执行摘要

• 一句话：移除死内核代码与过时测试
• 推荐动作：值得合入。清理死代码是良好的工程实践。无需额外测试，但建议在合并前确认 CI 通过（从已批准看应已通过）。

功能与动机

PR 标题明确说明 'Remove dead kernel code'，意在清理代码库中不再被引用或已被新实现替代的内核相关代码，提高可维护性。

实现拆解

1. 删除 vllm/_custom_ops.py 中 get_flash_mla_metadata 和 flash_mla_with_kvcache 两个函数及文档，这些 Python 绑定不再被调用。
2. 删除 csrc/ops.h 中 cutlass_mla_decode 的 C++ 函数声明，该声明对应的实现可能已迁移或无调用。
3. 删除整个 csrc/custom_all_reduce_test.cu 文件，该独立的 C++ allreduce 测试已由 Python 测试覆盖，且维护成本高。
   没有新增代码，纯粹清理。

关键文件：

• vllm/_custom_ops.py（模块 Python绑定；类别 source；类型 core-logic；符号 get_flash_mla_metadata, flash_mla_with_kvcache）: 删除了两个关键的 MLA 注意力 Python 绑定函数，这些函数曾是 DeepSeek 等模型使用 flash attention 的入口。
• csrc/ops.h（模块 C++头文件；类别 source；类型 core-logic；符号 cutlass_mla_decode）: 删除了 cutlass_mla_decode 的 C++ 声明，该函数可能已在其他位置被移除或不再需要。
• csrc/custom_all_reduce_test.cu（模块 C++测试；类别 other；类型 deletion）: 删除整个独立的 C++ allreduce 测试文件，该测试已过时且由 Python 测试覆盖。

关键符号：get_flash_mla_metadata, flash_mla_with_kvcache, cutlass_mla_decode

关键源码片段

vllm/_custom_ops.py

删除了两个关键的 MLA 注意力 Python 绑定函数，这些函数曾是 DeepSeek 等模型使用 flash attention 的入口。

# PR #46405 移除了以下两个函数（不再被任何地方引用）
# 旧实现：get_flash_mla_metadata 和 flash_mla_with_kvcache
​
def get_flash_mla_metadata(
    cache_seqlens: torch.Tensor,
    num_heads_per_head_k: int,
    num_heads_k: int,
) -> tuple[torch.Tensor, torch.Tensor]:
    """计算 MLA tile 调度元数据（已移除）"""
    return torch.ops._C.get_flash_mla_metadata(
        cache_seqlens, num_heads_per_head_k, num_heads_k
    )
​
def flash_mla_with_kvcache(
    q: torch.Tensor,
    k_cache: torch.Tensor,
    block_table: torch.Tensor,
    cache_seqlens: torch.Tensor,
    head_dim_v: int,
    tile_scheduler_metadata: torch.Tensor,
    num_splits: torch.Tensor,
    softmax_scale: float | None = None,
    causal: bool = False,
) -> tuple[torch.Tensor, torch.Tensor]:
    """执行 flash MLA 前向（已移除）"""
    if softmax_scale is None:
        softmax_scale = q.shape[-1] ** (-0.5)
    out, softmax_lse = torch.ops._C.flash_mla_fwd_kvcache(
        q, k_cache, None, head_dim_v, cache_seqlens,
        block_table, softmax_scale, causal,
        tile_scheduler_metadata, num_splits,
    )
    return out, softmax_lse

csrc/ops.h

删除了 cutlass_mla_decode 的 C++ 声明，该函数可能已在其他位置被移除或不再需要。

// 从 csrc/ops.h 中移除的声明
// void cutlass_mla_decode(torch::Tensor const& out, torch::Tensor const& q_nope,
// torch::Tensor const& q_pe,
// torch::Tensor const& kv_c_and_k_pe_cache,
// torch::Tensor const& seq_lens,
// torch::Tensor const& page_table, double scale);

评论区精华

本 PR 没有 review 评论，两位审查人（sfeng33, mgoin）直接批准，表明清理简单明确。

• 暂无高价值评论线程

风险与影响

• 风险：低风险。所有删除的代码在项目中已无引用（需确认）。若未来需要恢复相关功能，可以从 git 历史中找回。但删除前应确保无运行时依赖。从 PR 批准来看，社区已确认安全。
• 影响：对最终用户无影响；对开发者：减少了代码体积和潜在混淆；对系统：无性能变化。
• 风险标记：代码清理, 低风险

关联脉络

• 暂无明显关联 PR