执行摘要
本 PR 是一个纯 CI 配置变更，将四个在 AMD MI300 GPU 上运行的 Buildkite 测试作业的超时时间从 35-60 分钟增加到 50-75 分钟，以解决近期构建中因 CI 开销增加导致的非故障超时问题。变更范围小且风险低，旨在提升 AMD 平台 CI 的稳定性。
功能与动机
根据 PR body 描述，以下作业在 Buildkite 构建 #12703 和 #12711 中达到了当前超时限制：
- “Async Engine, Inputs, Utils, Worker” (35 → 50 分钟)
- “Entrypoints Integration (API Server Generate)” (50 → 65 分钟)
- “RayExecutorV2” (60 → 75 分钟)
- “Multimodal Models (Extended Pooling)” (50 → 75 分钟)
这些作业的测试在超时前仍在正常进度中，没有断言失败，表明是 CI 环境的额外开销（而非代码问题）导致了超时。因此，需要调整超时时间以提供足够的余量，同时为真正卡住的作业保留合理的上限。
实现拆解
变更仅涉及两个 CI 配置文件，调整了四个作业的 timeout_in_minutes 字段：
-
主配置文件 .buildkite/test-amd.yaml：
- 将 “Async Engine, Inputs, Utils, Worker” 作业的超时从 35 分钟增加到 50 分钟。
- 将 “Entrypoints Integration (API Server Generate)” 作业的超时从 50 分钟增加到 65 分钟。
- 将 “RayExecutorV2” 作业的超时从 60 分钟增加到 75 分钟。
- 将 “Multimodal Models (Extended Pooling)” 作业的超时从 50 分钟增加到 75 分钟。
-
镜像配置文件 .buildkite/test_areas/models_multimodal.yaml：
- 将定义为 “:nvidia: (H200 MIG 18GB) Multimodal Models (Extended Pooling)” 作业的镜像（AMD 部分）超时时间从 60 分钟同步增加到 75 分钟，以保持与主配置文件中 MI300 版本的一致性。
评论区精华
评论很少，讨论不深入：
AndreasKaratzas：提供了批准（Approval）。claude[bot]：指出这是一个 fork PR，自动化审查被禁用。
这表明该变更被维护者视为直接、低风险的维护任务，无需深入设计讨论。
风险与影响
技术风险：
- 超时值校准：风险在于新的超时值是否足够精确。如果设置过高，可能会延迟发现真正卡住的作业；如果设置过低，问题可能重现。PR 中提到新值基于观察到的运行时间并增加了余量，表明进行了校准。
- 基础设施依赖：如果未来 AMD MI300 CI 基础设施性能显著改善，这些超时时间可能变得过于宽松。
影响范围：
- 用户：无直接影响。
- 系统：间接影响，通过减少因 CI 超时导致的假失败，提高了 AMD MI300 平台 CI 的可靠性。
- 团队：正面影响，减少了 CI 假失败对开发工作的干扰，提升了开发体验。
关联脉络
从同仓库近期历史 PR 分析来看，没有发现直接关联的 PR。该变更是一个独立的 CI 维护任务。然而，它反映了对 AMD ROCm 平台持续投入和维护的趋势（近期有多个 ROCm 相关 PR，如 #54112、#54787、#55808）。
参与讨论