所有调用点都在这一个文件里（ascend/conn.py 是另一个后端，逻辑相同）。梳理如下：
_transfer_data 调用全景
_transfer_data 是底层 RDMA 传输的统一入口，上层按传输的数据种类分成 4 类调用：
1. KV Cache 正常传输（_send_kvcache_generic，行 669 / 676）
触发路径： send_kvcache → _send_kvcache_generic（标准 MHA/MLA）
send_kvcache_hisparse → _send_kvcache_generic（HiSparse token 粒度）
maybe_send_extra 里 SWA/NSA state → _send_kvcache_generic
两条代码路径：
| 路径 | 行号 | 条件 | 行为 |
|---|---|---|---|
process_layer | 669 | enable_custom_mem_pool=True | 每层独立提交线程池，并发调 _transfer_data |
process_layers | 676 | 默认路径 | 把所有层的 transfer_blocks 合并成一个大 batch，单次调 _transfer_data |
传的内容： prefill KV pool → decode KV pool，以 page 为粒度做地址映射（prefill_kv_indices → dst_kv_indices）。
2. Staging Bulk 传输（send_kvcache_staged，行 557）
触发路径： _do_staging_transfer → staging_strategy.transfer → send_kvcache_staged
条件： prefill/decode TP size 不同 + staging buffer 启用时。
传的内容： prefill 先把多层 KV gather 到本地 CPU staging buffer，再用单次 bulk RDMA 把整个 staging buffer 打过去（staging_buffer.get_ptr() → dst_staging_ptr + rank_offset，大小 per_rank_bytes）。是所有调用里 block 数最少（只有 1 个）但单块最大的。
3. Auxiliary Data 传输（send_aux，行 907）
触发路径： transfer_worker 在 is_last_chunk=True 时 → send_aux（RDMA 路径，NVLINK 时走 TCP fallback）
传的内容： prefill aux pool（如 attention metadata、decode 需要的 attention output）→ decode aux pool，每个 buffer 各传一条 transfer_block。每次请求只在最后一个 chunk 触发一次。
4. Mamba State 传输（_send_mamba_state 行 1064 / _send_mamba_state_slice 行 1150）
触发路径： maybe_send_extra（state_type == “mamba”）→ 两者之一
| 方法 | 行号 | 条件 | 行为 |
|---|---|---|---|
_send_mamba_state | 1064 | prefill/decode TP size 相同 | 整段 state 直传，每个 tensor 一个 block |
_send_mamba_state_slice | 1150 | prefill/decode TP size 不同 | 按第 3 维（conv_dim/tp 或 num_heads/tp）切片，只传本 rank 负责的部分 |
传的内容： Mamba 的 conv_state 和 temporal_state，只有单个 state index（assert 了 len==1）。
总结
_transfer_data
├── KV Cache 主体 send_kvcache / send_kvcache_hisparse / SWA·NSA state
│ ├── per-layer 并发（custom_mem_pool） process_layer ×N 层
│ └── all-layer 合批（默认） process_layers ×1
├── Staging Bulk send_kvcache_staged ×1 超大块（gather 后整段打）
├── Aux Data send_aux（RDMA 路径） ×每个 aux buffer 一块
└── Mamba State _send_mamba_state ×每个 state tensor 一块
_send_mamba_state_slice ×每个 tensor 的 TP 切片
send_kvcache_slice 是个例外——它绕开了 _transfer_data，直接调 engine.batch_transfer_sync，因为它要做 per-token、per-head 的细粒度切片，不走统一封装。