d5b140e5创建于 2025年12月26日历史提交

pull_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 A2 推理系列产品	√
Atlas A2 训练系列产品	x

函数功能

PagedAttention场景下，根据BlocksCacheKey，通过block列表的方式从对应的Prompt节点拉取KV到本地KV Cache，仅当LLMRole为DECODER时可调用。

函数原型

pull_blocks(prompt_cache_key: BlocksCacheKey, decoder_kv_cache: KvCache, prompt_blocks: List[int], decoder_blocks: List[int], **kwargs)

参数说明

参数名称	数据类型	取值说明
prompt_cache_key	BlocksCacheKey	需要被拉取的BlocksCacheKey。
decoder_kv_cache	KvCache	目标KV Cache。
prompt_blocks	List[int]	Prompt的block index列表。
decoder_blocks	List[int]	Decode的block index列表。
**kwargs	NA	这个是Python函数的可扩展参数通用写法，一般通过key=value的方式直接传入参数。可选参数的详细信息请参考表1。

表 1 **kwargs的可选参数

参数名称	数据类型	取值说明
src_layer_range	Optional[range]	可选参数，用于按层pull kv场景。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。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

from llm_datadist import *
...
kv_cache_manager.pull_blocks(prompt_cache_key, kv_cache, [0, 1], [2, 3])

# 使能layer_range功能示例
kv_cache_manager.pull_blocks(prompt_cache_key, kv_cache, [0, 1], [2, 3], src_layer_range=range(2), dst_layer_range=range(2))

返回值

正常情况下无返回值。

参数错误可能抛出TypeError或ValueError。

执行时间超过sync_kv_timeout配置会抛出LLMException异常。

约束说明

使用同一条链路时，此接口和transfer_cache_async接口不支持并发。
本接口不能被多线程并发调用。