NCCL 内部机制：一次 AllReduce 如何变成拓扑图、Channel 与 GPU Kernel
沿着 NCCL 2.31.2 的真实执行路径，理解调优、传输与故障诊断
AI Infra · Systems · Performance
拆解复杂系统，
记录工程实践。
关注大模型推理、GPU 性能优化与云原生基础设施。这里沉淀原理推导，也记录真实工程里的取舍。
$ focus --on
LLM inference systems
GPU kernel optimization
Cloud native infrastructure
$ posts --count 77
77篇技术文章
24个技术主题
2021开始记录
Open持续更新
Latest writing
最新文章
多模态 Serving：图片进入 LLM 之前发生了什么
拆解 Media I/O、Processor、Encoder、Connector、Embedding Cache 与语言模型调度
GPUDirect RDMA：网卡如何直接访问 GPU Memory
从 PCIe BAR、内存注册与 rkey 到有序完成和可恢复数据面
Program-Aware Serving：Agent 等待工具时，GPU 状态该放在哪里
从 Call 依赖、PLAS/ATLAS 调度到 KV Preserve、Swap 与 Recompute，理解 Agent 工作流的推理数据面
Attention–FFN 解耦：一层 Transformer 为什么要跨两类 GPU Pool
从 KV 状态、MoE Expert 权重到逐层 Activation 传输，理解 AF Disaggregation 的容量与通信边界
DFlash：Block Diffusion 怎样一次生成一整段 Draft
从目标隐藏状态、并行块预测到前缀验证，理解扩散式推测解码的收益边界
结构化生成：Grammar 怎样约束每一个 Token
从 JSON Schema、Regex 与 CFG 到 Token Mask，理解 Constrained Decoding 的正确性与性能边界
GPU 互联拓扑：数据怎样从 HBM 走到另一张 GPU 与远端 NIC
从板内互联、PCIe 层级到跨节点 RDMA，建立可验证的数据路径模型
长请求治理：Chunked Prefill 之后，KV Cache 怎样避免被长输出占满
从输入公平调度、动态 KV 准入到高水位保护，理解长尾请求的完整生命周期
Zero-Bubble Pipeline Parallel：为什么 Weight Gradient 可以延后计算
从 Backward 依赖拆分、显存生命周期到优化器版本边界，理解接近零气泡的同步流水线