执行摘要

本次PR优化了FastDeploy仓库中4卡CI作业的容器启动配置，通过添加RDMA设备支持、内存锁定权限和环境变量，提升了在RDMA环境下的测试稳定性和兼容性，同时重组了e2e测试用例以改善代码组织。变更属于基础设施优化，对用户无直接影响，但有助于团队更可靠地执行多卡推理测试。

功能与动机

PR的动机明确：提升4卡CI作业在RDMA环境下的稳定性和兼容性，并确保正确的设备挂载和资源限制。作者在PR body中写道："Improve stability and compatibility of 4-card CI jobs with RDMA-enabled environments"和"Ensure proper device mounting and resource limits for multi-card inference tests"。这反映了团队在分布式推理测试中遇到的环境配置问题，需要通过CI优化来保证测试的可靠性。

实现拆解

实现分为两个关键部分：

1. CI工作流配置更新（.github/workflows/_gpu_4cards_case_test.yml）：

   • 添加RDMA设备自动检测与挂载：export RDMA_DEVICES=$(find /dev/infiniband/uverbs* -maxdepth 1 -not -type d | xargs -I{} echo '--device {}:{}')
   • 挂载RDMA通信设备：--device=/dev/infiniband/rdma_cm
   • 设置内存锁定无限制：--ulimit memlock=-1:-1
   • 添加必要权限：--cap-add=SYS_PTRACE --cap-add=IPC_LOCK
   • 调整共享内存大小：--shm-size=64G
   • 新增环境变量：FD_ROUTER_PORT、FD_CONNECTOR_PORT、FD_RDMA_PORT、CLEAN_CUDA=1

2. 测试用例重组（tests/e2e/4cards_cases/test_ernie_03b_pd_router_v1_rdma_tp2.py）：

   • 将文件从tests/e2e/移动到tests/e2e/4cards_cases/目录
   • 修正导入路径：从from utils.serving_utils import改为from e2e.utils.serving_utils import
   • 调整GPU设备分配：CUDA_VISIBLE_DEVICES从"1"改为"2"

评论区精华

review讨论较少，主要亮点来自fastdeploy-bot的AI代码审查：

虽然不在本次PR变更范围内，但注意到.github/workflows/_gpu_4cards_case_test.yml:158的PORTS数组未包含本次新增的FD_ROUTER_PORT、FD_CONNECTOR_PORT、FD_RDMA_PORT，可能需要后续补充端口清理逻辑。

这指出了潜在的正确性问题，但被标记为非阻塞性建议。yuanlehome直接批准了PR，表明变更被认可。

风险与影响

风险分析：

• 配置变更可能引入不稳定性，但针对RDMA环境优化，风险可控。
• 测试文件移动可能导致导入错误，但PR中已修正路径。
• 新增权限（如IPC_LOCK）在CI环境中安全风险有限。
• 端口清理逻辑缺失可能引发端口冲突，需后续关注。

影响分析：

• 对用户无直接影响，属于内部CI改进。
• 提升4卡CI作业在RDMA环境下的可靠性，支持更稳定的多卡推理测试。
• 测试重组使代码更清晰，便于团队维护。

关联脉络

从近期历史PR看，本PR与多个CI优化PR相关：

• PR #7335和#7315都涉及容器清理和资源管理，与本PR的基础设施优化目标一致。
• 整体趋势显示团队持续改进CI流程，特别是在多卡和RDMA环境下的测试稳定性。

本PR是这一系列优化的一部分，专注于4卡RDMA配置，反映了FastDeploy在分布式推理测试基础设施上的演进。