实验 setup：

GPU 机器：dash0，是 8*H20 的机器，可以直接 `ssh dash0` 进行连接访问

推理引擎：基于 vllm 0.18.1，self build，支持后续 patch 放在 git 中维护

模型：`~/models/Qwen/Qwen3-Coder-30B-A3B-Instruct`

推理 trace：原始完整 2h trace 在 dash0 的 `~/ali-trace/trace-glm5.1-formatted/051315-051317.jsonl`



性能指标：每个请求的 TTFT/TPOT/E2E/TBT，prefix KVCache hit ratio



目标：

1. 先实现标准的 trace-sampler，将 cluster 规模的原始 trace，sample 到合适当前机器数量的规模来跑，保持一份统一的 sample 后的 trace file 作为输入
2. 实现标准的 trace replayer，保证能够体现线上流量的流量到来特征，KVCache 重用特征等
3. 跑通 PD 分离，确认 PD 分离能够比普通的 PD 混合一起跑的性能要好，给出两者详细的性能对比以及原因分析
4. 判断 trace 的 pattern，是否有必要 PD 完全混合或者 PD 分离
5. 参考本地的 `~/phd/agentic-pd-hybrid`，判断是否能够实现一套 prefill-as-a-service 的架构，把重的 prefill 交给 prefill service，prefill service 能够从本地 GPU/DRAM/别的 GPU 机器上 pull KVCache，提高本地的 prefix KVCache hit ratio，不影响 decoding 的 prefill，就可以交给过去 PD 分离定义中 D-node 来做，提高 KVCache 命中率
6. [TODO] Router 侧状态精确性 ablation：当前 router 自己维护 shadow state（ongoing_tokens, pending_prefill_tokens, cached_blocks 等），与 vLLM 引擎内部真实状态可能存在 gap（尤其是 cache eviction 导致的 APC 偏差）。需要：
   - 修改 vLLM，让每个 instance 定期把内部状态（waiting queue depth, running batch size, KV cache usage, actual prefix cache hit blocks）写入 Redis
   - Router 从 Redis 读取精确状态，替代当前的 proxy-side 近似
   - 对比 proxy shadow state vs Redis exact state 的 routing 决策差异和最终性能差异
   - 量化 gap 大小：哪些指标差距最大？是否影响实际 routing 质量？