pageattention 经常听到的就是有两大优点：一个是减少 内存块浪费，另一个方面就是 减少内存碎片。
这两点 主要就是克服了传统分配方式的痛点（特别是传统方法都是连续存储），而这个方法建立了一个block table 能够查表找到存储位置，即逻辑上是连续的，物理存储上是随机的。
传统的方法，一个是对某个请求静态分配一个很大的token_length，这种对于很简单的请求的时候，就会造成大量的空间浪费（因为还有很多没用到嘛）。
还有一种方法 就是动态分配token长度， 一种方法就是有多长就分配多长。 但是有个弊端就是，对于模型来说，有可能同时有多个请求，进行并发的操作，就像开多个窗口进行提问。这就会使得原本分配空间是 AAABBBB，此时A...,B...相当于两个不同的请求框内内容，同时请求后，就会在decoder的时候，会生成新的token，这样的话，A请求继续扩展就不行了，因为下一个位置存的B请求的token，所以一般的操作就是，预先对 各个请求多分配一些空间 即 AAA_ _ _BBBB_ _ _ _ _这的弊端就也一样，导致资源可能浪费很多，还有另一种方法就是将空间不够的请求A，重新一起复制到新的位置空间进行扩展。 但这也有一个很明显的弊端，就是搬移大量数据时候的成本和时延，磨损等。
而pageattention是怎么解决这个问题的呢？
有两个关键的点，一个是 将一个请求分配n个block，每个block 的token数量相对比较小，这样一个请求可能就存成了多个block（而不是静态分配一样，存在一大张存储空间中），而这个block 并不是连续的， 哪里有对应block大小的空间都可以被分配（这就减少了存储空间碎片了）。 它能把不连续的block利用起来的原因就是，它是把存储池挨着挨着编码 为block 1，2，3...，这样分配给A的，需要多少就在A的block表中写对应的block标号就行 例如：block table：3, 17, 8, 25, 41（逻辑顺序 0~4，对应这 5 个物理块）。
综上就可以看出：pageattention 就算浪费也只是浪费最后一个block-1大小的存储空间，从而节省空间，另外，其存储并不要求连续，且把存储空间切割成多个可以独立出来的小块，这样也避免了存储碎片。