执行摘要

• 一句话：修复 test_fs_tier.py 中 drain() 竞态条件
• 推荐动作：值得合并，修复了明确竞态条件。但建议确认 tier.drain_jobs() 是否有内部超时机制，若没有可考虑添加测试级超时以防范 hang。

功能与动机

drain() 使用轮询循环，最多等待 200ms（20 轮 × 10ms）。在高负载系统上，存储任务可能在该窗口后才完成，导致测试断言 assert 0 == 1 失败。PR 描述指出这正是 test_load_job_emits_no_event 和 test_partially_failed_store_emits_no_event 的 flaky root cause。

实现拆解

1. 定位问题：原 drain() 函数（在 tests/v1/kv_offload/tiering/test_fs_tier.py 第 94-111 行）每隔 10ms 调用 tier.get_finished_jobs()，连续 20 次无新结果则提前退出，存在竞态条件。
2. 重构方案：删除约 18 行轮询逻辑，改为直接调用 tier.drain_jobs()（该函数内部调用 wait_idle() 阻塞直到所有异步任务完成），然后一次性调用 tier.get_finished_jobs() 收集结果。
3. 配套清理：移除不再需要的 time.sleep 导入（如果之前是显式导入）和 max_rounds 参数，函数签名简化为 def drain(tier: FileSystemTierManager) -> list。
4. 无其他文件改动：变更仅此一个测试文件，不涉及生产代码。

关键文件：

• tests/v1/kv_offload/tiering/test_fs_tier.py（模块 测试；类别 test；类型 test-coverage；符号 drain）: 核心变更文件，修复了 drain() 辅助函数的竞态条件。

关键符号：drain

评论区精华

评论者 yma11 提出疑虑：“新代码会导致可能的 hang 而不是预期失败？” 这暗示如果 drain_jobs() 永远不完，测试会挂起。但未见到深入讨论，PR 被 orozery 批准。实际风险较低，因为测试本身有全局超时机制。

• 新代码可能导致 hang 而非预期失败 (correctness): 未被正式讨论，但 PR 仍被批准合并。由于测试全局超时机制存在，hang 风险可控。

风险与影响

• 风险：主要风险是如果 tier.drain_jobs() 在某些异常情况下未超时返回，测试会挂起。但原轮询逻辑本身超时会提前退出，两种方式各有优劣。当前变更依赖 drain_jobs() 的实现正确性。不过由于是测试辅助函数，影响局限在测试范围内，且测试套件通常有全局超时保护，风险可控。
• 影响：影响范围小，仅涉及两个测试用例（test_load_job_emits_no_event 和 test_partially_failed_store_emits_no_event）的 flaky 问题。修复后应大幅降低 CI 中因竞态条件导致的随机失败。
• 风险标记：缺少超时保护

关联脉络

• PR #48206 fix flaky multi example connector consistency: 同为修复 kv-offload 相关测试的 flaky 问题，采用了类似策略（使用同步等待替代轮询）。