执行摘要

• 一句话：修复 metadata 槽释放时未清零导致误报 corruption
• 推荐动作：值得合入的低风险 bugfix。建议回顾所有 metadata buffer 其他字段（如 output_ids）是否也需要类似清理，但本 PR 范围合理。无精读必要，但可关注后续是否有追加的单元测试覆盖。

功能与动机

Issue #17259 报告了 PD 分离模式下的上下文损坏 bug，PR #17430 通过 bootstrap_room 验证引入了检测机制，但未在释放槽位时清零，导致 actual_room == 0 的哨兵假设在后继复用中失效，引发约 3% 的请求被误中止（高并发 + TCP 传输场景更明显）。本 PR 修复该回归。

实现拆解

1. 定位 pop_transferred 方法：在 python/sglang/srt/disaggregation/decode.py 的 DecodeTransferQueue.pop_transferred() 中，释放 metadata buffer 索引的代码段。
2. 在 free() 之前清零 bootstrap_room：在调用 self.req_to_metadata_buffer_idx_allocator.free(idx) 前插入一行 self.metadata_buffers.bootstrap_room[idx] = 0，确保下次分配到此槽位的请求看到的初始值为 0（哨兵值），而非前一个请求的残留值。
3. 不涉及其他文件或配置改动：该修复仅 3 行源码变更，无测试、配置或部署配套改动。

关键文件：

• python/sglang/srt/disaggregation/decode.py（模块 分离调度；类别 source；类型 core-logic）: 核心修复文件，在 pop_transferred 方法中添加了 bootstrap_room 清零操作，消除因残留值导致的误报 corruption。

关键符号：DecodeTransferQueue.pop_transferred

关键源码片段

python/sglang/srt/disaggregation/decode.py

核心修复文件，在 pop_transferred 方法中添加了 bootstrap_room 清零操作，消除因残留值导致的误报 corruption。

# python/sglang/srt/disaggregation/decode.py#L1670-L1688
        for i in indices_to_remove:
            if self.enable_staging and self.staging_handler.is_staging_room(
                self.queue[i].req.bootstrap_room
            ):
                self.staging_handler.unregister_decode_req(
                    self.queue[i].req.bootstrap_room
                )
            idx = self.queue[i].metadata_buffer_index
            assert idx != -1
            # Reset so the next owner sees actual_room == 0 ("not yet written")
            # instead of the stale value, avoiding a false-positive mismatch.
            self.metadata_buffers.bootstrap_room[idx] = 0
            self.req_to_metadata_buffer_idx_allocator.free(idx)
​
        self.queue = [
            entry for i, entry in enumerate(self.queue) if i not in indices_to_remove
        ]
​
        return transferred_reqs

评论区精华

Review 中 thincal 指出即使使用 RDMA（而非 TCP）传输 aux 数据，仍可能因 ZMQ TCP 通知早于 RDMA 传输完成而触发竞态，作者确认该 bug 不限于 TCP，但 TCP 下窗口更大。未被批准人对该修复无异议，直接批准。

• 暂无高价值评论线程

风险与影响

• 风险：风险极低：仅增加一行赋值，且赋值发生在索引释放前，不影响任何并发逻辑。回归风险仅限于若未来 metadata_buffers.bootstrap_room 的写操作有并发保护冲突（但当前无），但可忽略。
• 影响：
  • 用户/服务：消除 PD 分离模式下约 3% 的假阳性请求中止，特别是高并发 TCP 传输场景收益明显。
  • 系统：无性能影响（一次整数赋值）。
  • 团队：修复了之前 PR 引入的隐式缺陷，保障了 bootstrap_room 哨兵机制的可靠性。
  • 风险标记：核心路径变更, 缺少测试覆盖

关联脉络

• PR #17430 Add bootstrap_room validation to detect metadata corruption in PD disaggregation: 本 PR 修复了 #17430 引入的 regression：新加的 bootstrap_room 验证未在释放槽位时清零，导致哨兵假设失效。
• PR #17259 [Critical Bug] Context corruption in PD disaggregation mode due to metadata buffer index race condition: 原始上下文损坏 bug 的 issue，#17430 和本 PR 都是其后续修复。