# DSV4 P800 最大上下文长度探索实验

在 8x Kunlun P800 XPU 上，逐步增大输入长度，测试 SGLang serving `DeepSeek-V4-Flash-INT8` 时能稳定处理的最长上下文。

## 目的

- 找到 P800 + SGLang INT8 在 TP=8 配置下，单请求最多能支持多长的输入 token。
- 每个长度只跑 1 个请求、输出 1 个 token，尽量减少 decode 阶段显存干扰。
- 每次测试单独启动 server，并把 `context-length` 刚好设为 `target_len + CONTEXT_PAD`，避免预分配过大。

## 默认候选长度

```text
4096, 8192, 16384, 32768, 65536, 131072, 262144, 524288
```

可以通过环境变量覆盖：

```bash
CANDIDATE_LENS=(4096 8192 16384) bash run_bench.sh
```

## 控制变量

| 维度 | 配置 |
|---|---|
| 硬件 | 8x Kunlun P800 XPU，TP=8 |
| 模型 | `DeepSeek-V4-Flash-INT8`（`w8a8_int8`） |
| 输入长度 | `--random-input-len $target_len --random-range-ratio 1.0` |
| 输出长度 | 1 |
| 并发 / 请求数 | 1 / 1 |
| 压测客户端 | 容器内 `sglang.bench_serving --backend sglang` |

> `--random-range-ratio 1.0` 确保输入长度固定为 `target_len`，而不是默认的 `[1, target_len]` 均匀分布。

## 快速运行

```bash
bash experiments/dsv4_p800_max_context_length/run_bench.sh
```

结果保存在 `experiments/dsv4_p800_max_context_length/results/<RUN_ID>/`：

```
results/<RUN_ID>/
├── results.json
├── report.md
└── raw_outputs/      # gitignored
```

## 产物说明

- `results.json`：每个候选长度的尝试记录，包括 `success`、TTFT/TPOT/E2E 指标、`server_args`。
- `report.md`：汇总表格，以及 SGLang INT8 最终支持的最大输入长度。

## 环境

- Docker image: `iregistry.baidu-int.com/xpu/sglang-p800-pd-disagg-0510:20260511_4202`
- Container Python: `/root/miniconda/envs/python310_torch25_cuda/bin/python`