#46905 [ROCm][CI] Move remaining mi250_2 tests out of the MI250 queue

原始 PR 作者 AndreasKaratzas 合并时间 2026-06-27 17:08 文件变更 1 提交数 1 评论 1 代码增减 +64 / -150

执行摘要

mi250_2 队列正在被清理。需要将原先运行在 mi250_2 上的测试迁移至 MI300 平台，以统一 CI 硬件资源和减少维护负担。

该 PR 为纯 CI 配置变更，无需精读。但值得关注 CI 团队如何逐步淘汰旧硬件并迁移测试，可作为类似迁移的参考。

讨论亮点

无实质性讨论。PR 由 tjtanaa 直接批准。

在 .buildkite/test-amd.yaml 中移除 mi250 · basic_correctness、mi250 · distributed、mi250 · v1 等部分下使用 agent_pool: mi250_2 的 5 个测试组。
将 Distributed Model Tests (2 GPUs) 添加到 mi300 - basic_correctness 节下，使用 agent_pool: mi300_2。
将 Distributed Comm Ops 添加到 mi300 - distributed 节下，使用 agent_pool: mi300_2。
将 Plugin Tests (2 GPUs)、Distributed DP Tests (2 GPUs) 和 V1 e2e (2 GPUs) 分别添加到 mi300 - plugins、mi300 - dp 和 mi300 - v1 节下。
移除的测试组包括约 150 行旧配置，新增约 64 行新配置。

文件	模块	状态	重要度
`.buildkite/test-amd.yaml`	CI 配置	modified	4.95

分析完成后，这里会展示 LLM 生成的相对完整源码片段和详细注释。

Buildkite 追踪链接 other

PR 作者在 issue 评论中附带了 Buildkite 构建追踪链接，用于验证迁移是否正确。

结论：无进一步讨论，PR 被批准。 · 已解决

主要风险在于 MI300 节点可能与 MI250 在性能或行为上存在差异，可能导致原有测试在 MI300 上出现超时或新的失败。但由于这些测试是常规分布式模型测试和通信操作测试，跨硬件迁移应该稳定。另一个风险是迁移后可能遗漏某些测试组，但通过 Buildkite 追踪链接已验证了迁移成功。

对用户无影响。对 CI 团队而言，mi250_2 节点将被释放，MI300 节点负载增加。CI 流水线的测试覆盖保持不变，但测试可能在不同 GPU 上运行，结果可能略有不同。

测试迁移硬件依赖 CI 流程变更

当前没有检测到明确关联的 Issue 链接，后续同步到相关引用后会出现在这里。