执行摘要

• 一句话：搬迁 fla/mamba 内核至 sglang.kernels 统一目录
• 推荐动作：值得精读，特别是学习如何组织大规模重命名而不引入功能变化，以及如何在持续迭代中处理合并冲突。该 PR 展示了纯路径迁移的标准化流程——保持字节完全一致、分阶段搬迁、依赖导入重写。适合作为基础设施重构的参考样例。

功能与动机

PR body 指出这是 Phase 2.5 sweep 7/7，纯目录搬迁使得后续迁移更清晰，避免逻辑变更淹没在大量 diff 中。动机是统一内核代码目录，减少分散，遵循 RFC #29630 的规划。

实现拆解

1. 文件搬迁：将 srt/layers/attention/fla/、srt/layers/attention/mamba/ops/ 和 srt/layers/attention/mamba/{causal_conv1d_triton,mamba_state_scatter_triton}.py 下的所有内核文件通过 git mv 搬运到 sglang/kernels/ops/attention/fla/ 和 sglang/kernels/ops/mamba/ 下，保持文件名和字节完全一致。
2. 导入路径更新：在 SRT 层所有引用这些内核的文件中，将 from sglang.srt.layers.attention.mamba.ops 等旧路径替换为 from sglang.kernels.ops.mamba.triton_ops 等新路径。涉及 20+ 个文件，包括注意力后端 (hybrid_linear_attn_backend.py, gdn_backend.py)、模型实现 (jet_nemotron.py, qwen3_5.py)、调度器 (scheduler.py) 等。
3. 冲突解决与排序修正：由于与其他分支（如 #30784）的合并冲突，多次执行 merge 并修正 import 排序（使用 isort 7.0.0 固定版本），特别修复了因全局替换误改非迁移注意力后端的回归。
4. 验证：33 个内核测试 (test_kernels_namespace.py + test_fused_op.py) 全部通过；GDN/KDA/Qwen3-Next/Mamba 模型链路通过现有 CI 覆盖。所有搬迁内核均为字节不变（git diff -M 显示 100% rename），延迟零变化。

关键文件：

• python/sglang/srt/layers/attention/mamba/mamba.py（模块 模型执行；类别 source；类型 dependency-wiring）: 核心 Mamba mixer，导入路径从旧 .ops 改为新 kernels.ops.mamba.triton_ops，并调整了条件导入中 causal_conv1d_triton 的来源，是导入变更的代表性文件。
• python/sglang/srt/layers/attention/hybrid_linear_attn_backend.py（模块 注意力后端；类别 source；类型 dependency-wiring）: 混合线性注意力后端，多个 mamba 内核符号的导入路径更新，包括 PAD_SLOT_ID 和 scatter 操作。
• python/sglang/srt/layers/attention/linear/gdn_backend.py（模块 注意力后端；类别 source；类型 dependency-wiring）: GDN (Gated Delta Network) 后端，fla 和 mamba 内核的导入路径更新，包括 fused_gdn_gating 和 causal_conv1d_fn 等。
• python/sglang/srt/layers/attention/mamba/causal_conv1d.py（模块 模型执行；类别 source；类型 dependency-wiring）: 因果卷积 1D 包装文件，原本使用相对导入引用同目录下的 causal_conv1d_triton，改为绝对导入指向 sglang.kernels。
• python/sglang/srt/managers/scheduler.py（模块 调度器；类别 source；类型 dependency-wiring）: 调度器导入 initialize_mamba_selective_state_update_backend 的路径更新，是除注意力模块外唯一涉及核心调度代码的变更。
• python/sglang/srt/models/jet_nemotron.py（模块 模型定义；类别 source；类型 dependency-wiring）: Jet Nemotron 模型使用的 fused_recurrent_gated_delta_rule_update 和 RMSNorm 导入路径更新，代表模型层的导入变更。

关键符号：未识别

关键源码片段

python/sglang/srt/layers/attention/mamba/mamba.py

核心 Mamba mixer，导入路径从旧 .ops 改为新 kernels.ops.mamba.triton_ops，并调整了条件导入中 causal_conv1d_triton 的来源，是导入变更的代表性文件。

import logging
from typing import Callable, List, Optional, Tuple
​
import torch
import torch.nn as nn
​
# 搬迁后，内核导入改为从 sglang.kernels 引入
from sglang.kernels.ops.mamba.triton_ops import (
    mamba_chunk_scan_combined,
    selective_state_update,
)
from sglang.srt.configs.mamba_utils import (
    Mamba2CacheParams,
    extra_groups_for_head_shards,
)
from sglang.srt.distributed import (
    divide,
)
from sglang.srt.layers.attention.mamba.mamba2_metadata import Mamba2Metadata
from sglang.srt.layers.attention.mamba.mixer2_rms_norm_gated import Mixer2RMSNormGated
from sglang.srt.layers.dp_attention import (
    is_dp_attention_enabled,
)
# ... 其余标准 SRT 导入保持不变 ...
​
if is_cuda():
    # 搬迁后 causal_conv1d_triton 也从新位置导入
    from sglang.kernels.ops.mamba.causal_conv1d_triton import (
        causal_conv1d_fn as causal_conv1d_fn_triton,
    )
    from sglang.kernels.ops.mamba.causal_conv1d_triton import (
        causal_conv1d_update as causal_conv1d_update_triton,
    )
    from sglang.srt.layers.attention.mamba.causal_conv1d import (
        causal_conv1d_fn,
        causal_conv1d_update,
    )
elif is_npu():
    # NPU 原生导入保持不变
    ...
elif is_xpu():
    # XPU 使用便携 Triton 内核，也改为从新位置导入
    from sglang.kernels.ops.mamba.causal_conv1d_triton import (
        causal_conv1d_fn as causal_conv1d_fn,
    )
    ...

python/sglang/srt/layers/attention/mamba/causal_conv1d.py

因果卷积 1D 包装文件，原本使用相对导入引用同目录下的 causal_conv1d_triton，改为绝对导入指向 sglang.kernels。

# 搬迁前：from .causal_conv1d_triton import PAD_SLOT_ID, ...
# 搬迁后：从统一内核目录引入
from sglang.kernels.ops.mamba.causal_conv1d_triton import (
    PAD_SLOT_ID,
)
from sglang.kernels.ops.mamba.causal_conv1d_triton import (
    causal_conv1d_fn as _causal_conv1d_fn_triton,
)
from sglang.kernels.ops.mamba.causal_conv1d_triton import (
    causal_conv1d_update as _causal_conv1d_update_triton,
)
​
try:
    from sgl_kernel import causal_conv1d_fwd
    from sgl_kernel import causal_conv1d_update as causal_conv1d_update_kernel
    _HAS_SGL_KERNEL = True
except (ImportError, AttributeError):
    _HAS_SGL_KERNEL = False
​
# 其余逻辑保持不变
def causal_conv1d_fn(...):
    ...

评论区精华

PR 没有来自 review 的用户讨论，但提交历史显示一个重要修正：在一次全局替换中错误地将 flashattention / flashinfer / flashmla 等非迁移后端的导入路径也指向了 sglang.kernels.ops.attention.*，作者在 commit e400091 中 revert 了这部分改动。这提醒大规模批量替换时要防止过匹配。

• 全局替换误改非迁移注意力后端 (other): 最终合并前精确回退了非迁移后端的导入，确保只有 fla 和 mamba 相关文件受影响。

风险与影响

• 风险：风险极低，因为所有搬迁内核均为字节不变重命名（git rename R100），唯一变更的是导入路径。但是，如果某些动态导入或基于 __file__ 的配置查找依赖于旧路径，可能会遗漏。PR 已确认没有这样的配置查找。另需注意跨硬件后端（XPU/NPU）的条件导入也已正确更新。潜在风险：合并冲突未正确处理可能导致某些导入未更新的遗留，但通过 CI 测试已覆盖。
• 影响：对用户和系统无功能影响，属于纯工程重构。对开发者：需要更新任何直接引用旧路径的第三方代码或自定义后端；内部 import 习惯需迁移到新位置。团队受益于更清晰的内核目录结构，便于后续统一版本管理和发现内核。CI 缓存可能因文件移动被重置，但无持续影响。
• 风险标记：大规模路径变更, 导入路径绑定风险, 全局替换过匹配风险

关联脉络

• PR #30784 [Kernel] Migrate block-fp8 GEMM kernels to sglang.kernels (Phase 2.5, 1/7): 同 Phase 2.5 系列，先后合并，共享 ops/attention/__init__.py 的追加写入，本 PR 依赖其合并状态。
• PR #30786 [Kernel] Migrate MoE router kernels to sglang.kernels (Phase 2.5, 2/7): 同系列前序 PR，共享基础设施变更。
• PR #30787 [Kernel] Migrate fused dual-residual RMSNorm kernels to sglang.kernels (Phase 2.5, 3/7): 同系列前序 PR。
• PR #30789 [Kernel] Migrate sparse-linear-attention kernels to sglang.kernels (Phase 2.5, 4/7): 同系列前序 PR。
• PR #30792 [Kernel] Migrate DSA + DSV4 attention kernels to sglang.kernels (Phase 2.5, 5/7): 同系列前序 PR。
• PR #30793 [Kernel] Migrate linear-attention, MiniMax-sparse and diffusion kernels to sglang.kernels (Phase 2.5, 6/7): 同系列前序 PR。
• PR #29630 RFC: Kernel directory restructure (Phase 2.5): 本 PR 遵循 RFC #29630 的迁移计划，是 Phase 2.5 的最终步骤。