执行摘要

本PR重构了vLLM中ROCm平台上的attention后端选择逻辑，将ROCM_ATTN设为最高优先级以优化性能，移除冗余环境变量VLLM_ROCM_CUSTOM_PAGED_ATTN，并更新ROCM_ATTN的sinks支持为False。变更影响ROCm相关模块，旨在提升attention性能并简化配置，但需关注优先级调整可能带来的性能回归风险。

功能与动机

此变更的动机源于单元测试的增强（如PR #36025和#35334），允许调整后端优先级。PR body明确指出："Changing the priorities of ROCm attention backends to 1. ROCM_ATTN - when applicable it is the most performant backend today"，目标是让ROCM_ATTN作为默认首选后端，提升ROCm设备上的attention效率。同时，移除VLLM_ROCM_CUSTOM_PAGED_ATTN环境变量以简化配置，因为该变量已不再必要。

实现拆解

实现方案按文件拆解如下：

• 优先级逻辑核心：在vllm/platforms/rocm.py中，_get_backend_priorities函数被重构，新优先级顺序为：
  

  backends = [
      AttentionBackendEnum.ROCM_ATTN,
  ]
  if rocm_aiter_ops.is_mha_enabled():
      backends.append(AttentionBackendEnum.ROCM_AITER_FA)
  if is_aiter_found_and_supported():
      backends.append(AttentionBackendEnum.ROCM_AITER_UNIFIED_ATTN)
  backends.append(AttentionBackendEnum.TRITON_ATTN)
  

  
  移除了基于VLLM_ROCM_USE_AITER等环境变量的复杂分支。

• 能力声明更新：vllm/v1/attention/backends/rocm_attn.py中supports_sink方法改为返回False，文档docs/design/attention_backends.md同步更新sinks支持列，以避免ROCM_ATTN在sinks场景下回退到低效Triton实现。

• 环境变量清理：vllm/envs.py删除VLLM_ROCM_CUSTOM_PAGED_ATTN定义，CI脚本.buildkite/scripts/hardware_ci/run-amd-test.sh移除相关设置。
• 测试和兼容性：更新测试文件tests/v1/attention/test_rocm_attention_backends_selection.py以反映新优先级，修改vllm/_aiter_ops.py中is_aiter_found_and_supported函数使用on_mi3xx检查。

评论区精华

Review讨论中关键交锋：

• 优先级顺序争议：gemini-code-assist[bot]指出代码中AITER_FA优先级高于AITER_UNIFIED_ATTN，可能与描述不符，但作者gshtras回复：

  By design
  确认这是有意设计，旨在优化性能选择。

• aiter检查问题：AndreasKaratzas提问：

  Why not also check if aiter is enabled (rocm_aiter_ops.is_enabled())?
  此问题未得到回复，暗示潜在遗漏，可能影响后端选择的正确性。

风险与影响

风险：

• 性能回归：新优先级可能在某些场景（如使用sinks的模型）下选择次优后端，导致性能下降。
• 兼容性破坏：移除VLLM_ROCM_CUSTOM_PAGED_ATTN环境变量可能影响依赖此配置的用户工作流。
• 测试覆盖不足：测试更新未全面覆盖所有环境变量组合，可能隐藏边缘案例。

影响：

• 用户：ROCm平台attention性能预计提升，但需注意sinks场景下的回退；配置简化，减少环境变量管理负担。
• 系统：后端选择更直接，代码维护性增强，但需监控实际性能数据。
• 团队：开发者需更新测试和文档，理解新逻辑以避免误用。

关联脉络

本PR是ROCm attention优化系列的一部分，与历史PR关联：

• PR #37453 和 PR #38043：均涉及ROCm平台bugfix和优化，特别是gpt-oss模型处理，与本PR的sinks支持调整相关。
• PR #36025 和 PR #35334：在PR body中被提及，作为单元测试基础，可能涉及attention后端测试的先前改进。
  整体脉络显示vLLM在持续优化ROCm平台性能，本PR通过优先级重构推动这一方向。