执行摘要

• 一句话：修复 PD 热前缀下 P2P tier 无供给致 30s 超时重算
• 推荐动作：值得精读。重点关注三件事：一是 8 行修复如何解除「前缀缓存越好 PD 越慢」的反直觉失效，二是差分测试把手工镜像的 store 修剪与 load demand 两条路径钉在一起的设计思路，三是 nilig 的版本回溯分析——同一个 patch 在 v0.27.1 与 main 上表现完全不同，提醒跨版本验证的必要性。

功能与动机

issue #52808 明确描述了这一反直觉缺陷：「The effect is inverted from the intent: the better the producer's prefix cache works, the more often the Multi Tier path fails to deliver.」。复现数据显示：producer 冷前缀时 consumer 0.16s 内加载 256MiB（268,959,744 字节）；producer 预热后 consumer 等满 32.9s、加载 0 字节再本地重算。根因有两道闸门：offloading/scheduler.py 在 BLOCK_LEVEL 策略下把 prefix-hit chunks 全部跳过（next_stored_chunk_idx = num_chunks），且所有 tier 的 on_new_request 都返回默认 BLOCK_LEVEL（grep -c REQUEST_LEVEL 为 0），request_level_tiers 恒为空，_cascade_existing_blocks_to_request_level_tiers 永不运行。

实现拆解

1. 策略声明（唯一源码变更）：vllm/v1/kv_offload/tiering/p2p/manager.py 新增 OffloadPolicy 导入；P2PSecondaryTierManager.on_new_request 在解析 P2PDestInfo 后，仅当请求为 remote_decoder（producer leg）且 kv_request_id 非空时返回 RequestOffloadingContext(policy=OffloadPolicy.REQUEST_LEVEL)，其余情况保持默认 BLOCK_LEVEL，把变更范围严格限定在 producer leg。

2. 级联生效路径：REQUEST_LEVEL 使 TieringOffloadingManager.prepare_store 对已驻留 primary 的 block 执行 _cascade_existing_blocks_to_request_level_tiers，完整 block 集进入 P2PSecondaryTierManager.submit_store；调度器侧 next_stored_chunk_idx 归零，prefix-hit chunks 不再被跳过，数据从 primary tier 读取、不触碰 GPU。创建 store job 还让对端首个 FetchMsg 能绑定 session，on_request_finished 可快速失败未匹配需求，不再干等 30s。

3. 策略单测：tests/v1/kv_offload/tiering/p2p/test_manager.py 新增参数化 test_on_new_request_policy，覆盖四种请求形态：producer（升级）、普通请求、consumer leg、空 remote_decoder 的 malformed 请求（后三者保持 BLOCK_LEVEL）。

4. 级联差分：tests/v1/kv_offload/tiering/test_tiering_offloading.py 将原级联测试参数化为 fully_warm 与 mixed 两种形态，钉住「全部 block 已驻留时 keys_to_store == []、无 GPU→primary 传输，但 request-level tier 仍收到完整 block 集、block-level tier 不被触碰」。

5. 调度器对称性测试：tests/v1/kv_connector/unit/offloading_connector/test_scheduler.py（+235/-4）是三处测试中最重的，新增 _SCAN_BEHAVIOR 声明表与 test_scan_behavior_declared_for_every_lookup_result（强制每个 LookupResult 枚举成员显式声明滑动窗口扫描行为）、test_sliding_window_demand_is_store_reachable（对齐 chunk 数、窗口 chunk 数、EAGLE group、尾部 chunk 数四维网格，验证 load 路径查询的每个 chunk 都能被 store 路径保留）、test_request_level_supply_covers_consumer_demand（cold / gpu_warm / primary_warm × 是否含 SWA group），在 _build_store_jobs 真实构建 key 集的层面验证供给覆盖 demand。

6. 配套与结果：tests/v1/kv_connector/unit/offloading_connector/utils.py 将 to_keys 参数从 list[int] 放宽为 Iterable[int]（mypy 兼容，配合传入 range）；PR 内全部 121 个测试通过（新增 5 个）。无配置、schema 或部署变更。

关键文件：

• vllm/v1/kv_offload/tiering/p2p/manager.py（模块 KV 卸载；类别 source；类型 core-logic；符号 P2PSecondaryTierManager, on_new_request）: 唯一源码改动：在 on_new_request 中为 producer leg 声明 REQUEST_LEVEL，是修复的核心。
• tests/v1/kv_connector/unit/offloading_connector/test_scheduler.py（模块 调度器；类别 test；类型 test-coverage；符号 test_scan_behavior_declared_for_every_lookup_result, test_sliding_window_demand_is_store_reachable, test_request_level_supply_covers_consumer_demand, _full_and_swa_groups）: 最大测试变更（+235/-4），新增 LookupResult 扫描行为声明与 store/load 路径对称性差分测试，是本 PR 测试价值的核心。
• tests/v1/kv_offload/tiering/p2p/test_manager.py（模块 P2P 管理；类别 test；类型 test-coverage；符号 test_on_new_request_policy）: 参数化钉住 on_new_request 四种请求形态的策略选择，防止回归到 BLOCK_LEVEL。
• tests/v1/kv_offload/tiering/test_tiering_offloading.py（模块 分级卸载；类别 test；类型 test-coverage；符号 test_prepare_store_cascades_existing_blocks_to_request_level_tiers）: 覆盖 TieringOffloadingManager 层面 fully_warm 级联场景，正是 issue #52808 的请求形态。
• tests/v1/kv_connector/unit/offloading_connector/utils.py（模块 测试工具；类别 test；类型 test-coverage；符号 to_keys）: to_keys 签名放宽为 Iterable[int]，支撑新差分测试传入 range，保持 mypy 通过。

关键符号：P2PSecondaryTierManager.on_new_request, test_on_new_request_policy, test_prepare_store_cascades_existing_blocks_to_request_level_tiers, test_scan_behavior_declared_for_every_lookup_result, test_sliding_window_demand_is_store_reachable, test_request_level_supply_covers_consumer_demand, _demanded_keys

关键源码片段

vllm/v1/kv_offload/tiering/p2p/manager.py

唯一源码改动：在 on_new_request 中为 producer leg 声明 REQUEST_LEVEL，是修复的核心。

    @override
    def on_new_request(self, req_context: ReqContext) -> RequestOffloadingContext:
        """解析 kv_transfer_params 一次并打开出站 session。
​
        consumer 侧（PD 的 remote_prefiller 或对称 P2P 的 remote_kv_source）
        按 remote_host:remote_port 打开通往 producer 的 session，使 submit_load
        触发时能立即发出 FetchMsg。prefiller（producer）侧不预先创建 session，
        等 consumer 入站连接到达 _accept_new_peers 时再创建。
​
        Producer-leg 请求（存在 remote_decoder 子字典）声明 REQUEST_LEVEL：
        对端需要该请求的每一个 block，而不只是本次新计算的 block。
        """
        _annotate_req_context(req_context)
        source = req_context.get_state(P2PSourceInfo)
        if source is not None:
            self._get_or_create_session(source.peer_id)
​
        # P2PDestInfo 非空说明本请求是 producer leg，即 remote_decoder 形态；
        # kv_request_id 非空说明确有对端消费者在等待。两者同时满足才升级为
        # REQUEST_LEVEL，使 TieringOffloadingManager 把 primary 中已驻留的
        # block（含 prefix hits）级联到 P2P store 路径。
        # 普通请求、consumer leg 与缺少 kv_request_id 的 malformed 请求
        # 仍保持默认 BLOCK_LEVEL，把变更范围限制在 producer leg。
        dest = req_context.get_state(P2PDestInfo)
        if dest is not None and dest.kv_request_id:
            return RequestOffloadingContext(policy=OffloadPolicy.REQUEST_LEVEL)
        return RequestOffloadingContext()

tests/v1/kv_connector/unit/offloading_connector/test_scheduler.py

最大测试变更（+235/-4），新增 LookupResult 扫描行为声明与 store/load 路径对称性差分测试，是本 PR 测试价值的核心。

# 每种 LookupResult 在窗口 -1 扫描中的行为：是否保持连击 streak 决定扫描终点，
# 进而决定 demanded 集合的宽度。新增枚举成员必须在此声明，防止 demand 集合
# 悄悄变宽。元组为（lookup 调用次数 , 扫描返回的 end）。
_SCAN_BEHAVIOR = {
    LookupResult.HIT: (1, 3),
    LookupResult.HIT_PENDING: (1, None),
    LookupResult.RETRY: (3, None),
    LookupResult.MISS: (3, 0),
}
​
​
@pytest.mark.parametrize("result", list(LookupResult))
def test_scan_behavior_declared_for_every_lookup_result(result: LookupResult):
    """每个 LookupResult 成员都必须有明确的滑动窗口扫描语义。"""
    assert result in _SCAN_BEHAVIOR, f"{result} has no declared scan behavior"
    expected_lookups, expected_end = _SCAN_BEHAVIOR[result]
​
    keys = to_keys([1, 2, 3])
    sched = _make_scheduler_with_lookup(dict.fromkeys([1, 2, 3], result))
​
    assert sched._sliding_window_lookup(keys, 1, _EMPTY_REQ_CTX) == expected_end
    assert len(sched.manager.lookup.call_args_list) == expected_lookups
​
​
@pytest.mark.parametrize("alignment_chunk_count", [4, 8, 64])
@pytest.mark.parametrize("sliding_window_chunks", [1, 2, 3])
@pytest.mark.parametrize("is_eagle_group", [False, True])
@pytest.mark.parametrize("tail_chunks", [0, 1, 5])
def test_sliding_window_demand_is_store_reachable(
    alignment_chunk_count: int,
    sliding_window_chunks: int,
    is_eagle_group: bool,
    tail_chunks: int,
):
    """load 路径查询的每个 chunk 必须被 store 路径保留。
​
    is_store_reachable_swa_chunk 会修剪 _sliding_window_lookup 永远不会查询的
    chunk，但两者是手工镜像的：本测试把关系钉死，而
    test_is_store_reachable_swa_chunk 只钉了谓词自身的取值。被查询过的 key
    就是被 demand 的 key，因为 secondary tier 命中会立即排队 promotion。
    """
    storable_chunk_count = alignment_chunk_count + tail_chunks
    # 未验证的 EAGLE group 会让两侧各放宽一个 chunk
    required_window = sliding_window_chunks + int(is_eagle_group)
​
    sched = _make_scheduler_with_lookup(
        {i: LookupResult.HIT_PENDING for i in range(storable_chunk_count)}
    )
    sched._sliding_window_lookup(
        to_keys(range(storable_chunk_count)), required_window, _EMPTY_REQ_CTX
    )
​
    # 收集扫描真实发出的 lookup 调用，即 demand 集合
    demanded = {
        int(get_offload_block_hash(lookup_call.args[0]).decode())
        for lookup_call in sched.manager.lookup.call_args_list
    }
    assert demanded, "扫描必须查询到内容"
    unsuppliable = sorted(
        chunk_idx
        for chunk_idx in demanded
        if not is_store_reachable_swa_chunk(
            chunk_idx,
            storable_chunk_count,
            alignment_chunk_count,
            sliding_window_chunks,
            is_eagle_group,
        )
    )
    assert not unsuppliable, (
        f"chunks {unsuppliable} 被 load 路径查询但被 store 路径修剪，"
        "warm producer 永远无法供应它们"
    )

评论区精华

讨论围绕「这个修复在 main 上是否真的有效」展开，是本 PR 最有价值的部分：

• nilig 最初在 v0.27.1 上打补丁验证，发现 warm 场景仍超时：「The consumer's fetch demands 112 chunks (both KV cache groups). The producer supplies 57... 55 stay demanded forever.」——55 个是滑动窗口组 out-of-window 的 block_id == 0 的 chunk，在 _build_store_jobs 中被丢弃。
• nilig 随后在 main-based 构建上复测并撤回：「On main this PR looks good in my testing and I withdraw the sufficiency objection... the divergence is #51840, which landed after v0.27.1 and changes lookup to return HIT_PENDING instead of RETRY.」HIT_PENDING 保持连击 streak，使滑动窗口扫描止步于 trailing window；RETRY 会重置 streak，导致扫描全部 56 个 SWA chunks。
• Etelis 发现 main 上真实存在的并发缺陷：请求 A 的 GPU→primary store 在途时，请求 B 的 REQUEST_LEVEL prepare_store 返回 keys_to_store == []，cascade 的 lookup(k) is HIT 过滤把全部 key 丢弃，_flush_pending_promotions 不处理该场景，PD consumer 也不发 LookupMsg，peer 永远不被服务。作者确认这是独立缺陷，转 issue #53062 单独修复。

• Etelis 调侃测试规模：「Most are duplicated or not needed on an 8 line change :)」，建议参数化合并；作者采纳，将 TestOnNewRequestPolicy 类重构为参数化函数，并保留唯一覆盖 kv_request_id 分支的 producer_no_id 用例。

• warm producer 供给不足的反对意见及其撤回 (correctness): 确认是 v0.27.1 与 main 的行为差异（#51840 的 HIT_PENDING vs RETRY）所致；main 上修复有效。

• 并发共享前缀下 HIT_PENDING 级联丢弃全部 key (correctness): 确认为独立缺陷，作者承诺以 issue #53062 单独修复，不并入本 PR。
• store 路径修剪与 load 路径 demand 的对称性测试缺口 (testing): 已通过新增差分测试修复缺口。
• 8 行变更配大量测试是否冗余 (style): 参数化重构完成，测试保留但去重。

风险与影响

• 风险：
  • P2P store 带宽上升：producer leg 每次 PD 轮询都会全量进入 store 路径（含 prefix hits），P2P 传输量从「仅新 block」变为「全部 block」。8K token 场景约 256MiB / 0.07s，远小于修复前 30s 超时重算，净收益明确，但多副本部署下带宽成本需关注。
  • 首次实际启用 request-level 级联：REQUEST_LEVEL 路径在代码中早已存在但从未被任何 tier 声明（grep 为 0），本 PR 是首次启用，TieringOffloadingManager._cascade_existing_blocks_to_request_level_tiers 的并发行为未经大规模生产验证。
  • 依赖 #51840 的 HIT_PENDING 语义：修复有效性依赖 lookup 在 promotion 时返回 HIT_PENDING 并保持扫描 streak 的行为；_SCAN_BEHAVIOR 表把该行为固化进测试，未来改变 LookupResult 语义或扫描逻辑会第一时间暴露，但也意味着改动成本显式化。
  • issue 中提示的 PYTHONHASHSEED 排查建议对本次失败模式具有误导性，排查同路径问题时需注意区分。
• 影响：
  • 用户侧：PD 分离部署 + 多级 tiering（primary + P2P secondary）的用户，warm 前缀场景从 30s 超时本地重算变为百毫秒级直接供给，冷热场景行为拉齐。
  • 系统侧：P2P secondary tier 的 store 路径现在承载 producer leg 的完整 block 集，带宽占用上升；on_request_finished 的快速失败路径开始生效，session 绑定时序更早。
  • 团队侧：kv_offload 调度器测试基础设施获得两类可复用的新模式——LookupResult 扫描行为声明表和 store/load 路径对称性差分测试；后续扩展 LookupResult 枚举或调整 SWA 修剪逻辑时会被强制审视。
  • 风险标记：核心路径策略变更, 依赖上游 HIT_PENDING 语义, 首次启用 request-level 级联

关联脉络

• PR #51840 lookup 返回 HIT_PENDING 语义变更（讨论中引用）: 讨论中反复引用：该 PR 让 lookup 在发起 promotion 时返回 HIT_PENDING 而非 RETRY，是本 PR 修复在 main 上生效的前提；v0.27.1 因缺失该变更而表现出完全不同的失败形态。
• PR #52068 [KV Offload] Preserve KV event metadata until final residency removal: 同属 vllm/v1/kv_offload 模块的 bugfix，显示 KV offload 路径正处于活跃修复期。
• PR #51358 [Bugfix][Mooncake] Save exact Mamba boundary states: 修改了 offloading/scheduler.py 与 kv_cache_manager 的同类路径，与本 PR 同属外部 KV 供给状态一致性主题。
• PR #53324 [KV Connector] Support MooncakeStore with hybrid DCP prefix caching: 同模块 KV connector / kv_cache_utils 的演进，与本 PR 共同收敛于多级缓存供给路径的可用性。