错误
- LLM_NOT_YET_LINK：与远端cluster没有建链
- LLM_TIMEOUT：拉取超时
- LLM_KV_CACHE_NOT_EXIST：本地或远端KV Cache不存在
- 其他：失败
约束说明
该接口调用之前，需要先调用Initialize接口完成初始化。dst_cache必须为AllocateCache接口申请出的Cache。
【免费下载链接】geGE（Graph Engine）是面向昇腾的图编译器和执行器，提供了计算图优化、多流并行、内存复用和模型下沉等技术手段，加速模型执行效率，减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力，并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考