为了减少重复代码，使 VMM 句柄处理步骤可被其他需要跨 rank 显存共享的代码复用，同时使 register_graph_inputs 更易读。如 PR body 所述：“Extracting them enables that reuse and makes register_graph_inputs easier to read.”
建议精读 export_shareable_handles 和 release_mappings 的实现，前者展示了 FABRIC->POSIX 优雅降级和全 rank 一致性保证，后者演示了 partial undo 模式。此 PR 是 CUDA driver API 封装的良好范例。
无公开 review 讨论。维护者 @merrymercy 直接批准。PR 描述中明确声明“no behavior change”。
文件重命名与函数提取：将 custom_all_reduce_vmm_utils.py 重命名为 vmm_utils.py。原来内联在 VmmGraphInputManager.register_graph_inputs 中的句柄导出（FABRIC/POSIX）、fd 交换、导入与映射逻辑全部提取为模块级函数。
核心公用函数：新增 export_shareable_handles（自动从 FABRIC 降级到 POSIX）、exchange_posix_fds（SCM_RIGHTS fd 交换）、import_and_map_alloc、map_chunk_into_span、import_peer_handle、release_mappings（安全释放）。将私有 _check_drv 改为公有 check_drv，并添加 make_rw_access_desc（构造 CUmemAccessDesc）和 all_ranks_ok（全 rank 一致性检查）。
register_graph_inputs 重构：VmmGraphInputManager.register_graph_inputs 依次调用上述函数，先导出 handles，再 all-gather 或交换 fds，最后逐段映射。所有 cuMem* 调用序列和 flags 保持不变，仅在共享时替换了一个错误字符串。
测试套件：新增 test_vmm_utils.py，注册为 2-gpu-large 测试。通过 _create_alloc 创建 shareable VMM 分配，测试 round-trip 导出->交换->导入映射，覆盖 transport=fabric（仅当 NVLink 可用）和 posix，以及 n_chunks=1, 3 两种映射形状。
| 文件 | 模块 | 状态 | 重要度 |
|---|---|---|---|
python/sglang/srt/distributed/device_communicators/vmm_utils.py |
通信层 | renamed | 8.89 |
test/registered/unit/distributed/test_vmm_utils.py |
分布式测试 | added | 7.42 |
python/sglang/srt/distributed/device_communicators/custom_all_reduce_v2.py |
通信层 | modified | 4.09 |
分析完成后，这里会展示 LLM 生成的相对完整源码片段和详细注释。
当前评论区没有形成足够清晰的争议点或结论，后续有更多讨论时会体现在这里。
主要风险为文件重命名和函数公有化可能影响未发现的引用。但仓库内仅 custom_all_reduce_v2.py 一处导入，且 CI 测试覆盖了所有受影响路径（含 expandable_segments）。此外，CUDA 驱动调用序列未经修改，测试验证了跨进程 round-trip，故风险较低。潜在风险包括其他分支或未合并 PR 对新模块路径的依赖，但可通过 CI 自动检测。
对最终用户无影响（无行为变化）。对开发者：vmm_utils.py 现为共享句柄处理的标准工具库，未来 MoE、HiCache、DS V4 等模块可复用。重构降低了 register_graph_inputs 的复杂度（减少 inline 代码约 120 行），并提供了完善的单元测试，降低了后续改动引入缺陷的风险。
当前没有检测到明确关联的 Issue 链接，后续同步到相关引用后会出现在这里。
参与讨论