执行摘要
- 一句话：修复 Intel GPU CI 中 Docker 镜像拉取与容器启动的竞态条件
- 推荐动作：该 PR 值得 CI 维护者精读，尤其是以下设计决策值得关注：
- 使用 flock 解决 CI 竞态条件的模式，可推广到其他硬件 CI 脚本中。
- docker create + docker start 分离 与直接在 docker run 前检查镜像的两种方式，后者更简洁但 lock 范围更晚，此 PR 采用了前者保证可靠性。
- 注意 final version 已规避掉 review 中提出的双引号变量展开问题，说明作者在合并前主动完善了实现。
功能与动机
Intel GPU CI 存在 Docker 镜像拉取与容器创建/启动之间的竞态条件。当并发 Pipeline 同时触发时，一个任务的 docker run 可能因镜像尚未完全拉取或元数据尚未更新而失败，导致 CI 不稳定。PR body 未引用具体 Issue，但从 commit 消息和脚本上下文可推断此为修复 Intel GPU CI 基础设施稳定性问题。
实现拆解
该 PR 只修改了 .buildkite/scripts/hardware_ci/run-intel-test.sh 一个文件，按以下步骤组织变更：
-
导出环境变量：将 commands、HF_TOKEN、ZE_AFFINITY_MASK 用 export 声明，使其对子进程可见，替代原先 -e 逐项传递方式，减少命令行引用复杂度。
-
引入文件锁（flock）：使用 flock 对 /tmp/docker-pull.lock 加锁，将镜像校验（docker image inspect）和条件拉取（docker pull）放在临界区内，保证并发 Pipeline 中只有一个任务执行镜像拉取，其余任务等待锁释放后直接使用已有镜像。
-
拆分 docker run 为 docker create + docker start：先通过 docker create 创建容器但不启动，再在锁外以 docker start -a 附加并启动容器。此分离确保容器创建时镜像已完整就绪，并且 docker create 本身不会因镜像未就绪而失败。
该变更为纯粹的基础设施脚本改动，不涉及源码、测试或配置更新。
关键文件：
.buildkite/scripts/hardware_ci/run-intel-test.sh（模块 部署脚本；类别 infra；类型 infrastructure）: 唯一被修改的文件，Intel GPU CI 入口脚本，变更集中于此。
关键符号：未识别
评论区精华
仅有一条来自 gemini-code-assist[bot] 的 review comment，指出高优先级问题：使用双引号 flock ... bash -c "..." 会导致 $CMDS 等变量在 host shell 中提前展开，若命令中包含特殊字符（如引号、子命令替换）可能引发安全漏洞和语法错误。但该评论发出时作者已完成另一版实现（使用 { flock 9; ...; } 9>/tmp/docker-pull.lock 的 sub-shell + 文件描述符重定向），推测作者在收到评论前已自行修复该问题，最终合并的版本中未出现双引号 bash -c 结构。最终在 jikunshang 的 APPROVED 审核后闭合并合并。
- flock 双引号导致变量提前展开的安全风险 (correctness): 作者在合并前已改为 sub-shell + 文件描述符重定向方式（
{ flock 9; ...; } 9>/tmp/docker-pull.lock），避免了双引号变量展开问题；该评论为 bot 自动化生成，非人工 reviewer 指出。
风险与影响
- 风险：变更仅涉及 CI 脚本中 Docker 操作顺序和并发控制，不涉及生产代码、模型逻辑或核心运行时。主要风险来自：
- 文件锁
/tmp/docker-pull.lock 泄露：如果容器提前退出且未清理，可能导致后续 Pipeline 永久阻塞。可通过设置超时或使用 flock -w 缓解，但当前未实现。
docker create 与 docker start 分离后，原有 entrypoint 和参数传递路径发生变化，若 CMDS 变量中含有特殊字符仍可能解析异常，虽新版避免了直接 bash -c 引用，但仍有潜在跨环境兼容问题。export 方式暴露了 CMDS 给子进程，若调试打印日志可能泄露敏感令牌，不过 HW CI 环境通常为受控场景，风险较低。
- 影响：影响范围局限于 Intel GPU CI 的测试脚本 .buildkite/scripts/hardware_ci/run-intel-test.sh；不改变用户可见的推理能力或 API 行为；不涉及模型支持、性能调优或容器内运行时逻辑。对 Intel GPU CI 的并发 Pipeline 稳定性有显著改善，预计可减少因镜像竞态导致的随机失败。影响程度中等但范围狭小。
- 风险标记：锁文件可能泄露, 缺少超时机制, Env 暴露敏感令牌
关联脉络
- PR #43287 [XPU] add setuptools-rust for xpu dependency: 同为 Intel XPU CI 基础设施修复，属于同一 CI 维护链条。
参与讨论