执行摘要

• 一句话：修复 HiCache 启动时 ImportError 崩溃
• 推荐动作：值得精读，但属于中等篇幅即可读完的 PR（3 文件、+83/-5）。重点看三处：(1) _resolve_device_accessible_ptr_fn 的双重存在性检查（import + torch.ops）与 lru_cache(maxsize=1) 的收敛设计，这是跨仓库发布顺序错配时的通用处置模式；(2) HIP 上 fail-fast、CUDA 上 fail-soft 的平台分工，背后的依据是 UVA 下 host/device 地址别名关系；(3) 测试如何用 alloc_with_host_register + monkeypatch resolver 直接验证回退等价性，以及为什么在缺 op 时选择 skip 而不是 fail。阅读时请额外确认夹带的 unified_radix_cache.py 选择器改动（req_id → request.rid）在本仓库当前签名下确实必要，这行改动没有配套测试。若你是部署/CI 维护者，可作为「AOT op 与调用方必须分两个 PR 落地」的案例收藏。

功能与动机

根因是发布顺序缺失：PR body 明确写到 #35233 把 AOT op 和调用方放在一个 PR 里落地，跳过了贡献指南 Update sglang-kernel 一节要求的顺序。PR CI 构建 PR-local wheel，所以当时是绿的；而 main 与定时 CI 跑的是 pinned sglang-kernel==0.4.7，那里没有这个符号，于是「any server that builds a registered host pool dies at startup on ImportError: cannot import name 'get_device_accessible_ptr'. That was 32 jobs in the last scheduled run.」作者同时排除了直接回滚：ROCm 从本仓库构建 kernel、已经在跑这个修复，回滚会重新打断 MI355X，而且这个算子终究要发布。因此采取指南允许的例外——先做存在性检查，保留等价回退，直到已发布 wheel 追上来。Issue 评论中 HaiShaw 对 AMD 同学补充了「FYI. Let's do more JIT, and be careful with AOT process.」，把这次事故归因到 AOT 流程纪律上。

实现拆解

1. 新增可测试、可缓存的算子解析入口 —— python/sglang/srt/mem_cache/pool_host/common.py
   - 新增 from functools import lru_cache、from sglang.srt.utils import is_hip，并在模块层缓存 _is_hip = is_hip()。
   - 新增 _resolve_device_accessible_ptr_fn() 并加 @lru_cache(maxsize=1)：进程内只解析一次，把「op 是否存在」的判断从调用点内联 import 收敛成单一入口，便于测试 monkeypatch，也便于将来 pin 更新后一处收口。
   - 双重存在性检查：from sgl_kernel.kvcacheio import get_device_accessible_ptr 捕获 ImportError 置 None；import 成功后再用 hasattr(torch.ops.sgl_kernel, "get_device_accessible_ptr") 覆盖「符号在但算子未注册」的情形。
2. 平台差异化的降级策略 —— 同一文件
   - HIP（_is_hip 为真）：直接 raise ImportError，错误信息给出重建指引 python/sglang/kernels/aot (setup_rocm.py)。因为 ROCm 上 registered host memory 携带独立的 device 地址，静默回退会写错指针，缺 op 即意味着构建是坏的。
   - CUDA：只 logger.warning 一次并返回 None，让调用方走原始地址。因为 UVA 下 host 地址本身就是 device alias，「nothing changes past one warning」。
3. 调用方改造 make_kernel_ptr_table —— 同一文件
   - 原实现在 host_memory_registered and device.type == "cuda" 分支里内联 from sgl_kernel.kvcacheio import ...；现在先调用 _resolve_device_accessible_ptr_fn()，返回 None 就落到 tensor.data_ptr() 分支。
   - 效果：缺少 op 的 CUDA wheel 上，行为回到 #35233 之前的语义，不会在启动/建表阶段抛异常；地址计算仍是 torch.tensor(pointers, dtype=torch.uint64, device=device)，其余逻辑不动。
4. 测试配套 —— test/registered/kernels/ops/kvcache/test_hicache_page_first_write_back.py
   - 新增 test_registered_mmap_kernel_ptr_table_fallback_matches_device_alias：HIP 上 skipif；resolver 返回 None 时 pytest.skip；否则用 alloc_with_host_register((PAGE_SIZE * 4, 128), torch.bfloat16, "cpu", True, HostTensorAllocator()) 建真实 pinned 内存，比较别名表与 monkeypatch 掉 resolver 后的 raw 表，finally 中 _cuda_host_unregister 释放。
   - 已有 test_registered_mmap_pointer_domains_and_all_layer_transfer 由「直接 import」改为走 _resolve_device_accessible_ptr_fn()，拿不到就 skip 并提示从 AOT 构建，避免 pinned wheel 下套件整体变红。
5. 顺带修复 —— python/sglang/srt/mem_cache/unified_radix_cache.py
   - prefetch_from_storage 的 @rank_consensus(same_params=["req_id", "len(new_input_tokens)"]) 改为 same_params=["request.rid", "len(new_input_tokens)"]，与实参 request: CacheRequestHandle 对齐；该改动来自维护者 hnyls2002 的 commit「fix prefetch consensus selector」，说明它是合入过程中被发现并顺手修掉的选择器失配，而不是本 PR 的主线目标。

关键文件：

• python/sglang/srt/mem_cache/pool_host/common.py（模块 主机内存池；类别 source；类型 dependency-wiring；符号 _resolve_device_accessible_ptr_fn, make_kernel_ptr_table, _is_hip）: 主线修复文件：新增 _resolve_device_accessible_ptr_fn() 承担算子存在性检查与平台差异化降级，并改造 make_kernel_ptr_table 的指针表构建路径，直接决定 HiCache registered host pool 能否在 pinned wheel 上启动。
• test/registered/kernels/ops/kvcache/test_hicache_page_first_write_back.py（模块 内核测试；类别 test；类型 test-coverage；符号 test_registered_mmap_kernel_ptr_table_fallback_matches_device_alias, test_registered_mmap_pointer_domains_and_all_layer_transfer）: 测试配套：新增 CUDA 回退等价性测试并用 monkeypatch 覆盖回退分支，同时把既有 registered 内存指针测试改为走 resolver 并在缺 op 时跳过，保证 pinned wheel 下套件不会整体变红。
• python/sglang/srt/mem_cache/unified_radix_cache.py（模块 前缀缓存；类别 source；类型 core-logic；符号 prefetch_from_storage）: 顺带修复：prefetch_from_storage 的 rank_consensus 选择器由 req_id 改为 request.rid，与实参名对齐，属合入过程中被维护者发现的选择器失配。

关键符号：_resolve_device_accessible_ptr_fn, make_kernel_ptr_table, test_registered_mmap_kernel_ptr_table_fallback_matches_device_alias, test_registered_mmap_pointer_domains_and_all_layer_transfer, prefetch_from_storage

关键源码片段

python/sglang/srt/mem_cache/pool_host/common.py

主线修复文件：新增 _resolve_device_accessible_ptr_fn() 承担算子存在性检查与平台差异化降级，并改造 make_kernel_ptr_table 的指针表构建路径，直接决定 HiCache registered host pool 能否在 pinned wheel 上启动。

# python/sglang/srt/mem_cache/pool_host/common.py
from functools import lru_cache
​
from sglang.srt.utils import is_hip
​
# 平台判定只在模块加载时做一次，避免在解析函数里重复调用 is_hip()
_is_hip = is_hip()
​
​
@lru_cache(maxsize=1)
def _resolve_device_accessible_ptr_fn():
    """解析 sgl_kernel 的 device-accessible 指针算子；缺失时按平台降级或报错。
​
    maxsize=1 的缓存确保每个进程只解析一次：wheel 内容在进程内不会变化。
    """
    try:
        # 第一层：pinned wheel 里可能没有这个模块级符号（#35233 新增的 AOT op）
        from sgl_kernel.kvcacheio import get_device_accessible_ptr
    except ImportError:
        get_device_accessible_ptr = None
    else:
        # 第二层：符号存在但 torch.ops 命名空间未注册时，调用依然会失败
        if not hasattr(torch.ops.sgl_kernel, "get_device_accessible_ptr"):
            get_device_accessible_ptr = None
​
    if get_device_accessible_ptr is None:
        # CUDA 的 UVA 让 host 地址本身就是 device 可见地址，回退等价；
        # ROCm 上两个地址确实不同，静默回退会写错指针，因此直接 fail fast。
        if _is_hip:
            raise ImportError(
                "sgl_kernel.kvcacheio.get_device_accessible_ptr is missing from the "
                "installed sglang-kernel. It is required on ROCm, where registered "
                "host memory carries a distinct device address. Rebuild sglang-kernel "
                "from python/sglang/kernels/aot (setup_rocm.py)."
            )
        logger.warning(
            "sgl_kernel.kvcacheio.get_device_accessible_ptr is missing from the "
            "installed sglang-kernel; using raw host addresses for kernel pointer "
            "tables. Build sglang-kernel from python/sglang/kernels/aot to enable it."
        )
    return get_device_accessible_ptr
​
​
def make_kernel_ptr_table(
    tensors: list[torch.Tensor],
    target_device: torch.device | str,
    *,
    host_memory_registered: bool,
) -> torch.Tensor:
    # 只有 registered 的 CUDA host 内存才需要地址转换，其他情况一律用原始地址
    device = torch.device(target_device)
    get_device_accessible_ptr = (
        _resolve_device_accessible_ptr_fn()
        if host_memory_registered and device.type == "cuda"
        else None
    )
    if get_device_accessible_ptr is not None:
        if device.index is None:
            device_index = torch.cuda.current_device()
        else:
            device_index = device.index
        pointers = [
            get_device_accessible_ptr(tensor, device_index) for tensor in tensors
        ]
    else:
        # 回退分支：缺 op 的 CUDA wheel 上，UVA 让 data_ptr() 即为 device 别名
        pointers = [tensor.data_ptr() for tensor in tensors]
    return torch.tensor(
        pointers,
        dtype=torch.uint64,
        device=device,
    )

test/registered/kernels/ops/kvcache/test_hicache_page_first_write_back.py

测试配套：新增 CUDA 回退等价性测试并用 monkeypatch 覆盖回退分支，同时把既有 registered 内存指针测试改为走 resolver 并在缺 op 时跳过，保证 pinned wheel 下套件不会整体变红。

# test/registered/kernels/ops/kvcache/test_hicache_page_first_write_back.py
@pytest.mark.skipif(
    is_hip(),
    reason="ROCm maps registered host memory at a distinct device address.",
)
def test_registered_mmap_kernel_ptr_table_fallback_matches_device_alias(
    monkeypatch: pytest.MonkeyPatch,
) -> None:
    """CUDA maps registered host memory at the host address itself;
    ``make_kernel_ptr_table``'s raw-host-address fallback depends on it."""
    # pinned wheel 没有该 op 时别名表本身无法构建，测试跳过而不是失败
    if _resolve_device_accessible_ptr_fn() is None:
        pytest.skip(
            "installed sglang-kernel has no get_device_accessible_ptr; "
            "build it from python/sglang/kernels/aot to run this test"
        )
​
    # 使用真实注册的 pinned host 内存，避免 UVA 别名关系是伪造出来的
    buffer = alloc_with_host_register(
        (PAGE_SIZE * 4, 128),
        torch.bfloat16,
        "cpu",
        True,
        HostTensorAllocator(),
    )
    try:
        aliased = make_kernel_ptr_table([buffer], DEVICE, host_memory_registered=True)
        # 强行让 resolver 返回 None，强制走 raw data_ptr() 回退路径
        monkeypatch.setattr(
            pool_host_common, "_resolve_device_accessible_ptr_fn", lambda: None
        )
        raw = make_kernel_ptr_table([buffer], DEVICE, host_memory_registered=True)
        # 两者不等说明 UVA 回退假设被打破，回退路径会写错指针
        assert torch.equal(aliased, raw)
    finally:
        _cuda_host_unregister(buffer)
​
​
def test_registered_mmap_pointer_domains_and_all_layer_transfer() -> None:
    # 统一走 resolver：缺 op 的 wheel 上跳过，而不是在 import 阶段就 ImportError
    get_device_accessible_ptr = _resolve_device_accessible_ptr_fn()
    if get_device_accessible_ptr is None:
        pytest.skip(
            "installed sglang-kernel has no get_device_accessible_ptr; "
            "build it from python/sglang/kernels/aot to run this test"
        )

python/sglang/srt/mem_cache/unified_radix_cache.py

顺带修复：prefetch_from_storage 的 rank_consensus 选择器由 req_id 改为 request.rid，与实参名对齐，属合入过程中被维护者发现的选择器失配。

# python/sglang/srt/mem_cache/unified_radix_cache.py
# rank_consensus 的 same_params 选择器此前写的是 "req_id"，与实参名 request 不匹配，
# 会让多 rank 的 prefetch 共识校验取不到值；此处顺带改成 request.rid。
@rank_consensus(same_params=["request.rid", "len(new_input_tokens)"])
def prefetch_from_storage(
    self,
    request: CacheRequestHandle,
    # 其余参数 last_host_node_id / new_input_tokens / last_hash / prefix_keys /
    # matched_prefix_tokens / extra_key / cache_salt 以及函数体均未改动

评论区精华

Review 侧只有一条 LGTM，实质论证集中在 PR body 与 commit 记录里：

HaiShaw（APPROVED）：“LGTM”
HaiShaw（Issue 评论，@AMD-yanfeiwang @amd-danli103 @1am9trash @zijiecode）：“FYI. Let's do more JIT, and be careful with AOT process.”

PR body 主动交代了取舍：“That was 32 jobs in the last scheduled run. Reverting re-breaks MI355X ... So this takes the exception that section allows: check the op is there, keep an equivalent fallback until a released wheel catches up.” 并明确了 CUDA 回退等价（UVA 即 device alias）、ROCm 必须 raise 的平台分工。

commits 显示维护者 hnyls2002 在合入前做了最后打磨（“trim hicache ptr fallback comments”），并亲自提交 “fix prefetch consensus selector”，把 req_id 选择器改成 request.rid。值得注意的是：没有任何逐行 review 评论，也没有人讨论“长期停留在回退分支会不会掩盖 wheel 未更新”这类 observability 问题，回退的去留被留给了将来的 pin 更新（“the fallback can go or stay as skew insurance”）。

• AOT 算子与调用方同 PR 合入导致 pinned wheel 版本错配 (design): 采取指南允许的例外：先检查 op 是否存在，保留等价回退等待已发布 wheel 追上，待 pin 更新后回退可移除或保留为版本错配保险。
• CUDA 回退与 ROCm fail-fast 的平台分工是否合理 (design): 平台差异化策略被接受，HaiShaw 以 APPROVED + LGTM 放行；维护者仅做了注释精简（commit “trim hicache ptr fallback comments”）。
• 缺 op 环境下测试该跳过还是失败 (testing): 选择 skip 以保证 pinned wheel 下套件保持绿色，代价是这些断言在旧 wheel 环境下并不真正执行，等 pin 更新后才会实际运行。
• 顺带修正 rank_consensus 选择器（req_id → request.rid） (correctness): 已随本 PR 合入，但没有独立测试、也没有对应讨论记录，属于被裹挟进修复 PR 的小范围正确性改动。

风险与影响

• 风险：
  1. 回退路径依赖 CUDA UVA 语义：make_kernel_ptr_table 在缺 op 时用 tensor.data_ptr() 作为 device 可见地址，仅在 UVA 下成立；新增测试在 CUDA 上对此做了断言（aliased == raw），但在非 UVA 或未来引入不同 pinned 内存注册方式时，该假设需要重新验证。
  2. @lru_cache(maxsize=1) 把解析结果固化在进程生命周期内：一旦在缺 op 的 wheel 上启动，即便后续 AOT 构建补齐也不会热生效，必须重启进程；这属于可接受的取舍，但排障时容易被忽略（尤其只有一条 warning）。
  3. ROCm 是刻意的 fail-fast：缺少 op 时 raise ImportError，把失败从 import 期推后到构建 registered host pool 时，错误信息更明确，但使用 pinned wheel 的 ROCm 集群会直接启动失败——这正是设计意图，不属于 bug，但会带来部署侧的硬性要求（必须从 python/sglang/kernels/aot 构建）。
  4. 测试覆盖有缺口：新测试只覆盖 CUDA 回退分支，ROCm 的 raise 分支和 torch.ops 二次检查都没有直接测试；此外缺 op 时测试走 pytest.skip，意味着在 pinned wheel 环境下这些断言实际上不会执行，回归保护存在真空期。
  5. unified_radix_cache.py 的 rank_consensus(same_params=["request.rid", ...]) 属夹带修复：若 CacheRequestHandle 上没有 rid 字段或语义不符，多 rank 的 prefetch 共识校验会静默失效，而本 PR 没有为这行改动补测试。
  6. 回退在 CUDA 上只打一次 warning，缺少指标/计数暴露；长期跑在回退路径上不会在监控里体现。
     - 影响：用户侧：使用官方 pinned sglang-kernel wheel（0.4.7）的 CUDA 用户，此前只要开启 registered host pool（HiCache page_first + kernel 模式的写回/加载路径）就会在启动时 ImportError 崩溃，现在可正常启动，代价仅是日志里一条 warning；ROCm 用户不受影响，仍要求从源码构建 kernel（否则明确报错而不是算错指针）。系统与 CI 侧：恢复 main 与定时 CI 的绿色（此前 32 个 job 因该 ImportError 失败），并让 PR CI 与 main CI 的行为差异（PR-local wheel vs pinned wheel）显式化。团队流程侧：本 PR 是「AOT 算子需先发布 wheel、再合入调用方」这条纪律缺口的直接产物，Issue 评论中 AMD 相关同学被点名提醒“do more JIT, be careful with AOT process”，预计会推动后续同类改动优先走 JIT 路径或补上 fallback。影响范围集中在 HiCache host 内存池的建表入口，不触及正常 AOT wheel 的服务路径。
     - 风险标记：启动路径降级, 依赖 CUDA UVA 平台假设, ROCm 缺 op 直接 raise, 缺 op 时测试跳过, 夹带 rank_consensus 修复, lru_cache 固化解析结果

关联脉络

• PR #35233 [AMD] Fix registered HiCache host pointer aliases: 直接上游：该 PR 同时落地 AOT 算子 get_device_accessible_ptr 与调用方 make_kernel_ptr_table（含同一测试文件与 pool_host/common.py），跳过 sglang-kernel 发布顺序，是本 PR 要修的全部原因；正文明确说明回滚它会重新打断 MI355X。
• PR #39318 Scope prefetch cache state to the request attempt: 同样改动 python/sglang/srt/mem_cache/unified_radix_cache.py 与 prefetch/请求命名空间逻辑，很可能是 prefetch_from_storage 实参被称为 request 的来源；本 PR 顺带修正的 rank_consensus 选择器与之属同一功能线（需人工确认因果关系）。