CANN/ge LLM缓存pull_cache API

2026/7/4 8:00:29

# pull_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

产品支持情况

Atlas A3 训练系列产品/Atlas A3 推理系列产品：支持
Atlas A2 推理系列产品：支持
Atlas A2 训练系列产品：不支持

函数功能

根据CacheKey，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_cache(cache_key: Union[CacheKey, CacheKeyByIdAndIndex], kv_cache: KvCache, batch_index: int = 0, size: int = -1, **kwargs)

参数说明

参数名称	数据类型	取值说明
cache_key	Union[CacheKey, CacheKeyByIdAndIndex]	需要被拉取的CacheKey。该CacheKey需要和allocate_cache的CacheKey保持一致。通过req_id，prefix_id，model_id拉取则传入CacheKey。通过cache_id，batch_index拉取则传入CacheKeyByIdAndIndex。
kv_cache	KvCache	目标KV Cache。
batch_index	int	表示目标KV Cache的batch index，默认为0。
size	int	默认为-1。设置为>0的整数，表示要拉取的tensor大小。或设置为-1，表示完整拷贝：本地单个KV的大小减去dst_cache_offset大小。
**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。
src_cache_offset	Optional[int]	设置>=0的整数。表示从src_cache tensor的offset位置拉取size大小的数据
dst_cache_offset	Optional[int]	设置>=0的整数。表示将源数据拉取到dst_cache tensor的offset起始位置
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 * ... cache_keys = [CacheKey(1, req_id=1), CacheKey(1, req_id=2)] kv_cache_manager.pull_cache(cache_keys[0], cache, 0) # 使能layer_range功能 kv_cache_manager.pull_cache(cache_keys[1], cache, 1, src_layer_range=range(0,2), dst_layer_range=range(2,4)) # 使能offset功能 kv_cache_manager.pull_cache(cache_keys[1], cache, src_cache_offset=0, dst_cache_offset=0)