执行摘要

• 一句话：将 AMD 上的 Metrics/Tracing 测试移到 MI325 并设为 optional
• 推荐动作：这是一个纯粹的 CI 配置调整，无源码变更。值得关注的是其动机——AMD MI300 上 CPU 端段错误率异常高，这可能是一个更底层的问题（驱动、内存、或 PyTorch 版本兼容性）。建议后续关联一个 Issue 跟踪根因。

功能与动机

当前 Metrics, Tracing (2 GPUs) 测试组在 AMD MI300 上出现异常高的 CPU 端段错误率，严重影响 CI 稳定性。作者希望将该测试移动到 MI325 设备上并设为 optional（可选），以在不阻塞 CI 的前提下继续调查根因。

实现拆解

1. 修改 .buildkite/test_areas/misc.yaml（镜像定义）：将 metrics-tracing-2-gpus 测试组的 AMD mirror 设备从 mi300_2 改为 mi325_2，并新增 optional: true 标记，使该测试在 AMD 上变为可选。
2. 修改 .buildkite/test-amd.yaml（主流水线）：将同一测试组的 timeout_in_minutes 从 180 分钟调整为 20 分钟，与上游 NVIDIA 测试的 timeout 保持一致。

关键文件：

• .buildkite/test_areas/misc.yaml（模块 CI 配置；类别 config；类型 configuration）: 定义了 Metrics, Tracing (2 GPUs) 的镜像配置，将 AMD 设备从 mi300_2 改为 mi325_2 并添加 optional: true。
• .buildkite/test-amd.yaml（模块 CI 配置；类别 config；类型 configuration）: 定义了 AMD CI 流水线的测试步骤，将 timeout_in_minutes 从 180 改为 20，与上游保持一致。

关键符号：未识别

关键源码片段

.buildkite/test_areas/misc.yaml

定义了 Metrics, Tracing (2 GPUs) 的镜像配置，将 AMD 设备从 mi300_2 改为 mi325_2 并添加 optional: true。

# .buildkite/test_areas/misc.yaml 中 metrics-tracing-2-gpus 的 mirror 段（变更后）
  mirror:
    amd:
      device: mi325_2 # 从 mi300_2 改为 mi325_2
      depends_on:
      - image-build-amd
      optional: true # 新增：标记为可选，不阻塞 CI

评论区精华

无 review 讨论。审核人 AndreasKaratzas 直接批准了 PR。

• 暂无高价值评论线程

风险与影响

• 风险：风险极低。仅修改 CI 配置 YAML 文件，不涉及任何源码或逻辑变更。唯一可能的影响是 MI325 上该测试若失败，由于 optional: true，不会阻塞流水线，也不会触发告警，可能掩盖真实问题。
• 影响：影响范围仅限于 AMD CI 流水线。"Metrics, Tracing (2 GPUs)" 测试在 MI300 上不再运行，改为在 MI325 上以可选方式运行。其他硬件平台（NVIDIA 等）不受影响。
• 风险标记：CI 配置变更, 可选测试可能掩盖失败

关联脉络

• 暂无明显关联 PR