执行摘要

• 一句话：将路由器注册逻辑从 ServerGroup 下沉到 ServerCell，统一使用单元格索引管理。
• 推荐动作：值得精读。这个 PR 是一次高质量、目标明确的内部重构，虽然改动文件不多，但设计决策和实现方式值得学习。它清晰地展示了如何通过将逻辑下沉到数据模型（ServerCell）来简化高层协调者（ServerGroup）的复杂性。PR 的提交信息清晰解释了动机，测试覆盖充分，审核意见确认了重构的一致性和正确性。对于理解该仓库的 rollout 模块架构演进方向很有价值。

功能与动机

此 PR 是重构和增强跟踪 Issue (#1837) 的一部分。动机是简化 ServerGroup 中与路由器交互的复杂性。原来，register_workers 接收引擎索引，然后需要通过 flatten_cells 将单元格展平为引擎列表，再通过取模操作 (index % self.nodes_per_engine == 0) 和 is_allocated 检查来筛选出每个单元格的主引擎进行注册。这种索引转换不仅冗余，而且增加了认知负担和出错风险。PR 将单元格作为操作主体，让注册逻辑与数据模型对齐，提升了代码的可读性和可维护性。

实现拆解

1. 接口契约重定义 (ServerGroup)：核心入口方法 register_workers、unregister_workers、mark_alive 和 start_engines 的返回值及参数，从 engine_indices (扁平引擎索引) 统一改为 cell_indices (单元格索引)。这简化了调用链，消除了调用者需要进行的索引转换。关键变更点在于 start_engines 返回 started_cell_indices 而非 new_engine_indices。
2. 职责下沉与自描述 (ServerCell)：在 ServerCell 中新增 register(self, router_api_client) 和 unregister(self, router_api_client) 方法。这两个方法封装了如何向路由器描述自己（使用哪个 URL、worker 类型、bootstrap 端口等），将原先散落在 ServerGroup 中的具体注册逻辑内聚到数据模型自身。这使得 ServerGroup 只需传递路由器客户端，而无需关心每个单元格的注册细节。
3. 辅助方法简化 (ServerGroup)：移除了用于引擎索引与单元格索引相互转换的 _engine_indices_of_cell 和 _primary_engines_of 方法。新增 _allocated_cells_of 方法，用于根据单元格索引列表过滤出已分配的单元格，以替代原先在 _primary_engines_of 中的过滤逻辑。
4. 逻辑同步更新 (RolloutServer)：在 miles/ray/rollout/rollout_server.py 的 start_rollout_servers 函数中，将所有使用 engine_indices 的变量名和注释更新为 cell_indices，以匹配新的接口契约。
5. 测试配套完善：为 ServerCell.register 和 ServerCell.unregister 方法新增了专门的单元测试 (TestServerCellRouterMembership)，覆盖了主引擎 URL 发布、PD 分片场景下 bootstrap 端口传递、旧版 API 标志传递等关键路径。同时，在 test_server_group_router_registration.py 中新增测试用例 test_registration_skips_a_cell_that_is_not_allocated，验证了已停止的单元格会被正确跳过注册，这是新接口下的一个隐含行为。

关键文件：

• miles/ray/rollout/server_group.py（模块 服务器组；类别 source；类型 core-logic；符号 register_workers, unregister_workers, _engine_indices_of_cell, _primary_engines_of）: 核心变更文件，将 register_workers、unregister_workers、mark_alive 等方法的接口从操作引擎索引改为操作单元格索引，并移除了相关的索引转换辅助方法，引入了新的 _allocated_cells_of 方法。
• miles/ray/rollout/server_cell.py（模块 服务器单元格；类别 source；类型 core-logic；符号 register, unregister）: 新增了 register 和 unregister 方法，使得 ServerCell 成为一个自描述的、能够向路由器注册自身的实体，这是本次重构的核心设计变更。
• tests/fast/ray/rollout/test_server_cell.py（模块 单元格测试；类别 test；类型 test-coverage；符号 _addressed_cell, TestServerCellRouterMembership, test_register_publishes_the_primary_engine_url_and_worker_type, test_register_passes_the_bootstrap_port_of_a_prefill_worker）: 新增了针对 ServerCell.register 和 ServerCell.unregister 方法的完整单元测试，验证了核心的自描述注册行为，是本次重构正确性的重要保障。
• tests/fast/ray/rollout/test_server_group_router_registration.py（模块 组路由注册测试；类别 test；类型 test-coverage；符号 test_registration_skips_a_cell_that_is_not_allocated）: 更新了集成测试，新增了 test_registration_skips_a_cell_that_is_not_allocated 以验证新接口下对未分配单元格的过滤行为，并调整了现有测试以适配新的单元格索引接口。
• miles/ray/rollout/rollout_server.py（模块 启动服务器；类别 source；类型 entrypoint）: 作为 ServerGroup 的主要调用方之一，需要同步更新调用代码，将接收 start_engines 返回的 engine_indices 改为 cell_indices，并更新相关变量名和注释。

关键符号：register_workers, unregister_workers, mark_alive, start_engines, register, unregister, _allocated_cells_of

关键源码片段

miles/ray/rollout/server_group.py

核心变更文件，将 register_workers、unregister_workers、mark_alive 等方法的接口从操作引擎索引改为操作单元格索引，并移除了相关的索引转换辅助方法，引入了新的 _allocated_cells_of 方法。

    async def register_workers(self, cell_indices: list[int]) -> None:
        # 接口契约变更：参数从 engine_indices 改为 cell_indices
        # 这消除了调用者需要进行的索引转换
        if self.args.rollout_external or not (self.router_ip and self.router_port):
            return
        # 不再需要遍历所有引擎并过滤，直接操作单元格
        # 将注册职责委托给每个单元格自身
        await asyncio.gather(
            *[cell.register(self._router_api_client) for cell in self._allocated_cells_of(cell_indices)]
        )
​
    def _allocated_cells_of(self, cell_indices: list[int]) -> list[ServerCell]:
        # 新增的辅助方法，替代原先的 _primary_engines_of
        # 根据单元格索引列表过滤出已分配的单元格
        return [self.cells[cell_index] for cell_index in cell_indices if self.cells[cell_index].is_allocated]
​
    def mark_alive(self, cell_indices: list[int]):
        # mark_alive 也改为直接操作单元格索引
        for cell_index in cell_indices:
            # 遍历该单元格的所有引擎进行标记
            for engine in self.cells[cell_index].engines:
                engine.mark_alive()

miles/ray/rollout/server_cell.py

新增了 register 和 unregister 方法，使得 ServerCell 成为一个自描述的、能够向路由器注册自身的实体，这是本次重构的核心设计变更。

    async def register(self, router_api_client: SGLangRouterApiClient) -> None:
        # ServerCell 自描述如何向路由器注册自己
        # 这个方法由 ServerGroup.register_workers 调用，实现了职责下沉
        await router_api_client.add_worker(
            # 使用主引擎的地址信息
            worker_url=self.primary_engine.addr_info.server_url,
            worker_type=self.worker_type,
            use_legacy_api=use_legacy_router_api(self.args),
            bootstrap_port=self.primary_engine.addr_info.bootstrap_port,
        )
​
    async def unregister(self, router_api_client: SGLangRouterApiClient) -> None:
        # 对应地，ServerCell 也自描述如何注销
        await router_api_client.remove_worker(
            worker_url=self.primary_engine.addr_info.server_url,
            use_legacy_api=use_legacy_router_api(self.args),
        )

评论区精华

此 PR 只有审核者 guapisolo 的一条评论，表示批准。审核意见认为 “the cell-index contract is carried consistently through lifecycle and router membership”，即单元格索引契约在整个生命周期和路由器成员关系管理中保持了一致性，并确认了所有权模型 (the ownership model) 得到了维护。这表明 PR 的核心重构目标（统一索引、职责下沉）已得到同行认可，且变更的一致性得到了确认。没有发现未解决的争议。

• PR 审核通过，确认重构一致性 (other): 审核通过，无争议。重构被认为是一致且正确的。

风险与影响

• 风险：

  1. 接口契约变更：register_workers、unregister_workers 和 mark_alive 的参数从 engine_indices 变为 cell_indices，这是一个 breaking change。虽然 PR 涵盖了所有调用点 (rollout_server.py 和 server_group.py 内部)，但如果有其他未被此 PR 覆盖的外部代码调用了这些方法，将会引发错误。考虑到这是内部重构且所有调用都在 miles/ray/rollout/ 目录内，风险较低。
  2. 逻辑正确性：重构移除了 _primary_engines_of 中的取模操作 (index % self.nodes_per_engine == 0)，将其隐含在 _allocated_cells_of 和 ServerCell.register 中。新的逻辑是：_allocated_cells_of 过滤出已分配的单元格，然后直接调用每个单元格的 register 方法。register 方法始终使用 self.primary_engine (即 engines[0]) 的信息进行注册。这依赖于一个隐含假设：ServerCell 的主引擎始终是需要向路由器注册的那个。从测试 test_register_publishes_the_primary_engine_url_and_worker_type 来看，这个假设被明确测试和验证。因此，逻辑正确性风险很低。
  3. 回归风险：PR 包含了对新旧逻辑行为一致性的测试（例如 test_unregister_removes_the_same_url_register_published、test_use_miles_router_pins_the_legacy_api_on_both_calls），以及一个针对新过滤逻辑的测试 (test_registration_skips_a_cell_that_is_not_allocated)。测试覆盖充分，回归风险低。
     - 影响：对用户：无直接影响。这是纯内部代码重构，不改变任何用户可见的功能或 API。
     对系统：提高了 miles/ray/rollout 模块的代码质量。职责划分更清晰，ServerGroup 不再需要了解路由器注册的细节，ServerCell 成为自包含的实体。索引管理统一为单元格级别，降低了认知复杂度。这为后续的进一步重构（如将更多职责迁移到 ServerCell）奠定了更好的基础。
     对团队：提升了代码的可维护性和可读性。新加入的开发者更容易理解“一个单元格如何向路由器注册自己”。同时，这也作为了一次示范，展示了如何通过下沉逻辑和简化索引模型来重构复杂系统。
     影响范围：主要集中在 miles/ray/rollout/ 目录下的核心推理引擎生命周期管理代码。涉及 ServerGroup、ServerCell 和 RolloutServer 三个关键类的交互。

• 风险标记：接口契约变更

关联脉络

• PR #2050 Stop checking actor liveness while waiting for a tcp port: 同属 #1837 重构链路，且涉及 miles/ray/rollout/router_manager.py 和 miles/utils/http_utils.py，与本 PR 同属对路由器和工作器交互逻辑的清理。
• PR #2049 Add a worker provider abstraction over RayWorkerManager: 同属 #1837 重构链路，旨在抽象工作者管理，与本 PR 重构 ServerCell 和 ServerGroup 的职责有概念上的关联，都属于对 rollout 模块架构的改进。
• PR #2501 Start dynamic worker ports above Ray's worker range: 修改了 miles/utils/workers/addr_allocator.py，而本 PR 也间接涉及工作者的地址/端口管理（通过 ServerCell 的 addr_info），属于同一功能线的演进。
• PR #2006 Launch inference engines through the inference engine worker spec: 实现了推理引擎工作器规范，而本 PR 是 ServerCell 作为工作器实体进行自描述注册的前置或并行步骤，共同推进了工作器生命周期管理的规范化。