Mindket

sched-sim

新上架第 1 版 · 更新于

概览

一个 LLM 服务调度器的浏览器模拟器,用动画甘特图比较连续批处理、分块预填充、最短作业优先和分离式服务。适合工程师和学生。

sched-sim 是一款工具包,属于教育类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python 和 pip
  • 任意网页浏览器
用在
  • 网页浏览器:Hugging Face 上这个 Space 的页面,无需安装任何东西
  • Windows、macOS 或 Linux:下载后的文件,用浏览器打开
  • Python:说明里提到的同名 PyPI 包
先运行
pip install -U huggingface_hub
hf download prajwalpujari16/sched-sim --repo-type space --local-dir sched-sim
cd sched-sim

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

sched-sim 是一个浏览器模拟器,展示 LLM 服务调度器如何给任务排序。页面背后是对三个概念的逐事件模拟:不停顿的批处理、被切成小块的预填充,以及一次长预填充拖住后面排队请求的情形。结果会播放成动画甘特图。它是静态页面,所以没有任何东西在服务器上运行。

适合谁

适合想看看调度选择为什么会改变请求等待时间的人。

谁会用这个模拟器
IndustryWho uses itHow they use itExample
ML 基础设施服务工程师在改动系统之前比较调度策略先后播放阻塞场景和分块场景
教育学生学习服务调度器是怎么工作的看甘特图播放器逐步展示请求
AI 研究研究人员推演调度对延迟的影响试用最短作业优先策略

如果你需要用真实流量调优在线的服务系统,可以跳过它,因为这是一个模拟。

用在哪里

你可以在线使用,也可以在自己电脑上打开它的文件。

  • 网页浏览器:Hugging Face 上这个 Space 的页面,无需安装任何东西
  • Windows、macOS 或 Linux:下载后的文件,用浏览器打开
  • Python:说明里提到的同名 PyPI 包
这个模拟器适合做什么
Use caseWhoWhat they get back
看预填充阻塞学生一个长提示词挡住较短提示词的动画
比较策略工程师分块预填充、最短作业优先和分离式服务的甘特视图
教学调度讲师一个可以带学生一步步看的可视化

如何设置

托管的页面什么都不用装。获取文件需要 Python 和 pip。

  • Python 和 pip
  • 任意网页浏览器
  1. 安装 huggingface_hub 包。
  2. 把这个 Space 的文件下载到一个文件夹。
  3. 进入这个文件夹。
  4. 在网页浏览器里打开 index.html。
pip install -U huggingface_hub
hf download prajwalpujari16/sched-sim --repo-type space --local-dir sched-sim
cd sched-sim

说明里还提到一个 PyPI 包,用这条命令安装。

pip install sched-sim

如何使用

在线打开这个 Space,或者打开下载文件夹里的 index.html。然后在甘特图播放器上按播放,比较它演示的各种策略。

甘特图播放器演示的内容
ToolWhat it does
Head-of-Line prefill blocking展示一次长预填充如何拖延它后面的请求
Chunked prefill把预填充切成 512 个 token 的块,即 Sarathi 的做法
Shortest-job-first让最短的请求先运行
Disaggregated serving把服务的各个阶段分到不同资源上

示例

你播放队首阻塞的场景,看短请求排在一次长预填充后面。然后播放分块预填充的场景,比较同样的请求在甘特图上是怎么排列的。

新手与专家

如果你刚接触,先从阻塞场景开始。预填充是模型读取提示词的那一步,一个很长的预填充会挡住后面的一切。

如果你熟悉这个领域,这个页面运行离散事件模拟,并比较队首阻塞、块大小为 512 个 token 的 Sarathi 式分块预填充、最短作业优先和分离式服务。它提到一个服务轨迹数据集。

  1. 打开模拟器
  2. 选一个调度策略
  3. 模拟运行这些请求
  4. 甘特图播放器把结果动画展示出来

注意事项

这是对调度的模拟,不是实时的服务引擎。

  • 静态页面:纯 HTML 和 CSS,没有服务器代码
  • 数据集:这个 Space 提到一个服务轨迹数据集
  • License: apache-2
  • Cost to run: 未提及
  • Data it reaches: 说明里没有提到它自己的文件之外的任何东西
  • Not for: 用真实流量调优在线的服务系统

README 和文件

README

sched-sim

一个 LLM 服务调度器的浏览器模拟器,用动画甘特图比较连续批处理、分块预填充、最短作业优先和分离式服务。适合工程师和学生。

由 prajwalpujari16 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:sched-sim 是一个浏览器模拟器,展示 LLM 服务调度器如何给任务排序。页面背后是对三个概念的逐事件模拟:不停顿的批处理、被切成小块的预填充,以及一次长预填充拖住后面排队请求的情形。结果会播放成动画甘特图。它是静态页面,所以没有任何东西在服务器上运行。

适合谁:适合想看看调度选择为什么会改变请求等待时间的人。

Title: 谁会用这个模拟器
Industry | Who uses it | How they use it | Example
ML 基础设施 | 服务工程师 | 在改动系统之前比较调度策略 | 先后播放阻塞场景和分块场景
教育 | 学生 | 学习服务调度器是怎么工作的 | 看甘特图播放器逐步展示请求
AI 研究 | 研究人员 | 推演调度对延迟的影响 | 试用最短作业优先策略

如果你需要用真实流量调优在线的服务系统,可以跳过它,因为这是一个模拟。

用在哪里:你可以在线使用,也可以在自己电脑上打开它的文件。

  • 网页浏览器:Hugging Face 上这个 Space 的页面,无需安装任何东西
  • Windows、macOS 或 Linux:下载后的文件,用浏览器打开
  • Python:说明里提到的同名 PyPI 包
Title: 这个模拟器适合做什么
Use case | Who | What they get back
看预填充阻塞 | 学生 | 一个长提示词挡住较短提示词的动画
比较策略 | 工程师 | 分块预填充、最短作业优先和分离式服务的甘特视图
教学调度 | 讲师 | 一个可以带学生一步步看的可视化

如何设置:托管的页面什么都不用装。获取文件需要 Python 和 pip。

  • Python 和 pip
  • 任意网页浏览器
  1. 安装 huggingface_hub 包。
  2. 把这个 Space 的文件下载到一个文件夹。
  3. 进入这个文件夹。
  4. 在网页浏览器里打开 index.html。
pip install -U huggingface_hub
hf download prajwalpujari16/sched-sim --repo-type space --local-dir sched-sim
cd sched-sim

说明里还提到一个 PyPI 包,用这条命令安装。

pip install sched-sim

如何使用:在线打开这个 Space,或者打开下载文件夹里的 index.html。然后在甘特图播放器上按播放,比较它演示的各种策略。

Title: 甘特图播放器演示的内容
Tool | What it does
Head-of-Line prefill blocking | 展示一次长预填充如何拖延它后面的请求
Chunked prefill | 把预填充切成 512 个 token 的块,即 Sarathi 的做法
Shortest-job-first | 让最短的请求先运行
Disaggregated serving | 把服务的各个阶段分到不同资源上

示例:你播放队首阻塞的场景,看短请求排在一次长预填充后面。然后播放分块预填充的场景,比较同样的请求在甘特图上是怎么排列的。

新手与专家:如果你刚接触,先从阻塞场景开始。预填充是模型读取提示词的那一步,一个很长的预填充会挡住后面的一切。

如果你熟悉这个领域,这个页面运行离散事件模拟,并比较队首阻塞、块大小为 512 个 token 的 Sarathi 式分块预填充、最短作业优先和分离式服务。它提到一个服务轨迹数据集。

打开模拟器
选一个调度策略
模拟运行这些请求
甘特图播放器把结果动画展示出来

注意事项:这是对调度的模拟,不是实时的服务引擎。

  • 静态页面:纯 HTML 和 CSS,没有服务器代码
  • 数据集:这个 Space 提到一个服务轨迹数据集
  • License: apache-2
  • Cost to run: 未提及
  • Data it reaches: 说明里没有提到它自己的文件之外的任何东西
  • Not for: 用真实流量调优在线的服务系统

Hugging Face 上的数据(2026年11月13日)

  • 点赞:1
  • 构建方式:static
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/prajwalpujari16/sched-sim
  • 文件:https://huggingface.co/spaces/prajwalpujari16/sched-sim/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
sched-sim 本页1staticapache-2.0
The Ultra-Scale Playbook共有 static4,131staticapache-2.0
LLM训练终极指南 | The Ultra-Scale Playbook共有 static281staticapache-2.0
Attention Visualization共有 static200staticapache-2.0
Number Tokenization Blog共有 static127staticmit
Train the agent slides共有 static20staticapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Nanosaur2-670M

well9472 · 工具包

用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。

新上架

waqf-ocr-hand-written-v1

Waqf-AI · 工具包

读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。

新上架

Wan2.2-TI2V-5B-Diffusers

Wan-AI · 工具包

根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。

新上架

教育类的相似商品

查看教育类的全部商品

Vāgdhenu

prathoshap · 工具包

用一个训练好的声音,以吟诵风格朗读古典梵语诗节,由参考音频决定节奏。适合学习、背诵或需要梵语音频的人。

新上架

Limite 1B - Violetto

paradigma-inc · 工具包

用一个从头训练的 1B 参数模型解决难度很高的数学题,追求高速、大批量的推理。适合在 NVIDIA GPU 上运行数学任务的开发者。

新上架

Agaram 2.5B

murai-labs · 工具包

能用泰米尔文、罗马化泰米尔语和英语聊天,也能在泰米尔语和英语之间翻译。这是 Murai Labs 从零训练的 2.5B 模型,适合泰米尔语使用者、研究人员和开发者。

新上架