执行摘要

• 一句话：将专家位置更新逻辑提取到 EPLBManager
• 推荐动作：建议快速审查，确认参数注入正确即可合并。该 PR 是 ModelRunner 拆解系列的重要一环，值得关注其与 MoE/EP 设置提取 PR 的协调性。

功能与动机

PR 标题明确表示要提取专家位置更新逻辑到 EPLBManager。这是对 ModelRunner 进行逐步拆解的系列工作之一，旨在缩小每个类的职责范围，使系统更易于维护和扩展。

实现拆解

1. 准备提取：在第一个 commit 中，对 update_expert_location 方法进行重命名、添加 @staticmethod 和 **kwargs 及回调参数，为移动做准备（涉及 model_runner.py）。
2. 创建独立函数：在第二个 commit 中，将修改后的逻辑复制粘贴到 eplb/expert_location_updater.py 模块中（临时中间产物）。
3. 最终移至 EPLBManager：在第三个 commit 中，将函数最终移至 eplb/eplb_manager.py 作为模块级函数 update_expert_location_with_recovery，并更新 EPLBManager.rebalance() 中的调用点，改为显式传参（从 ModelRunner 提取所需字段）。同时删除 ModelRunner 中的旧方法，并清理不再需要的导入。

关键文件：

• python/sglang/srt/model_executor/model_runner.py（模块 模型执行器；类别 source；类型 data-contract；符号 update_expert_location）: 删除了 update_expert_location 方法（约 48 行），调整了导入语句（移除 ExpertLocationMetadata 等），简化了 ModelRunner。
• python/sglang/srt/eplb/eplb_manager.py（模块 专家负载均衡；类别 source；类型 core-logic；符号 update_expert_location_with_recovery）: 新增模块级函数 update_expert_location_with_recovery，包含从 ModelRunner 迁移的专家位置更新逻辑，改进了内聚性和可测试性。

关键符号：update_expert_location_with_recovery, update_expert_location

关键源码片段

python/sglang/srt/eplb/eplb_manager.py

新增模块级函数 update_expert_location_with_recovery，包含从 ModelRunner 迁移的专家位置更新逻辑，改进了内聚性和可测试性。

def update_expert_location_with_recovery(
    *,
    expert_location_updater: ExpertLocationUpdater,
    model: nn.Module,
    new_expert_location_metadata: ExpertLocationMetadata,
    update_layer_ids: List[int],
    nnodes: int,
    tp_rank: int,
    expert_backup_client,
    update_weights_from_disk_callable,
    ep_dispatch_algorithm: str,
    init_lplb_solvers_callable,
):
    # 执行专家位置更新，返回需要从 peer 加载的缺失 expert 列表
    p2p_missing_logical_experts = expert_location_updater.update(
        model.routed_experts_weights_of_layer,
        new_expert_location_metadata,
        update_layer_ids=update_layer_ids,
        nnodes=nnodes,
        rank=tp_rank,
    )
​
    if len(p2p_missing_logical_experts) > 0:
        # 根据模型能力决定是部分加载还是全量重载
        if callable(getattr(model, 'generate_weight_name_filter', None)):
            weight_name_filter = model.generate_weight_name_filter(p2p_missing_logical_experts)
        else:
            logger.info('[Elastic EP] Model does not implement generate_weight_name_filter. Performing full weight reload.')
            weight_name_filter = None
​
        if expert_backup_client is not None and expert_backup_client.use_backup:
            # 从 DRAM 备份加载缺失权重
            expert_backup_client.update_weights(weight_name_filter)
        else:
            # 从磁盘加载缺失权重
            update_weights_from_disk_callable(
                get_server_args().model_path,
                get_server_args().load_format,
                weight_name_filter=weight_name_filter,
            )
​
        # 如果使用 LP 调度算法，需要重新初始化 LPLB 求解器
        if ep_dispatch_algorithm == 'lp':
            init_lplb_solvers_callable()

评论区精华

本次 PR 没有 review 评论，讨论主要反映在 commit message 中。

• 暂无高价值评论线程

风险与影响

• 风险：风险较低。但需注意：新函数采用显式参数传递，若传递给它的参数有误（如 expert_location_updater 未正确初始化），可能导致运行时错误。原逻辑中的 LPLB 求解器重新初始化依赖于 _init_lplb_solvers 可调用对象，若传入的 callable 行为不正确，可能影响 LP 调度。此外，由于没有新增测试，回归风险存在，但迁移的算法逻辑经过验证。
• 影响：对用户无影响。对系统内部，EPLBManager 的 rebalance 方法现在直接调用模块级函数，不再通过 ModelRunner 间接调用，增强了 EPLBManager 的独立性。ModelRunner 的代码行数减少，有助于后续进一步拆解。
• 风险标记：缺乏测试覆盖, 核心路径变更, 依赖注入变更

关联脉络

• PR #31159 Extract MoE/EP setup into a moe_ep_setup module: 同属 ModelRunner 拆解系列，提取了 MoE/EP 初始化逻辑到独立模块。
• PR #31155 Extract load_model helpers into a load_model_utils module: 同属 ModelRunner 拆解系列，提取了模型加载辅助函数。