执行摘要

• 一句话：修复 dsv4 KL 测试超时，上调 est_time 并新增文件级超时
• 推荐动作：值得快速阅读，因为它展示了一个典型的 CI 超时诊断思路：跟踪默认超时、est_time 和分片算法之间的联动。若要深入学习，可进一步查看 run_suite.py 和 compute_partitions.py 的实现。推荐评分 4/10。

功能与动机

标题和 PR body 说明：test_unified_radix_cache_kl_dsv4.py 在每次定时运行时都被杀掉（最近一次见 https://github.com/sgl-project/sglang/actions/runs/31849115802）。原因是 stage 未设置 timeout_per_file，run_suite.py 回退到 1200s 扁平默认值，低于该文件注册的 est_time=1500。作者实测 4 卡 GPU 上 16 个测试需要 2055s 才能通过，远超默认超时，因此必须调整。

实现拆解

1. 定位超时链路：run_suite.py 在 stage 未设置 timeout_per_file 时使用 1200s 扁平默认值，而该测试 est_time 注册为 1500s，导致文件被杀。同时 compute_partitions.py 按 est_time 打包分片，因此不能只调文件超时而不调 est_time。
2. 上调测试 est_time：在 test/registered/radix_cache/unified_radix_tree/test_unified_radix_cache_kl_dsv4.py 中，将 register_cuda_ci(est_time=1500, ...) 改为 register_cuda_ci(est_time=2400, ...)，使分片排队和超时预估均按真实耗时 2055s 合理放大。
3. 新增文件级超时：在 .github/workflows/pr-test-extra.yml 的对应 job 中增加 timeout_per_file: '3600'，确保即使默认值变化也不会再误杀该测试，并为同类长测试预留余量。
4. 说明未采用备选方案：--timeout-from-est-time 本可推导 3300s，但该开关受 scheduled 输入门控，且开启会让所有预定 stage 的 max-parallel 变为 1，代价过大，因此采用显式配置。

关键文件：

• test/registered/radix_cache/unified_radix_tree/test_unified_radix_cache_kl_dsv4.py（模块 缓存测试；类别 test；类型 test-coverage）: 该测试文件是超时问题的直接对象，est_time 从 1500 上调至 2400，使 CI 超时与分片估算对齐真实运行时长。
• .github/workflows/pr-test-extra.yml（模块 工作流配置；类别 infra；类型 infrastructure）: 为 extra 阶段显式添加 timeout_per_file: 3600，覆盖 run_suite.py 的 1200s 默认值，是本次修复的另一半。

关键符号：register_cuda_ci

关键源码片段

test/registered/radix_cache/unified_radix_tree/test_unified_radix_cache_kl_dsv4.py

该测试文件是超时问题的直接对象，est_time 从 1500 上调至 2400，使 CI 超时与分片估算对齐真实运行时长。

# 本文件注册为 CUDA CI 测试：est_time 必须覆盖真实运行耗时，
# 否则 run_suite.py 会按 1200s 扁平默认值杀进程。
# 实测 16 个用例在 4 卡 H100 上约需 2055s，因此 est_time 从 1500
# 上调到 2400，同时避免 compute_partitions.py 按旧值分片导致作业超时。
register_cuda_ci(
    est_time=2400, # 覆盖实测耗时，留约 15% 余量
    stage="extra-b",
    runner_config="4-gpu-h100",
)

评论区精华

PR 无 review 评论；作者在合并前通过 /rerun-test 命令单独重跑该测试，机器人回复在 4-gpu-h100 上 ✅ 通过（https://github.com/sgl-project/sglang/actions/runs/31895403726），确认超时调整有效。

• 重跑验证测试通过 (testing): 确认在提高超时后测试可以稳定跑完。

风险与影响

• 风险：
  1. est_time 上调至 2400 会影响 compute_partitions.py 的分片打包，该测试可能被分到更晚的批次或占用更多时间预算，可能挤压同 stage 其他测试。
  2. timeout_per_file 设为 3600 意味着若测试真正挂起，runner 最多会等 1 小时才失败，资源占用风险提高。
  3. 该修复仅覆盖 pr-test-extra.yml，其他 workflow（如 pr-test.yml 或 scheduled 流程）若同样运行此测试，仍可能受 1200s 默认超时影响。
     - 影响：影响范围集中在 CI 基础设施：解决了 test_unified_radix_cache_kl_dsv4.py 在 extra-b 阶段的持续超时失败，提升定时运行的成功率和信号可靠性。对运行时的功能逻辑无影响。团队后续在新增长时间测试时，需要同时考虑 est_time 与 timeout_per_file 的一致性。
     - 风险标记：CI 配置变更, 超时上限过高, 未覆盖所有 workflow

关联脉络

• PR #34913 [CI] Move the static ratchets back to CPU unit tests: 同为 CI 基础设施调整，涉及 test/registered 与 workflow 变更，与本 PR 同属 CI 执行机制优化。