本页学习说明
把逻辑序列按 B 个 token 一块组织，长度 T 需 ceil(T/B) 个块。图示 B=4、T=6，因此用两块：逻辑0保存1–4，逻辑1保存5–6，末块空2槽。生成到7、8时补满第二块；第9个需要第三块，末块空3槽。
块表把逻辑0、1、2分别映射到物理7、1、5；读写按逻辑顺序定位，物理块无需连续。它不改变 token 的因果顺序，也不是完全零浪费；尾块仍有内部空余。请求完成可以释放独占块，共享块须检查引用计数；写入共享尾块时，具体实现还需写时复制等安排。
PagedAttention/vLLM 在请求缓存的分配与访问层面工作，FlashAttention 在注意力算子的中间量存取层面工作，两者可以配合。
原分页图与说明 · 服务主题 · PagedAttention §4.3 / Fig.6，物理 p6。
阅读完整讲义