文档摘要

第 4 章 · 连续批处理：不让 GPU 空转 章节摘要：显存管好之后，浪费转移到了时间维度：请求什么时候进批、什么时候退出、批满了牺牲谁。本章沿"批的粒度"这条追因线走：静态批为什么让短请求陪跑（4.1），迭代级调度怎么把批的进出从"轮"细化到"步"，以及高峰期抢占、交换与重计算这套兜底组合拳（4.2）。读完本章，吞吐曲线上那些"反直觉"的形状都能得到解释。 会员。《第 4 章 连续批处理：不让 GPU 空转》收录于灏天文库文集《vLLM》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/828-vllm

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流