执行摘要

• 一句话：增加 DP Coordinator 启动超时至 120s
• 推荐动作：值得合入并部署。建议后续考虑将超时时间设置为可配置参数，以应对不同环境需求。

功能与动机

用户 wzhao18 在慢速网络文件系统环境下持续遇到 DPCoordinator 启动超时错误（RuntimeError: DP Coordinator process failed to report ZMQ addresses during startup.），因此提议增加超时时间到 120s，并在错误信息中包含 timeout 值以帮助定位问题。

实现拆解

1. 在 vllm/v1/engine/coordinator.py 的 _wait_for_zmq_addrs 方法中，将硬编码的超时值从 30 改为 120，并赋值给变量 timeout 用于复用。
2. 更新超时错误消息，增加 f"within timeout={timeout} seconds during startup." 以暴露超时时间。

关键文件：

• vllm/v1/engine/coordinator.py（模块 调度器；类别 source；类型 configuration；符号 _wait_for_zmq_addrs）: 修改了 DP Coordinator 启动超时时间及相关错误信息，是 PR 中唯一变更的文件。

关键符号：_wait_for_zmq_addrs

关键源码片段

vllm/v1/engine/coordinator.py

修改了 DP Coordinator 启动超时时间及相关错误信息，是 PR 中唯一变更的文件。

# vllm/v1/engine/coordinator.py
​
class DPCoordinator:
    """..."""
​
    def _wait_for_zmq_addrs(self, zmq_addr_pipe) -> tuple[str, str, str]:
        try:
            timeout = 120 # 从 30s 增加到 120s, 应对慢速网络文件系统
            ready = multiprocessing.connection.wait(
                [zmq_addr_pipe, self.proc.sentinel], timeout=timeout
            )
            if not ready:
                raise RuntimeError(
                    "DP Coordinator process failed to report ZMQ addresses "
                    f"within timeout={timeout} seconds during startup." # 添加超时值到错误信息
                )
            try:
                return zmq_addr_pipe.recv()
            except EOFError:
                raise RuntimeError(
                    "DP Coordinator process failed during startup."
                ) from None
        finally:
            zmq_addr_pipe.close()

评论区精华

无实质讨论。机器人评论均为自动生成且无反馈；njhill 直接审批通过。

• 暂无高价值评论线程

风险与影响

• 风险：风险极低。仅修改了一个超时常量，不影响功能逻辑。可能的影响是：在真正启动失败时，用户需要等待更长时间（120s）才能得到超时错误。
• 影响：对用户：在慢速网络环境下启动 DP 模式时，超时失败概率降低。对系统：启动延迟从 30s 增加到 120s，但仅影响超时场景。无兼容性问题。
• 风险标记：低风险, 配置调整

关联脉络

• PR #43768 [BugFix] Fix hard-coded timeout for multi-API-server startup: 也是修复超时问题，表明同类问题在 vLLM 中多个地方存在硬编码超时，后续可能统一优化。