执行摘要

• 一句话：修复 Ray 多节点 placement group 分配崩溃
• 推荐动作：值得合并。该修复针对的是多节点 Ray 集群上的数据并行场景，代码简洁，修复明确，无副作用。

功能与动机

在多节点集群上使用 Ray placement group 时，Ray 内部生成的 _group_ 资源键导致单 IP 断言失败（如 node:10.0.138.58_group_0_...），同时fill 策略下外层循环缺少中断条件，导致创建的 placement group 数量超过 dp_size。

实现拆解

1. 过滤 _group_ 资源键：在 vllm/v1/engine/utils.py 的 create_dp_placement_groups 函数中，过滤节点资源键时增加 "_group_" not in key 条件，确保只保留 node:<ip> 格式的键。
2. 添加外层循环中断：在 for 循环末尾（if len(placement_groups) == dp_size: break）之后，再添加一次相同的中断判断，防止在 fill 或 span 策略下继续处理剩余 bundle 导致多分配。

关键文件：

• vllm/v1/engine/utils.py（模块 引擎；类别 source；类型 core-logic）: 核心变更文件，修复 placement group 分配逻辑的两个 Bug。

关键符号：未识别

关键源码片段

vllm/v1/engine/utils.py

核心变更文件，修复 placement group 分配逻辑的两个 Bug。

# 过滤掉 Ray 内部生成的 _group_ 资源键
node_ip_keys = [
    key
    for key in node_resources
    if key != "node:__internal_head__"
    and key.startswith("node:")
    and "_group_" not in key # 新增：排除 _group_ 键
]
assert len(node_ip_keys) == 1, (
    f"Zero or multiple node IP keys found in node resources: {node_ip_keys}"
)
node_ip_key = node_ip_keys[0]
node_ip = node_ip_key.split(":")[1]
​
# ... 中间的 placement group 创建逻辑 ...
​
if len(placement_groups) == dp_size:
    break # 内层中断，跳出当前 node_resources 的循环
​
if len(placement_groups) == dp_size:
    break # 新增外层中断，跳出 for 循环，防止多余分配

评论区精华

无 review 讨论。

• 暂无高价值评论线程

风险与影响

• 风险：风险很低。变更仅涉及两个条件判断，逻辑清晰，且已有 assertion 兜底检查。
• 影响：影响范围限于使用 Ray 和多节点数据并行（DP）的多节点集群用户。修复后 placement group 分配行为正确，不会出现初始化失败或断言崩溃。
• 风险标记：暂无

关联脉络

• 暂无明显关联 PR