案例：Prefill Micro-Batch 双流流水

【免费下载链接】cannbot-skillsCANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体，本仓库为其提供可复用的 Skills 模块。项目地址: https://gitcode.com/cann/cannbot-skills

概述

这个案例解决的是 prefill 阶段“计算和通信串行，通信空洞明显”的问题。做法是把输入拆成两个 micro-batch，让两条流分别承载不同 micro-batch，并通过record_event/wait_event把 dispatch、expert、combine 等阶段流水化，最适合计算和通信都比较重的 prefill 场景。

背景与问题

prefill 常常是计算 bound，但在大模型的 EP 场景里，MoE 的 dispatch 和 combine 也会带来显著通信开销。如果这些阶段完全串行，芯片在等待通信或等待计算时都会出现空洞，造成端到端吞吐下降。

把 prefill 切成两个 micro-batch 后，虽然单次 shape 会变化，但如果计算和通信的线性度足够好，就能用一条流做当前 micro-batch 的计算，用另一条流穿插上一个或下一个 micro-batch 的通信，从而实现通信隐藏。

核心思路

• 创建主流cur_stream和副流stream1。
• micro-batch 0 和 micro-batch 1 在不同流上生成输入。
• Attention、gate、dispatch、expert、combine、finalize 不再线性执行，而是借助 event 形成流水。
• 这种案例的重点不是“简单双流”，而是“多阶段事件编排”。

执行编排图

关键代码

第一段代码是双流入口，最核心的是先创建副流：

self.micro_batch_mode = MicroBatchMode(...) if self.micro_batch_mode != MicroBatchMode.DISABLE: self.stream1 = torch.npu.Stream()

第二段代码展示最基础的两条流分别处理两个 micro-batch：

cur_stream = torch.npu.current_stream() with torch.npu.stream(cur_stream): hidden_states_mb0, residual_mb0, _, cos_sin_mb0, slot_mapping_mb0, actual_seq_lengths_kv_mb0 = \ self.prepare_inputs_for_layer(input_ids_mb0, kv_len_mb0, position_ids, actual_seq_lengths_kv_mb0, is_prefill) with torch.npu.stream(self.stream1): hidden_states_mb1, residual_mb1, _, cos_sin_mb1, slot_mapping_mb1, actual_seq_lengths_kv_mb1 = \ self.prepare_inputs_for_layer(input_ids_mb1, kv_len_mb1, position_ids, actual_seq_lengths_kv_mb1, is_prefill)

第三段代码展示事件驱动的 dispatch/expert/combine 流水：

event_routing_dispatch_mb0 = cur_stream.record_event() with torch.npu.stream(self.stream1): self.stream1.wait_event(event_routing_dispatch_mb0) tokens_per_expert_group_mb0, gathered_tokens_mb0, gathered_pertoken_scale_mb0, input_splits_mb0, \ output_splits_mb0 = decode_layer.forward_dispatch_double_routing( tokens_per_expert_mb0, expanded_x_mb0, pertoken_scale_mb0 ) event_dispatch_expert_mb0 = self.stream1.record_event() cur_stream.wait_event(event_dispatch_expert_mb0) new_x_mb0 = decode_layer.forward_expert( gathered_tokens_mb0, tokens_per_expert_group_mb0, gathered_pertoken_scale_mb0 ) event_expert_combine_mb0 = cur_stream.record_event()

复用参考

• 代表实现：DeepSeek-R1 prefill。
• 相似实现：其他 EP + micro-batch 场景可参考其事件编排方式。
• 特化实现：SP-TP-EP 与 DP-EP 可能采用不同流水版本。

注意事项

• shape 切半后如果算子性能显著劣化，双流可能收益变差。
• event 顺序稍有错误就可能造成死等、早读或精度异常。
• 双流只是手段，真正关键是 dispatch、expert、combine 的排列顺序。

关键词

torch.npu.Streamrecord_eventwait_eventmicro-batchdispatchcombine

【免费下载链接】cannbot-skillsCANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体，本仓库为其提供可复用的 Skills 模块。项目地址: https://gitcode.com/cann/cannbot-skills