在在线服务中，硬件加速器正处于关键路径上，包括 GPUs、FPGAs 以及越来越多的远程服务，如硬件安全模块、后量子 KEMs 和推理服务器。当涉及到细粒度卸载（微秒到几毫秒）时，传统的解决方案均告失败：上下文切换的成本与卸载相当，而忙等待则消耗了核心资源。
为了解决这个问题，可以通过重叠卸载与其他请求来实现。以往的系统通过增加并发性来实现这一点，例如异步框架重写、新的运行时或数据平面操作系统，或者手动调整的集成方案。然而，我们观察到并发性本身已经存在：处理并发请求就是暂停并恢复它们，因此每个服务器都有满足重叠需求的机制。重叠实际上是一个路由问题，而非重写问题：将卸载提交给执行器，使用服务器自身的延迟响应原语来暂停请求，并在完成后恢复它。
在横跨十个通用服务器的测试中，涵盖了每种生产并发模型，这一方法仅需增加 22-138 行代码，最多修改一行，并在真实硬件上实现了 1.2-5.4 倍的性能提升；服务器的并发模型和卸载的权重可以提前预测这两个数字，性能提升受到设备吞吐量和服务器自身重叠能力的限制。在极限情况下，一个 LD_PRELOAD fiber 运行时可以将重定向注入未修改的线程连接二进制中，实现 17.3 倍的性能提升，且在一个特征化的范围内。重定向会暂停运行到完成的原子性；经过测量的分类法将风险限制在未锁定的共享聚合体中，透明的页面保护检测器正好保护这些数据，且在标准 Redis 上经过验证。