Mooncake 与分离式 LLM 推理：KV Cache 传输、缓存与 Prefill-Decode 解耦深度工程实战
深度解析分离式LLM推理架构的设计哲学与工程实现，聚焦KV Cache传输协议、分布式缓存管理、RDMA高效传输、生产部署实践，以Mooncake/Prefill-Decode解耦为例
高性能计算
Linux io_uring 深度实战：从内核异步 I/O 到用户态 I/O 栈的工程范式革命
深入解析 Linux io_uring 的架构设计与高级用法：从共享内存环形队列的零拷贝协作到 SQPOLL 模式的极速提交，从 Multishot Accept 网络优化到 io_uring_cmd 的 NVMe 设备透传，结合生产级代码示例与性能基准数据，全面拆解这一正在改写 Linux I/O 格局的核心技术。
RDMA 编程实战：从 Verbs API 到零拷贝分布式系统架构
RDMA编程深度实战：从Verbs API到零拷贝分布式系统架构。涵盖RDMA核心概念、QP状态机、批量提交与Doorbell优化、ODP内存管理、内存窗口与FMR策略，以及NCCL在AI训练集群中的RDMA传输层原理，配套完整C语言代码示例。
AI 推理服务生产化实战：从 Jupyter Notebook 到高可用推理集群
从 Jupyter Notebook 到生产级推理平台的完整工程路线图：覆盖多模型共享推理引擎、Continuous Batching 调优、基于排队论的自适应扩缩容、GPU 显存碎片整理与 KV Cache 管理、模型热更新与灰度发布、三级缓存架构与成本优化策略。
WebGPU Subgroup 操作与 SIMT 性能优化实战：从 shuffle 到 ballot
WebGPU 的 subgroup 原语为 Web 平台带来了 GPU 级别的 SIMD 通信能力。本文深入讲解 subgroup 的核心操作（shuffle/ballot/reduction），并通过 4 个实战场景（高效归约、warp 级前缀和、分支优化、GEMM 分块策略）展示如何利用 subgroup 实现 workgroup 共享内存 3-12x 的性能突破。包含完整 WGSL 实现和 Chrome/Edge 的性能基准数据。
Linux io_uring 异步 I/O 革命：从 ring buffer 到高性能存储引擎深度实战
深度解析 Linux io_uring 异步 I/O 机制：从 ring buffer 共享内存架构、SQE/CQE 生命周期、固定缓冲区与文件注册、IORING_SETUP_SQPOLL 内核轮询模式、buf_group 多缓冲池选择、AF_XDP 网络发包集成，到 RocksDB/SPDK/io_uring 存储引擎生产实战与迁移陷阱，覆盖 5.1-6.x 内核演进全貌。
CUDA Unified Memory 深度工程：虚拟内存管理、页面迁移与 OOM 治理实战
深入剖析CUDA Unified Memory的内部机制、页面迁移策略、VMM虚拟内存管理API以及生产环境中的OOM治理方案。涵盖从CUDA 6到CUDA 12的内存模型演进、GPU缺页中断、cuMemAdvise/cuMemPrefetchAsync优化、Split Migration以及自研显存管理器的实战代码。
Linux io_uring 深入剖析：新一代异步 I/O 编程范式实战指南
深度解析 Linux io_uring 异步 I/O 框架：从设计哲学、核心数据结构、liburing 编程实战，到内核态协同、性能对比与生产实践
大语言模型推理服务的多级优先级调度 — 从请求路由到内存预留的生产级实现
当LLM推理集群同时为实时对话、在线API任务和离线批量推理服务时，如何确保高优先级请求不被饿死，同时最大化GPU利用率？本文从生产视角拆解LLM推理服务的多级优先级调度架构。
Slurm 作业调度与 GPU 拓扑感知调度深度工程实战：从 backfill 回填、gang scheduling 到 cgroup v2 隔离与 MPI 全链路解析
从 slurmctld 调度主循环与 TRES 资源模型出发，逐层拆解 backfill 回填两趟扫描、GPU 拓扑感知位图排序与 gpu-bind、topology/tree 交换机亲和、cgroup v2 设备隔离，以及 PMIx/torchrun 启动链路的生产级工程实践与落地清单。
