1. 合入背景

Fixes #546

2. 修改内容

本 PR 为 MindIE Motor 引入"独立部署（Standalone）Coordinator"能力：通过新增 controller_integration_enabled 配置项，使 Coordinator 可在不依赖 Controller 控制面的场景下独立运行，并新增一套仅含路由信息的"外部部署器（External Deployer）"实例事件协议，将最小拓扑信息转换为内部 InsEventMsg 后复用既有纳管与调度流程。同时补充了 KV conductor 在未配置时的跳过逻辑、裸机部署的配置与启停脚本示例，以及配套的单元测试和端到端冒烟测试。

3. 资料变更

涉及
MindIE Motor 引入"独立部署（Standalone）Coordinator"能力

4. 接口变更

不涉及

5. 测试结果

用例 C1 文档 SET 1P1D + 模型名自动发现 + readiness
结果 通过
时间 08:47:00

步骤：POST /instances/refresh body=topology_set_1p1d.json（无 model_name）

HTTP 响应 resp_set_1p1d.json
{"status":"success","message":"Instance refresh completed",
"data":{"event_type":"set","instance_count":2,
"timestamp":"2026-09-09T00:47:00.522166+00:00"}}

GET /readiness readiness_after_set_1p1d.json
{"status":"ok","message":"Coordinator is ok","ready":true}

GET /instances instances_after_set_1p1d.json
count=2
id=1 prefill model_name=qwen3-8b job_name=external-prefill-1 endpoint id=0 port=8100
id=3 decode model_name=qwen3-8b job_name=external-decode-3 endpoint id=0 port=8200

Coordinator 日志（node/node-37-110.log / coordinator.log）
08:47:00 Refresh instances: event_type=EventType.SET, count=2, instance_ids=[(1, 'prefill'), (3, 'decode')]
08:47:00 Added instance ID 1 (role: prefill, job_name: external-prefill-1) with 1 endpoints to available pool successfully
08:47:00 Added instance ID 3 (role: decode, job_name: external-decode-3) with 1 endpoints to available pool successfully
08:47:00 HBM DP registered (ZMQ+HTTP): instance=vllm-prefill-1 dp=0 replay=tcp://127.0.0.1:6677
08:47:00 Refresh instances done: E=0, P=1, D=1, U=0

判定：省略 model_name 仍按精简协议解析；模型从引擎发现为 qwen3-8b；P/D 齐后 ready=true。

---

用例 C2 ADD P2 不启动进程 / DEL P2 不停止进程
结果 通过
时间 08:47:06

ADD 响应 resp_add_p2.json
{"status":"success","data":{"event_type":"add","instance_count":1,
"timestamp":"2026-09-09T00:47:06.115084+00:00"}}

ADD 后实例表 instances_after_add_p2.json count=3
新增 id=2 prefill job_name=external-prefill-2 endpoint id=0 port=8110

DEL 响应 resp_del_p2.json
{"status":"success","data":{"event_type":"del","instance_count":1,
"timestamp":"2026-09-09T00:47:06.318868+00:00"}}

DEL 后实例表 instances_after_del_p2.json count=2（仅 P1+D）

进程核验（当时现场）
p2_pid_before=39516
p2_pid_after_add=39516 same=1
p2_pid_after_del=39516 health=200 still_alive=1

日志
08:47:06 Refresh instances: event_type=EventType.ADD, count=1, instance_ids=[(2, 'prefill')]
08:47:06 Added instance ID 2 ... Refresh instances done: E=0, P=2, D=1, U=0
08:47:06 Refresh instances: event_type=EventType.DEL, count=1, instance_ids=[(2, 'prefill')]
08:47:06 Refresh instances done: E=0, P=1, D=1, U=0

判定：add/del 只改 Coordinator 纳管表，不启停 P2 进程。

---

用例 C3 Coordinator 重启后必须重放 SET，重放后推理恢复
结果 通过
时间 08:55:58 ~ 08:56:16

重启后、重放前 readiness_before_replay.json
{"status":"ok","message":"Coordinator is ok","ready":false}

重放 SET resp_replay_set.json
{"status":"success","data":{"event_type":"set","instance_count":3,
"timestamp":"2026-09-09T00:56:06.200305+00:00"}}

重放后 readiness_after_replay.json
{"status":"ok","message":"Coordinator is ok","ready":true}

推理 infer_after_replay.json
id=cmpl-178891537681151000006c969451
text=" I'm a new user, so I'm not sure what to do. I"
usage prompt_tokens=6 total_tokens=22 completion_tokens=16

coordinator_restart.log
08:56:04 Uvicorn running on http://0.0.0.0:19001
08:56:06 Refresh instances: event_type=EventType.SET, count=3,
instance_ids=[(1, 'prefill'), (2, 'prefill'), (3, 'decode')]
08:56:06 Added instance ID 1/2/3 ... to available pool successfully
08:56:06 HBM DP registered: vllm-prefill-1 dp=0 ; vllm-prefill-2 dp=0
08:56:06 Refresh instances done: E=0, P=2, D=1, U=0
08:56:06 AUDIT event_type=instance_refresh result=success method=POST path=/instances/refresh
08:56:06 "POST /instances/refresh HTTP/1.1" 200 OK
08:56:06 [Readiness] Coordinator is ready. result=ok_standby instances_status=required_met
08:56:16 Worker 0: metaserver port enabled: 19100
08:56:16 scheduled role=decode instance=3 endpoint=0
08:56:16 scheduled role=prefill instance=1 endpoint=0
req_id=178891537681151000006c969451 policy=kv_cache_affinity matched=0 proposed=1-0
HTTPClientPool address=127.0.0.1:8100 以及 127.0.0.1:8200

判定：重启丢内存拓扑，ready=false；外部重放完整 set 后 ready=true，Layerwise 推理恢复（含 metaserver 19100）。

---

用例 C4 Layerwise 1P1D 推理（concurrent_engine_sync）
结果 通过
时间 08:53:22

SET 响应 resp_set_1p1d_concurrent.json
{"status":"success","data":{"event_type":"set","instance_count":2}}

推理 POST :19000/v1/completions infer_1p1d_concurrent.json
id=cmpl-17889152027183390000b61d2582
model=qwen3-8b
text=" I'm a new user, so I'm not sure what to do. I"
usage prompt_tokens=6 total_tokens=22 completion_tokens=16
P1 /health 仍为 200

日志
08:53:22 Refresh instances done: E=0, P=1, D=1, U=0
08:53:22 CircuitBreaker cleared all: count=1
08:53:22 scheduled role=prefill req_id=17889152027183390000b61d2582
instance=1 endpoint=0 policy=kv_cache_affinity matched=0 proposed=1-0

判定：精简 SET + concurrent 后，Coordinator 作为推理入口打通 1P1D。

---

用例 C5 文档 SET 2P1D，endpoint.id 全部为 0
结果 通过
时间 08:53:42

SET 响应 resp_set_2p1d_concurrent.json instance_count=3
GET /instances instances_2p1d.json
id=1 prefill endpoint id=0 port=8100
id=2 prefill endpoint id=0 port=8110
id=3 decode endpoint id=0 port=8200

日志
08:53:42 Refresh instances: event_type=EventType.SET, count=3,
instance_ids=[(1, 'prefill'), (2, 'prefill'), (3, 'decode')]
08:53:42 Added instance ID 2 (role: prefill, job_name: external-prefill-2)
08:53:42 HBM DP registered: instance=vllm-prefill-2 dp=0 replay=tcp://127.0.0.1:6677
08:53:42 Refresh instances done: E=0, P=2, D=1, U=0

判定：与昨晚错误 JSON（P2 endpoint.id=1）不同，本次两边都是 id=0、dp=0。

---

用例 C6 P1 KV 亲和：热请求 matched=640，查找 key 为 endpoint.id=0
结果 通过
时间 08:53:54 ~ 08:53:56

请求 affinity_request.json 约 666 prompt tokens，block=128，期望命中 5 块=640。

冷请求 p1_warm.json
id=chatcmpl-17889152340817130000091faa74 usage prompt_tokens=666

热请求 p1_hot.json
id=chatcmpl-178891523688943700001fe22583 usage prompt_tokens=666 completion_tokens=8

日志
08:53:54 scheduled ... instance=1 endpoint=0 policy=load_balance matched=None
req_id=17889152340817130000091faa74 committed=666.0
08:53:56 scheduled ... instance=1 endpoint=0 policy=kv_cache_affinity matched=640
req_id=178891523688943700001fe22583 committed=26.0 proposed=1-0

判定：文档 id=0 与引擎 DP0、调度 DP["0"] 对齐。昨晚 id=1 → DP["1"] → matched=0 的问题本次未复现。

---

用例 C7 P2 独有前缀亲和：订 5578 后 matched=384，endpoint=0
结果 通过
时间 08:55:35 ~ 08:55:37

手工订 conductor（SET 协议带不了 per-instance ZMQ 口）
POST :19333/register resp_p2_register.json {"status":"ok"}
instance_id=vllm-prefill-2 dp_rank=0 npu=tcp://127.0.0.1:5578 replay=6678

独有前缀 p2_unique_hot.json
id=chatcmpl-17889153379236990000289e62a6
usage prompt_tokens=424 total_tokens=432

日志
08:55:35 scheduled instance=2 endpoint=0 policy=load_balance matched=None committed=424.0
req_id=178891533516689100006adc96b5
08:55:37 scheduled instance=2 endpoint=0 policy=kv_cache_affinity matched=384
req_id=17889153379236990000289e62a6 proposed=2-0

判定：查找 key 仍是 "0"（不是 "1"），P2 自己的事件能计分。

附：自动注册时 P1/P2 都订 replay=tcp://127.0.0.1:6677（5577+id，id 都是 0）。
P2 真实口是 5578。这是同机多 P 的 conductor 端口偏移限制，不是 SET id 写错。

---

用例 C8 liu意见2：省略 model_name 的精简 SET
结果 通过
时间 09:41:16

liu_omit_model.json
{"status":"success","data":{"event_type":"set","instance_count":2}} http=200

liu_instances.json
id=1 prefill model_name=qwen3-8b job_name=external-prefill-1 endpoint id=0:8100
id=3 decode model_name=qwen3-8b job_name=external-decode-3 endpoint id=0:8200

---

用例 C9 liu意见3：拒绝 decode_colocation，放行 concurrent_engine_sync
结果 通过
时间 09:41:17

liu_reject_colocation.out HTTP 400
External Deployer dispatch_capabilities must be one of:
prefill_handoff_decode, concurrent_engine_sync
input_value='decode_colocation'

liu_allow_concurrent.out HTTP 200
{"status":"success","data":{"event_type":"set","instance_count":2}}

---

用例 C10 liu意见1：无配置 / 无 Controller 段时不按有 Controller 处理
结果 通过
时间 09:42:27 ~ 09:43:08

运行时探测 has_motor_controller_config()（liu_c1/check_has_ctrl.py）
missing_file => False
unset USER_CONFIG_PATH => False
配置存在但无 motor_controller_config => False
配置含 motor_controller_config => True

无配置启动日志 liu_c1/missing_cfg.log
Configuration file does not exist, using default configuration
全程无 127.0.0.1:1026 / ControllerConfig / report_alarm
（本机 1025 已被占用，随后 Aborting，属端口冲突，不是告警误打）

独立端口 19120/19121 启动 liu_c1/standalone_only.log
无 127.0.0.1:1026、无 report_alarm

6. CheckList

PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x]

[ ] 代码注释完备

[ ] 正确记录维测日志

[ ] 是否有UT用例

[ ] 若涉及多线程场景，考虑了并发场景，不存在死锁问题