执行摘要

• 一句话：运行时 6 个模块改为从配置 bag 读参数
• 推荐动作：值得精读。这是 config 系列重构的关键一环，展示了「先理清数据流、再逐层去掉参数透传」的系统性方法。重点学习：
  1) 以「读取是原字段还是命名空间叶子」为判据决定可否迁移；
  2) 用 is_config_namespace_published 把「None 用默认」重语义化为「未发布用默认」；
  3) 对构造函数签名变更做全仓库调用点普查（含 srt/ 之外）。建议在阅读时对照系列内 #36896、#36972、#36974、#36975 一起看，才能理解完整演进。

功能与动机

PR body 指出：srt/ 全树普查发现 53 个文件中存在 295 处对持有的 ServerArgs 的原始字段读取，而这些字段全部已在发布的命名空间中。上一 PR 已把 resolution 包从 record 上摘除，本 PR 处理 runtime 部分。其中 expert_distribution.py 是最典型例子：ExpertDistributionRecorder 被传入 ServerArgs 并穿过 6 个构造函数只为 4 处读取，而文件本身已经通过 get_exec().moe 读取 recorder 模式，record 只是与 bag 并行旅行。去除 record 依赖是系列目标（系列 PR #36896→#36975）的一部分。

实现拆解

1. EPLB 记录器去参：python/sglang/srt/eplb/expert_distribution.py 中 ExpertDistributionRecorder.init_new、_ExpertDistributionRecorderReal.__init__、_Accumulator.init_new、_SinglePassGatherer.init_new 及子类共 6 个构造函数移除 server_args 参数；4 处读取改为 runtime_context 的 reports_expert_balancedness() 等 bag 访问器；model_runner.py 中 5 处调用点同步更新。
2. 三个 balancedness 谓词发布为 runtime_context 访问器：runtime_context.py 新增 reports_expert_balancedness、logs_expert_balancedness_to_server_log、exports_expert_balancedness_to_prometheus，均读取 get_exec().moe.expert_balancedness_report_mode；对应删除 ServerArgs.should_log_expert_balancedness_to_server_log 与 should_export_expert_balancedness_to_prometheus。metrics_collector.py 与 metrics_reporter.py 改用新访问器。
3. resolve_collector_class 改为读 bag：observability/metrics_collector.py 中该函数签名从 (server_args, role, default_cls) 改为 (role, default_cls)，内部通过 get_context().is_config_namespace_published("observability") 判断命名空间是否发布，再读 get_observability().stat_loggers。三个调用点（含 init_new）同步更新。
4. 其余 6 个 runtime reader 迁移：hybrid_pool_assembler 与 scheduler 改读 get_memory().hicache_host_memory_mode；kt_ep_wrapper 的 create_kt_config_from_server_args 改读 get_exec().moe.kt_* 与 get_schedule().chunked_prefill_size；expert_backup_client 改读 get_parallel()；dspark_planner 的 build_sps_cost_table 删除关键字参数并改读 get_spec() / get_schedule()；prefill_delayer 删除构造参数与存储属性，直接读 bag。
5. 调用点连带修复：DSpark worker 构造 DSparkVerifyPlanner 的调用点（P1 级，否则启动即 TypeError），以及 registered 测试中的 prefill-delayer 与 SPS-table 用例改为通过 override_server_args 发布测试配置；删除不再需要的 _StubArgs 替身并改用真实 bag 发布。
6. 测试配套：test_stat_loggers_di.py 重写 TestResolveCollectorClass，用 get_context().override_server_args() 注入 stat_loggers，新增 test_returns_default_when_nothing_is_published；62-shape 解析探针与基线字节级一致，受影响套件 3038 通过，失败集与 main 相同。

关键文件：

• python/sglang/srt/observability/metrics_collector.py（模块 指标采集；类别 source；类型 core-logic；符号 resolve_collector_class）: 核心 DI 解析函数 resolve_collector_class 从接收 server_args 改为从已发布的 observability bag 读取，涉及 3 个调用点，是本 PR 语义变化最集中的地方。
• python/sglang/srt/runtime_context.py（模块 运行时上下文；类别 source；类型 core-logic；符号 reports_expert_balancedness, logs_expert_balancedness_to_server_log, exports_expert_balancedness_to_prometheus）: 新增 3 个 expert-balancedness 发布访问器，替代 ServerArgs 上的方法，成为该配置的唯一读取入口。
• python/sglang/srt/eplb/expert_distribution.py（模块 专家分布；类别 source；类型 dependency-wiring）: 最典型的「record 旅行」消除案例：ServerArgs 参数从 6 个构造函数中移除，存储属性删除，读取全部走 bag。

关键符号：resolve_collector_class, reports_expert_balancedness, logs_expert_balancedness_to_server_log, exports_expert_balancedness_to_prometheus, ExpertDistributionRecorder.init_new, _Accumulator.init_new, _SinglePassGatherer.init_new, create_kt_config_from_server_args, build_sps_cost_table, PrefillDelayer.init, ExpertBackupClient.init

关键源码片段

python/sglang/srt/observability/metrics_collector.py

核心 DI 解析函数 resolve_collector_class 从接收 server_args 改为从已发布的 observability bag 读取，涉及 3 个调用点，是本 PR 语义变化最集中的地方。

# python/sglang/srt/observability/metrics_collector.py
​
def resolve_collector_class(role: str, default_cls: type) -> type:
    """返回 `role` 在已发布的 observability bag 中注册的收集器子类，
    未注册或命名空间未发布时返回 `default_cls`。
​
    注意：语义从「server_args=None 用默认」迁移为「命名空间未发布用默认」，
    因此调用方必须保证在 config 发布之后调用。
    """
    from sglang.srt.runtime_context import get_context, get_observability
​
    # 命名空间未发布时直接兜底，避免 get_observability() 访问未初始化字段
    if not get_context().is_config_namespace_published("observability"):
        return default_cls
    stat_loggers = get_observability().stat_loggers
    if not stat_loggers:
        return default_cls
    # 按角色（scheduler / tokenizer / storage / radix_cache / expert_dispatch）查表
    return stat_loggers.get(role, default_cls)

python/sglang/srt/eplb/expert_distribution.py

最典型的「record 旅行」消除案例：ServerArgs 参数从 6 个构造函数中移除，存储属性删除，读取全部走 bag。

# python/sglang/srt/eplb/expert_distribution.py
​
class ExpertDistributionRecorder(ABC):
    """全局专家分布记录器入口。"""
​
    @staticmethod
    def init_new(expert_location_metadata, rank):
        # 之前这里还接收 server_args：它只服务于下面 4 处读取，
        # 而这些字段全部已在 exec.moe 命名空间中，因此直接读 bag
        if get_exec().moe.expert_distribution_recorder_mode is not None:
            assert expert_location_metadata is not None, (
                "ExpertLocationMetadata is required for expert distribution recording. "
                "One possible reason is that you are using a model that does not support "
                "expert distribution recording. Try setting "
                "`get_model_config_for_expert_location` in your model."
            )
            return _ExpertDistributionRecorderReal(expert_location_metadata, rank)
        else:
            return _ExpertDistributionRecorderNoop()

评论区精华

Codex 机器人提交了 4 条 review 评论，但 reviewed commit 为 97f9b5bb，与本 PR head（22f94e00）不一致，内容涉及 sgl_kernel 的 flash_ops/flashmla_ops/spatial_ops 副作用导入被替换为 pass、以及 notebook 中删除 import os 的问题——这些文件不在本 PR 的变更范围内，可能是机器人对其他 commit 的评论被误挂。若这些评论实际属于本系列后续 PR（#36975 涉及 lazy imports），其技术要点仍值得注意：

P1: Restore the FlashAttention extension registration import — the empty try block never imports sgl_kernel.flash_ops, whose initialization registers torch.ops.sgl_kernel.fwd and get_scheduler_metadata.

P1: Restore the FlashMLA extension registration import — this pass sets _flashmla_import_error to None without loading sgl_kernel.flashmla_ops, so the backend reaches an unregistered operator.

P1: Restore the spatial extension registration import — create_greenctx_stream_by_value() reaches the missing operator.

P2: Keep os available for the documented token setup in docs/demo/deepseek_v4_flash.ipynb.

结论：这些意见指向“把副作用导入替换为 pass 会破坏 TORCH 扩展注册”的真实风险，但在本 PR 中无对应改动，建议在后续 PR 中核实。

• Codex P1：flash_attn.py 中副作用导入被替换为 pass 导致 FA3 算子未注册 (correctness): 评论针对 commit 97f9b5bb，与本 PR head 不符，疑似误挂；若属于系列后续 PR，应恢复副作用导入并改用 lint 抑制。
• Codex P1：flash_mla.py 中副作用导入被替换为 pass 导致 FlashMLA 算子未注册 (correctness): 同上，疑似与本 PR 无关；若相关应恢复导入并保持错误上报语义。
• Codex P1：spatial.py 中副作用导入被替换为 pass 导致 green-context 流算子未注册 (correctness): 同上，疑似与本 PR 无关；若相关应保留副作用导入。
• Codex P2：deepseek_v4_flash.ipynb 删除 import os 导致文档示例 NameError (documentation): 与 PR 无关（notebook 不在变更列表），但文档可执行性问题值得在后续维护中修复。

风险与影响

• 风险：主要风险是构造函数签名变更的连锁遗漏：删除 server_args 参数后，任何漏改的调用点都会在运行时抛 TypeError。PR 已处理 srt/ 外 3 个调用点（DSpark worker 是 P1 级，否则每次 DSPARK 启动即崩溃），但需人工确认其覆盖完整。其次，resolve_collector_class 的语义从「server_args=None 用默认值」变为「命名空间未发布用默认值」，依赖调用时机：若在 config 发布前调用，行为可能从「读到用户配置」变为「返回默认」，需确保所有调用点都在 publish 之后。kt_ep_wrapper 等核心路径（MoE 推理）改读 get_exec() 也可能在早期初始化阶段因命名空间未发布而取不到值。scheduler.py 是调度热路径，虽然 bag 读取是 dataclass 属性读取，性能风险低，但存在索引键（如 hicache_host_memory_mode）拼写错误导致的兜底失败。测试方面，PR 自述部分套件（observability、mem_cache、managers、spec、server_args）与 main 失败集一致，但某些迁移（如 expert_backup_client、prefill_delayer）未见新增针对性测试，存在覆盖缺口。
• 影响：影响范围集中在 sglang/srt 的配置读取路径：EPLB 专家均衡记录、Prometheus 指标采集、KT 专家并行、HiCache 混合池组装、调度器、弹性 EP 备份、DSPark 投机解码和 prefill 延迟。对用户无功能影响（行为不变），但为后续 #36974 删除死参数和 #36975 消除惰性导入铺路。对团队而言，该系列确立了「运行时从 bag 读配置、ServerArgs 只作为发布前载体」的新契约，后续新增配置读取应优先走 runtime_context 访问器。规模上 20 个文件、净删 46 行，属于跨模块中等规模重构。
• 风险标记：核心路径变更, 跨模块签名变更, 调用点遗漏风险, 部分迁移缺少新增测试, 代码评审疑点未落地

关联脉络

• PR #36896 the resolution pipeline's dispatcher leaves the record: 系列第 1 步：将 resolution 包从 ServerArgs record 上摘除，定义 bag 读取模式。
• PR #36972 the callbacks into the record go to zero: 系列第 2 步：消除回到 record 的回调，为运行时读取方迁移铺路。
• PR #36974 the dead record parameters go: 系列第 4 步：本 PR 迁移完成后，删除 ServerArgs 中 10 个死参数及 18 个调用点，直接依赖本 PR 的清理成果。
• PR #36975 the lazy imports that buy nothing become eager: 系列第 5 步：清理惰性导入，与 Codex 评论中关于副作用导入的讨论相关。
• PR #36925 CI vehicle — runs the whole series against main: 系列 CI 验证载体，确保每个 PR 独立绿。