执行摘要

• 一句话：修复 PD 场景下 abort() 状态同步缺失
• 推荐动作：值得阅读，尤其关注 common/conn.py 中的基类修复模式——通过统一基类而非各处修改来修复跨后端的 bug，是良好的工程实践。Mooncake 子类删除后应关注是否有其他自定义行为丢失（经检查没有）。

功能与动机

所有 KV 后端（Nixl、Mooncake、Mori）的 abort() 方法都只设置了本地 conclude_state = KVPoll.Failed，但没有调用 update_status() 同步到 manager 的共享 request_status 字典，导致管理者无法感知 request 已失败。此 PR 统一修复了 CommonKVSender/Receiver 基类，并清理了子类中的冗余覆盖。

实现拆解

1. 修复基类 abort()——common/conn.py
   - 在 CommonKVSender.abort() 和 CommonKVReceiver.abort() 中，将原来的注释 # Explicitly set the status to failure since this request has been aborted 替换为实际的 self.kv_mgr.update_status(self.bootstrap_room, KVPoll.Failed) 调用。
   - 这样 Nixl 等直接继承 Common 类的后端自动获得修复。

2. 删除 Mooncake 子类冗余 abort()——mooncake/conn.py
   - MooncakeKVSender 和 MooncakeKVReceiver 各自定义了一个与父类（CommonKVSender/Receiver）完全相同的 abort() 方法（只有 record_failure 和设置 conclude_state，缺少 update_status）。
   - 直接删除这两个子类方法，令其继承父类修复后的实现。
   - AscendKV（继承自 Mooncake）亦随之修复。

3. 清理 Mori 子类中的冗余 update_status 调用——mori/conn.py
   - MoriKVReceiver.abort() 在调用 super().abort() 之后又重复调用了 self.kv_mgr.update_status()，由于父类现已包含 update_status，删除该重复调用。

4. 补充注释——req_time_stats.py
   - 在 compute_and_observe_kv_transfer_metrics() 的传输延迟计算处添加注释说明只捕获最后一个 chunk 的时间。

关键文件：

• python/sglang/srt/disaggregation/common/conn.py（模块 连接层；类别 source；类型 core-logic；符号 abort）: 基类修复，为 CommonKVSender 和 CommonKVReceiver 的 abort() 增加了 update_status 调用，影响所有继承的后端。
• python/sglang/srt/disaggregation/mooncake/conn.py（模块 连接层；类别 source；类型 core-logic；符号 abort）: 删除 MooncakeKVSender 和 MooncakeKVReceiver 的冗余 abort() 方法（与父类完全一致），使继承链清晰并自动应用父类修复。
• python/sglang/srt/disaggregation/mori/conn.py（模块 连接层；类别 source；类型 core-logic）: 删除 MoriKVReceiver.abort() 中的冗余 update_status 调用（已被父类包含）。
• python/sglang/srt/observability/req_time_stats.py（模块 可观测性；类别 source；类型 core-logic）: 增加注释说明传输延迟仅捕获最后一个 chunk 的时间，提高代码可读性。

关键符号：abort

关键源码片段

python/sglang/srt/disaggregation/mooncake/conn.py

删除 MooncakeKVSender 和 MooncakeKVReceiver 的冗余 abort() 方法（与父类完全一致），使继承链清晰并自动应用父类修复。

# MooncakeKVSender.abort() 和 MooncakeKVReceiver.abort() 已被删除，
# 现在它们直接继承 CommonKVSender/CommonKVReceiver 的 fix 版本：
#
# def abort(self):
# self.kv_mgr.record_failure(...)
# self.kv_mgr.update_status(self.bootstrap_room, KVPoll.Failed) # 新增
# self.conclude_state = KVPoll.Failed

python/sglang/srt/disaggregation/mori/conn.py

删除 MoriKVReceiver.abort() 中的冗余 update_status 调用（已被父类包含）。

def abort(self):
    if self.bootstrap_room is None:
        return
    super().abort() # 父类现在已包含 update_status
    # 删除重复调用 : self.kv_mgr.update_status(self.bootstrap_room, KVPoll.Failed)
    self.clear()

评论区精华

gemini-code-assist[bot] 对 req_time_stats.py 新增的注释提出语法修正：'capture' 应改为 'captures'。该建议未被采纳（PR 已合并，最终代码中仍为 'capture'）。没有其他架构讨论。

• 注释语法修正 (style): 未被采纳，最终代码仍为 'capture'。

风险与影响

• 风险：低风险。变更集中在 abort() 路径（异常流程），不影响正常传输逻辑。删除 Mooncake 子类方法后必须确认父类行为完全一致（已通过 diff 验证）。Mori 子类删除冗余调用后功能不变。风险标签：核心路径变更、缺少测试覆盖。
• 影响：
  • 影响范围：PD 模式下所有 KV 后端（Nixl、Mooncake、Mori、Ascend）的 abort 逻辑。
  • 用户影响：当请求被 abort 时，manager 能正确感知失败状态，避免悬空请求或资源泄漏。
  • 团队影响：简化了代码结构，统一了状态传播路径，降低后续维护成本。
  • 风险标记：核心路径变更, 缺少测试覆盖

关联脉络

• PR #24416 [PD] Fix KV transfer metrics: 与同一组 PD 连接文件和 req_time_stats.py 的改动相关，属于 PD 基础设施的系列修复。