2026-09-16
HiCache v2 调用补齐 prefix 元数据
值得花 10 分钟精读，尤其是三处细节：一是 `None` 与 `[]` 的三态语义如何影响累积起点；二是「非原地拼接」与 `HiCacheStorageExtraInfo(prefix_keys=...)` 共享 list 引用之间的隐式耦合，读懂这一点才能理解为什么 `_page_transfer_sidecar` 还能拿到原始前缀；三是 `_page_transfer` 先读 KV、`_page_transfer_sidecar` 后读 sidecar 的顺序依赖。合入后的建议：补一个单元测试覆盖 `prefix_keys` 为 `None` / `[]` / 非空三种输入下 v2 后端实际收到的 `extra_info`，并在累积处加一句注释固化「禁止改回原地 `+=`」的约束；同时确认失败的那条 AMD ROCm 10 CI 与本改动无关。
清理 SRT 大量死代码与废弃测试，净删 3159 行
值得精读，尤其适合作为“大规模死代码清理”的范例：PR body 给出了每类删除的可验证论证（调用方扫描、import 检查、动态查找、测试矩阵隔离对比），并量化了删除的测试收益与保留项。值得关注的设计决策包括：缓存键简化为 UUID 列表、用 main/PR 测试计数差精确对齐删除的测试用例、以及删除 scanner 测试但保留行为测试的“迁移后退役守卫”模式。对编译、模型加载与 HiCache 模块维护者，建议留意编译缓存键变化与三个守卫测试退役后的长期影响。
Qwen3.5 MI355X HiCache 文档改回 kernel 与 page_first 后端
该 PR 本身不值得精读：6 行改动、无讨论、无测试。但值得关注两点：一是 cookbook 命令生成器与真实部署命令的一致性维护机制（recipe-link MAJOR-arg 检查），二是它与 #39358 的一来一回可作为 AMD HiCache 后端选型（`kernel` vs `direct`）演进的观察线索；若后续镜像版本再次调整 flag，应同步检查这份文档。
HiCache 指标按 rank 打标并拆分 shrunk 归因，修复多 rank 求和失真
值得精读。如果团队将 HiCache 作为生产级分层缓存使用，本 PR 的指标语义约定（per-shard vs logically replicated、attempt 级诊断 vs 最终 miss 计数）是解读后续 HiCache 面板和告警的前提。特别值得学习的设计决策：一是 rank 标签与 storage collector 键约定对齐，避免 L2/L3 两层指标无法关联；二是在重构导致某些 reason 失去代码路径后，保留 label 预置以维持 dashboard 稳定、同时明确文档口径；三是把"窗口字节 delta / duration sum"定义为活跃带宽，区分纯 rate 含空闲时间的口径。
为 sgl-router 监控看板新增 KV 分层存储覆盖率三面板
这个 PR 最值得精读的是 PR body 而非 diff：其中关于"跨 namespace 相除会得到一个漂亮的错误数字（0.54 vs 1.00）"、"检查查询的值而非仅仅检查返回行"、"max 会掩盖 quietest replica 失联"的监控设计论证具有普遍借鉴价值，适合负责可观测性面板与告警设计的工程师参考。建议与 #39109、#39110 按 stack 顺序一起阅读，了解指标从产生、测试到面板化呈现的完整链路。
真实 GPU e2e 测试覆盖 HiCache 分层缓存路由
值得精读。虽然纯测试变更，但测试设计方法论有很高参考价值：用引擎自身记账而非树状态做 payoff 断言以避免 vacuous pass；按 owner 份额而非集群总量计算驱逐预算；驱动式而非固定请求数；验证前提（双 worker 注册）而非假设；参数化覆盖面相反事件顺序。建议结合系列前序 PR（tier-aware tree 与 metrics 支撑）一起阅读，并关注后续第 4 部分。
路由器 /metrics 暴露 KV 分层存储事件与树占用指标
值得精读。该 PR 是“为观测而设计”的样板：固定基数标签折叠、零值即结论、编译期断言钉死三表一致性、穷举 match 替代判别式转型、pull-on-scrape 与结构性零的取舍，每一处都有明确故障场景支撑。建议与 #39108（1/4）、#39110（3/4）连读以获得完整上下文；若团队后续要扩展新的存储 tier，本 PR 中 `Tiers::SLOTS` 与 `MEDIUM_LABELS` 的编译期约束是必须复用的模式。
HiCache 存在缓存 LRU 扩至 512K 并优化查询热路径
值得精读的 Python 热路径微优化范例：展示了方法绑定（hoisting）、EAFP 与 LBYL 的取舍、批量淘汰、以及容量-内存权衡的工程分析，适合对缓存设计和性能优化感兴趣的工程师学习。但应意识到它缺少 benchmark 和专项测试，落地到线上前建议补一次 buffer-mode 长上下文对比测试验证收益。
