https://zhuanlan.zhihu.com/p/65242220

sys是为了ml落地：机器学习分为若干阶段：数据收集和标定，处理数据，特征工程，编写模型，训练模型，模型管理，模型部署，其实每个阶段都对应着一种或多种机器学习系统，另外还有一些边缘计算AI系统，强化学习系统，AI视频系统

AI-System-School/llm_serving.md at master · HuaizhengZhang/AI-System-School · GitHub

clipper

吞吐量优化

比如：晚上的请求很多，所以等待时间比较短，可以增大batch

早上的请求很少，等待时间长，可以减少batch

SLO:service level objective(上线一个应用，为了让用户感到舒服，一般会设置一个指标，model serving主要是latency）即使有时候batch很小，但是为了不让用户等待很久，还是会开始打包，不会增大batch

delayed batching：在batch没满的情况下，等待两秒钟，如果有request，把加进去；如果没有，开始处理batch

总结：在latency满足用户的前提下，提高了吞吐量和系统利用率

latency优化

最近最少使用：least recently used

为什么会有延迟：计算消耗时间->不计算-->cache，将数据缓存起来->牺牲空间换取时间（kvcache也是一样的思路）

accuracy优化：强化学习

EXP3：

EXP4:

每个模型都试一遍？花费和准确率之间的trade-off，花费比较少达到比较高的准确度

训练优化三要素