执行摘要

本PR修复了CI测试时间估算脚本中的关键缺陷：原脚本按后端硬件（如H100/B200）而非测试套件统计时间，导致同一测试文件在不同硬件上获得相同错误时间值，影响CI负载均衡。通过新增套件名提取函数并将统计键从(filename, backend)改为(filename, suite)，确保每个测试套件获得独立准确的时间估算。变更仅涉及基础设施脚本，风险低但对CI效率有重要改进。

功能与动机

PR #22545引入的每周update_est_time.py脚本旨在从CI日志中自动更新测试文件的est_time值以优化负载均衡，但其按(filename, backend)键统计时间，忽略了同一文件可能在不同测试套件（对应不同硬件，如H100与B200）上运行的事实。如PR body所述，这导致像test_gpt_oss_4gpu.py这样的文件在stage-c-test-4-gpu-h100和stage-c-test-4-gpu-b200套件上错误地获得相同est_time=304，而实际执行时间因硬件差异应不同。本PR旨在纠正这一统计逻辑，确保时间估算准确反映各套件性能。

实现拆解

修改集中于scripts/ci/update_est_time.py文件：

1. 新增套件名提取函数：job_name_to_suite()使用正则表达式re.sub(r"\s*\\(\\d+\\)$", "", job_name)从CI任务名（如"stage-c-test-4-gpu-h100 (2)"）中去除分区后缀" (N)"，得到套件名"stage-c-test-4-gpu-h100"。
2. 更改时间统计键：在collect_timings()函数中，将时间数据字典的键从(rel_path, backend)改为(rel_path, suite)，并更新所有相关注释和文档字符串以反映这一变更。
3. 确保套件匹配：update_est_times()函数通过匹配函数名和suite=参数，为每个register_cuda_ci调用分配正确的套件特定时间中位数。

关键代码片段：

def job_name_to_suite(job_name):
    """Extract the suite name from a job name.
    Job names look like "stage-c-test-4-gpu-h100 (2)" or "stage-a-test-cpu".
    Strip the partition suffix " (N)" to get the suite name.
    """
    return re.sub(r"\s*\(\d+\)$", "", job_name)

评论区精华

无review评论，PR由作者直接合并。从提交信息看，变更逻辑直接明了，旨在快速修复前序PR引入的问题。

风险与影响

风险：

• 若CI任务命名规范变更（如分区后缀格式），job_name_to_suite函数可能提取错误套件名，导致时间统计不准确。
• 未添加单元测试，依赖现有CI流程验证，可能掩盖边缘情况。

影响：

• 正面：提升CI时间估算准确性，优化测试队列负载均衡，间接加快开发迭代。
• 范围：仅影响基础设施脚本，不涉及模型推理或核心测试逻辑，对终端用户无直接影响。

关联脉络

本PR是CI时间估算自动化流程的一部分：

• PR #22545：引入了每周更新est_time的工作流和初始脚本，但存在统计逻辑缺陷。
• PR #22550：展示了错误时间估算的实际案例（由工作流自动生成），凸显了修复必要性。

结合近期历史PR，该仓库持续投入CI基础设施优化（如PR #22461、#22545），本PR是这一趋势中的精细调整，体现了对CI资源调度效率的持续关注。