vllm-project/vllm

[Feature]: Implement Concurrent Partial Prefills In V1 Engine

Ouverte

#14 003 ouverte le 28 févr. 2025

Voir sur GitHubGuide contributeur
 (17 commentaires) (0 réaction) (0 personne assignée)Python (16 816 forks)batch import
feature requesthelp wantedunstale

Métriques du dépôt

Stars
 (80 034 étoiles)
Métriques de merge PR
 (Métriques PR en attente)

Description

🚀 The feature, motivation and pitch

In V0, we support concurrent partial prefills to avoid TTFT latency with long requests. Implement it in V1

cc @WoosukKwon

Alternatives

No response

Additional context

No response

Before submitting a new issue...

  • Make sure you already searched for relevant issues, and asked the chatbot living at the bottom right corner of the documentation page, which can answer lots of frequently asked questions.

Guide contributeur

Direction de recherche
Commencez par étudier l'implémentation V0 des pré remplissages partiels concurrents dans le dépôt vllm, en vous concentrant sur l'ordonnanceur et l'exécuteur de modèle. Examinez les commentaires de l'issue pour les contraintes de conception. Identifiez les différences du moteur V1 et proposez une intégration qui évite la surcharge de latence TTFT. Considérez les discussions existantes ou les PR connexes pour vous guider.
Stack technique
python
Domaine
backendinfrastructure
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
4
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
Plus d'une semaine
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Investigation requise
Prérequis
PythonCUDA
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
15