腾讯宣布正式开源 FlexKV 项目，一个由腾讯云主导并开源的分布式KVCache多级缓存架构，用以解决分布式 KV Cache 和多级缓存的精细管理，并建起推理引擎到云存储的桥梁。

FlexKV将 KV Cache 逐层缓存至内存、SSD 及云端扩展存储，充分利用整个推理集群节点上的存储资源及外置扩展资源，以存换算，提高性价比和系统吞吐，并极大降低 TTFT 等延迟指标。

实测结果表明中，FlexKV 在真实场景下显著降低推理延迟：

• 产品说明增强搜索：使用FlexKV预缓存产品说明文档 KV Cache，客户搜索时直接复用，TTFT 降低 70%
• 医疗问答助手：使用FlexKV预缓存多个医疗知识库 KV Cache，客户提问时即时提取，对话时延降低 57%

架构设计

FlexKV由三大核心引擎协同工作：

StorageEngine —— 数据存储引擎

负责初始化并管理三级缓存（内存 / SSD / 扩展云存储），保持与 GPU 内部 KV 形状（shape）完全一致，通过 block ID 快速计算物理偏移。

支持 block-wise 模式，可将多个网络层（layer）的 KV 缓存合并为更大粒度的 block，提升 I/O 传输效率，降低单位访问开销。

GlobalCacheEngine —— 全局缓存控制引擎

负责决策数据调度路径、源端与目标端 block ID 映射，实现智能缓存管理。它包括：

• RadixTree：高效支持前缀匹配（match/insert），用于快速定位缓存块
• 内存池（mempool）：实时追踪缓存空间使用，触发 LRU 等淘汰策略

当新请求到达时，GlobalCacheEngine 将比对各级存储中已缓存的 token 数量，智能决策是否从 SSD 或远端扩展存储拉取数据，并通过内存中转至 GPU，实现最优访问路径。

TransferEngine —— 高性能数据传输引擎

负责执行 GlobalCacheEngine 下发的数据搬运指令。

核心特性：

• 多进程 + 多线程架构：最大化并行传输能力
• 支持 io_uring、异步 I/O 等高性能 I/O 技术：突破传统 I/O 瓶颈，实现毫秒级数据搬运

FlexKV 以“以存换算”为核心理念，通过多级缓存架构显著降低推理延迟、提升系统吞吐。主要优势包括：

• 分层缓存，弹性降本 支持“内存 → SSD → 可扩展云存储”三级缓存体系。用户既可利用本地闲置资源构建低成本缓存，也可在云原生环境中接入远端共享存储，实现跨节点 KV Cache 共享与无限扩展。
• 极致性能，毫秒响应 融合 Blockwise 存储、优化 RadixTree、多进程并行、io_uring 异步 I/O 等多项技术，将 KV Cache 存取延迟压降至毫秒至亚毫秒级，大幅减少 Prefill 阶段计算负载。
• 开源开放，轻松集成 提供完整、清晰的示例代码与接入文档，开发者可零改造或极低改造将 FlexKV 集成至主流推理框架，如 vLLM 与 Dynamo，快速落地生产环境。

接下来，FlexKV 将持续迭代，重点推进以下方向：

• 框架深度适配：陆续发布对 vLLM、SGLang 等主流推理框架的官方支持
• 分布式查询能力：构建多节点共享 KV Cache 查询架构
• 延迟极致优化：引入压缩、智能调度等机制，进一步压降端到端延迟
• 其他扩展存储接入：支持 GooseFS 等其他可扩展存储接入，强化云原生存储生态