亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

LLM Query Scheduling with Prefix Reuse and Latency Constraints

计算机科学 前缀 延迟(音频) 重新使用 并行计算 调度(生产过程) 数学优化 数学 工程类 语言学 电信 哲学 废物管理
作者
Gregory Dexter,Shao Tang,Ataollah Fatahi Baarzi,Qingquan Song,Tejas Dharamsi,Aman Gupta
出处
期刊: 卷期号:: 104655-104678 被引量:7
标识
DOI:10.52202/085713-3156
摘要

The efficient deployment of large language models (LLMs) in online settings requires optimizing inference performance under stringent latency constraints, particularly the time-to-first-token (TTFT) and time-per-output-token (TPOT). This paper focuses on the query scheduling problem for LLM inference with prefix reuse, a technique that leverages shared prefixes across queries to reduce computational overhead. Our work reveals previously unknown limitations of the existing first-come-first-serve (FCFS) and longest-prefix-match (LPM) scheduling strategies with respect to satisfying latency constraints. We present a formal theoretical framework for LLM query scheduling under RadixAttention, a prefix reuse mechanism that stores and reuses intermediate representations in a radix tree structure. Our analysis establishes the NP-hardness of the scheduling problem with prefix reuse under TTFT constraints and proposes a novel scheduling algorithm, $k$-LPM, which generalizes existing methods by balancing prefix reuse and fairness in query processing. Theoretical guarantees demonstrate that $k$-LPM achieves improved TTFT performance under realistic traffic patterns captured by a data generative model. Empirical evaluations in a realistic serving setting validates our findings, showing significant reductions in P99 TTFT compared to baseline methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
8秒前
俊秀的发卡完成签到,获得积分10
12秒前
21秒前
qcc发布了新的文献求助50
28秒前
成就苞络完成签到,获得积分10
28秒前
香蕉觅云的应助被科研通管家采纳,获得10
28秒前
炙热的安阳完成签到,获得积分10
33秒前
笑点低的丹蝶完成签到,获得积分10
36秒前
42秒前
Mistletoe完成签到 ,获得积分10
48秒前
标致访旋完成签到,获得积分10
1分钟前
甜美尔烟完成签到,获得积分10
1分钟前
LXhong发布了新的文献求助10
1分钟前
1分钟前
无花果的应助被LXhong采纳,获得10
1分钟前
科研通AI6.2的应助被qcc采纳,获得10
2分钟前
无极微光的应助被liu采纳,获得20
2分钟前
2分钟前
舒适的夜柳完成签到,获得积分10
2分钟前
深情安青的应助被wwwww采纳,获得10
2分钟前
我是老大的应助被wwwww采纳,获得10
2分钟前
呆萌的鞯完成签到,获得积分10
2分钟前
qcc发布了新的文献求助10
2分钟前
v0id的应助被科研通管家采纳,获得10
2分钟前
Xavier完成签到 ,获得积分10
2分钟前
科研通AI6.4的应助被wwwww采纳,获得10
2分钟前
欢喜的晓槐完成签到,获得积分10
2分钟前
英俊的鞅完成签到,获得积分10
2分钟前
LXhong发布了新的文献求助10
3分钟前
Rety发布了新的文献求助10
3分钟前
科目三的应助被qcc采纳,获得10
3分钟前
Rosie完成签到,获得积分10
3分钟前
3分钟前
3分钟前
qcc发布了新的文献求助10
3分钟前
Rosie发布了新的文献求助10
3分钟前
3分钟前
怕孤单的雪瑶完成签到,获得积分10
3分钟前
XXshen发布了新的文献求助10
3分钟前
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Das Matthäusevangelium: Kapitel 1:1–17 1000
IRTSD: Open-Source Data and Toolset for Electromagnetic Transient Analysis of Disturbances and IBR Control Malfunctions in Transmission Systems 1000
Entre Praga y Madrid : los contactos checoslovaco-españoles (1948-1977) 600
Les Mots du discours 600
A Consideration on Use of Material Grades for Hull Structural Members Based on Fracture Toughness(Second Report) 500
AI Disclosure in Annual Reports: Evolution, Determinants, and Capital Market Participants’ Perceptions 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8115173
求助须知:如何正确求助?哪些是违规求助? 9521302
关于积分的说明 21533246
捐赠科研通 7693255
什么是DOI,文献DOI怎么找? 3413482
关于科研通互助平台的介绍 2539767
邀请新用户注册赠送积分活动 2453570