执行摘要

本PR通过移除调度中evict滑动窗口注意力与分段CUDA图的互斥限制，实现了解码吞吐量约7.5%的提升，变更简单但效果显著，影响核心调度路径。

功能与动机

动机是关闭issue 17839，因为滑动窗口注意力的数据竞争问题已在PR 20369中修复。移除限制后，允许在piecewise CUDA graph启用时执行evict逻辑，从而优化资源利用和性能。PR body中提供了基准测试数据：使用pcg时输出吞吐量10074.560 token/s，不使用时为9368.207 token/s，显示明显性能提升。

实现拆解

仅修改了文件python/sglang/srt/managers/schedule_batch.py中的maybe_evict_swa方法。具体删除了以下条件判断块：

if (
    self.forward_mode.is_decode()
    and not server_args.disable_piecewise_cuda_graph
    and not self.tree_cache.is_chunk_cache()
):
    return

删除后，在解码模式下，无论piecewise CUDA graph是否启用，都会继续执行evict滑动窗口注意力的逻辑，优化内存管理和性能。

评论区精华

review过程中无实质性技术讨论，仅有自动化工具评论指出变更简单直接。变更被快速接受，无争议或设计权衡，表明团队对前期修复（PR 20369）的信任。

风险与影响

风险较低，但需确保PR 20369的修复完全解决了数据竞争问题，否则可能引入回归。变更在核心调度路径上，如果evict逻辑有缺陷，可能影响解码稳定性。已通过CI测试覆盖，包括多GPU模型测试（如test_gpt_oss_4gpu.py和test_mimo_models.py），但建议在真实生产负载下进一步验证。影响范围限于使用piecewise CUDA graph和滑动窗口注意力的解码场景，对用户透明且性能提升明显，有助于提升系统整体吞吐。

关联脉络

本PR基于PR 20369的数据竞争修复，允许移除限制。从历史PR看，PR 21299涉及调度管理器的重构，PR 20864展示类似性能优化策略，表明团队持续关注调度性能和资源管理优化，形成一条从bugfix到性能调优的演进脉络。