定義
連続バッチングとは、LLM推論サーバーが個々のリクエストの完了を待たずに新規リクエストをトークン単位で随時差し込みながら処理する方式のこと。
連続バッチング (Continuous Batching)とは（詳しく解説）
連続バッチング（Continuous Batching）は、LLM推論において複数リクエストを一括処理する際、各リクエストの生成完了を待たずに新しいリクエストを随時ステップ単位で差し込んでいく方式で、vLLMやTGIなど主要な推論エンジンで標準的に採用されているとされる。従来の静的バッチングでは、短い応答で終わるリクエストも同じバッチ内の最も長い生成が終わるまで待たされ、GPUが遊休状態になりやすいという課題があったが、連続バッチングはこの無駄を減らしスループットを引き上げる技術として広く知られている。2026年時点の実運用では、KVキャッシュのメモリ管理や優先度制御の設計次第でレイテンシが不安定になりやすく、現場ではリクエストの長さ分布に応じたバッチサイズ調整や、ページング方式のメモリ管理と組み合わせて運用するケースが増えているとされる。API課金型でLLMを利用する場合、この最適化の効き具合がGPUコストや利用料の相場感に直結するため、モデルやサービスを選ぶ際に推論エンジンの実装差を確認しておくことが重要になる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「連続バッチング (Continuous Batching)とは」 https://aipicks.jp/glossary/continuous-batching
連続バッチング (Continuous Batching)の使用例
- 推論基盤をvLLMに切り替え、連続バッチングでリクエスト処理のスループット改善を検討する。
- API利用コストを抑えたい場合、連続バッチング対応の推論エンジンを採用しているか事前に確認する。
