执行摘要

• 一句话：用 patch 固定 use_mlx，修复 MLX CI 车道 profiler 测试误走策略
• 推荐动作：值得快速浏览：变更短小，但“环境变量被 lru_cache 缓存打败、因此在调用点 mock”这一测试隔离模式有通用借鉴意义。关注点放在 setUp 的 patch 目标路径与 addCleanup 的组合用法，以及 docstring 中记录的设计理由。

功能与动机

PR body 明确说明：该修复针对 #34166 合并评论中点名的已知 CI 失败。apply_metal_profiler_patches() 通过 use_mlx() 选择捕获策略，而 stage-a-unit-test-mlx CI lane 在 job 级设置了 SGLANG_USE_MLX=1，导致 TestSchedulerProfilerManagerMPS 每轮都静默运行 MLX 策略而非它要测试的 MPS 策略。use_mlx() 带有 @lru_cache(maxsize=1)，进程内已缓存的值会让环境变量 pin 失效，所以必须在 profiler.py 的调用点直接 mock。

实现拆解

1. 变更入口：唯一修改文件是 test/registered/unit/hardware_backend/mlx/test_metal_profiler.py，为 TestSchedulerProfilerManagerMPS 新增 setUp 方法。
2. 核心逻辑：在 setUp 中通过 unittest.mock.patch 将 sglang.srt.hardware_backend.mlx.profiler.use_mlx 替换为固定返回 False 的桩，并用 self.addCleanup(patcher.stop) 保证每个用例结束后自动恢复，避免污染同进程内的其他测试。
3. 设计原因：patch 操作发生在 use_mlx() 的实际调用点（模块内符号），绕开了 lru_cache 的进程级缓存；同时扩展了类 docstring，记录“为什么不用环境变量 pin”这一决策，供后续维护者理解。
4. 配套说明：sibling 类 TestMetalCaptureProfilerMLX 直接调用 MetalCaptureProfiler.start_mlx，不会经过 use_mlx() 分发，因此无需 pin。作者在 Apple M4 Pro 上用 4 种环境组合（SGLANG_USE_MLX=1、未设置、=0、以及 CI lane 的同款调用方式）验证均为 10 passed；全量 MLX 单测套件在无环境变量覆盖下为 184 passed、4 skipped、0 failed，与修复前基线一致。无配置、schema 或部署配套改动。

关键文件：

• test/registered/unit/hardware_backend/mlx/test_metal_profiler.py（模块 MLX 探针；类别 test；类型 test-coverage；符号 setUp）: 唯一变更文件：为 TestSchedulerProfilerManagerMPS 新增 setUp，在 profiler.py 调用点 mock use_mlx() 为 False，隔离环境变量 SGLANG_USE_MLX 对测试策略选择的干扰，是本次修复的核心与全部。

关键符号：setUp

关键源码片段

test/registered/unit/hardware_backend/mlx/test_metal_profiler.py

唯一变更文件：为 TestSchedulerProfilerManagerMPS 新增 setUp，在 profiler.py 调用点 mock use_mlx() 为 False，隔离环境变量 SGLANG_USE_MLX 对测试策略选择的干扰，是本次修复的核心与全部。

@unittest.skipUnless(_IS_APPLE_SILICON and _HAS_MLX, _SKIP_REASON)
class TestSchedulerProfilerManagerMPS(unittest.TestCase):
    """SchedulerProfilerManager._start_profile 处理 Metal 捕获失败。
​
    apply_metal_profiler_patches() 会依据 use_mlx() 选择捕获策略，
    而 use_mlx() 读取 SGLANG_USE_MLX 且被 lru_cache 缓存。
    本测试类专测 MPS 策略，因此在 setUp 中直接 patch 调用点，
    而不是改环境变量 —— 环境变量 pin 无法覆盖已缓存的值。
    """
​
    def setUp(self):
        # profiler.py 中调用的是 `use_mlx()`，所以 patch 模块内符号，
        # 强制走 MPS 策略；addCleanup 保证每个用例结束后自动恢复。
        patcher = patch(
            "sglang.srt.hardware_backend.mlx.profiler.use_mlx", return_value=False
        )
        patcher.start()
        self.addCleanup(patcher.stop)
​
    def _make_manager(self, output_dir):
        from sglang.srt.managers.scheduler_components.profiler_manager import (
            SchedulerProfilerManager,
        )
​
        class FakePS:
            tp_rank = dp_rank = pp_rank = moe_ep_rank = 0
            dp_size = pp_size = moe_ep_size = 1
            gpu_id = 0
​
        mgr = SchedulerProfilerManager(
            ps=FakePS(), dp_tp_cpu_group=None, get_forward_ct=lambda: 0
        )
        mgr._init_profile(output_dir, None, None, None, None, None, False, "test")
        return mgr

评论区精华

本 PR 没有实质性的 review 评论：alexnails 直接 APPROVED（评论内容为空）；Issue 侧仅有 yeahdongcn 触发 /tag-and-rerun-ci 重跑 CI。核心设计决策——为什么 mock 调用点而不是改环境变量——已通过 setUp 上方扩展的 docstring 沉淀下来，没有在评论中展开讨论。

• 暂无高价值评论线程

风险与影响

• 风险：
  • mock 路径依赖风险：当前 profiler.py 内部以模块内 use_mlx() 方式调用，patch 目标字符串正确；若未来改为 from tensor_bridge import use_mlx 直接导入符号，该 patch 会失效，需要同步更新测试。
  • 覆盖范围局限：该测试类现在被固定为永远验证 MPS 策略分支，MLX 策略分支依赖 sibling 测试覆盖；未来新增用例时需保持两个策略分支的覆盖对称。
  • 影响面可控：addCleanup 确保 patch 在每个用例后恢复，不会泄漏到其他测试；纯测试变更，无性能、安全、兼容性风险。
  • 影响：对用户与运行时系统零影响（test-only 变更）。对团队的影响主要是 CI 稳定性：修复 pr-test-mlx lane 每轮都会出现的 profiler 测试失败，减少合并时的噪音与误判。影响范围限定在 Apple Silicon / MLX 测试路径，影响程度较小但价值明确。
  • 风险标记：mock 目标路径依赖 profiler.py 内部符号, 仅覆盖 MPS 策略分支, 纯测试变更，无运行时风险

关联脉络

• PR #34166 [MLX] Window-bounded SWA KV storage and in-graph sampling: 本 PR 直接引用其合并评论中点名的已知 CI 失败；该 MLX 大 PR 引入了 profiler 相关路径，ambient SGLANG_USE_MLX 导致 TestSchedulerProfilerManagerMPS 静默跑错策略。
• PR #34301 Fix CI server warmup progress logging: 同为测试侧修复 CI 稳定性问题的近期 PR（修复 CI 禁用 tqdm 时预热进度误报），与本 PR 属于同一波 CI 噪音清理。
• PR #34272 [CI] Fix GSM8K floating-point tolerance boundary: 同为减少 CI 误失败的修复（浮点容差边界），与本 PR 一起反映仓库对 CI 稳定性的持续收敛。