执行摘要

• 一句话：扩展基础模型初始化测试分片数，大幅降低 CI 耗时。
• 推荐动作：该 PR 是一个低风险、高回报的 CI 优化调整。对于关注 CI 效率和开发流程的工程师，值得快速浏览其数据依据（PR body 中的运行时间统计）和配置变更。它展示了基于数据驱动 CI 调优的实践。

功能与动机

在 24 小时 CI 仪表盘窗口中，所有四个现有的 Basic Models (Extra Initialization) 分片在 P90 时均超过了 45 分钟（最快 2848 秒，最慢 3367 秒）。现有的四路 pytest 分割对于当前的模型注册表来说过于粗糙，需要通过更细粒度的分片来均衡负载，将单个分片的运行时间控制在目标值（约 20 分钟）以内。

实现拆解

1. 入口与目标：变更仅涉及 CI 配置文件 .buildkite/test_areas/models_basic.yaml，目标是调整 Basic Models (Extra Initialization) 测试任务的并行度和超时设置。
2. 核心配置调整：将 parallelism 从 4 修改为 14，使得 pytest 的 --num-shards 参数值增加，测试用例集合被分割成更多份。同时将 timeout_in_minutes 从 100 大幅降低至 30 分钟，以反映每个分片预期运行时间的缩短。
3. 测试命令不变：测试执行命令 pytest -v -s models/test_initialization.py -k 'not test_can_initialize_small_subset' --num-shards=$$BUILDKITE_PARALLEL_JOB_COUNT --shard-id=$$BUILDKITE_PARALLEL_JOB 保持不变，完全依赖 pytest 内置的确定性分片插件来分配测试用例。此变更不修改测试逻辑本身。
4. 验证与影响：变更已通过 YAML 语法检查、CI 步骤 schema 校验以及针对性 CI 构建验证，所有 14 个新分片均成功通过。此变更是纯粹的 CI 配置优化，不影响应用代码、运行时行为或测试覆盖范围。

关键文件：

• .buildkite/test_areas/models_basic.yaml（模块 CI 配置；类别 config；类型 configuration）: 该文件是此次变更的唯一文件，包含了需要调整的 CI 任务定义、并行度和超时配置。

关键符号：未识别

评论区精华

本 PR 的讨论非常简略，仅包含自动化评论和维护者的批准操作。这表明变更方案清晰且风险低，得到了维护者的直接认可。

• 暂无高价值评论线程

风险与影响

• 风险：

  1. 资源消耗：分片数从 4 增至 14，意味着该 CI 步骤同时消耗的 GPU 资源增加了 2.5 倍。虽然单个分片的运行时间缩短了，但总体的 GPU 分钟成本会显著上升，需要团队在 CI 效率和基础设施成本之间进行权衡。
  2. 配置僵化风险：如果未来模型注册表快速增长，或出现初始化时间异常长的模型家族，14 个分片可能很快再次成为瓶颈，需要类似地再次调整。当前的调整是基于历史数据的“快照”，需要持续监控。
     - 影响：影响范围：仅影响 CI/CD 基础设施中的一个特定测试组。
     影响程度：正面影响显著，预计能将该测试步骤的 P90 运行时间从近 1 小时缩短至 20 分钟以内，从而加快开发者获取 CI 反馈的速度。负面风险是 CI 资源消耗的增加。对最终用户和系统运行时无任何直接影响。

• 风险标记：资源消耗增加, 可能需要再次调整

关联脉络

• PR #54754 [CI] Shard long kernel test groups: 同属 CI 基础设施优化系列 PR，采用类似的分片策略（增加并行度、调整超时）来缩短测试耗时。
• PR #54752 [CI] Shard distributed model jobs above the 24h P90 threshold: 同属 CI 基础设施优化系列 PR，针对分布式模型测试进行分片，与本 PR 解决同一类（测试时间过长）问题。
• PR #52353 [CI] Split nightly MTP acceptance tests: 更早的 CI 分片优化 PR，展示了团队持续监控和优化 CI 耗时的实践。