变更摘要

本次 PR 修复了 multi_stream_lazy_reclaim 特性在大量积压事件（sum > kLazyQuerySize）场景下的 coredump 问题。根本原因是 process_events() 原本在 get_free_block() 之后调用：此时 get_free_block() 已从空闲池取出但尚未标记为已分配的块（allocated == false），若 process_events() 回收相邻块后触发 try_merge_blocks() 合并，会导致该未完成分配的块被合并删除，造成分配器数据结构损坏。修复方案将 sum > kLazyQuerySize 触发的 process_events() 移至 get_free_block() 之前执行，并通过 reaped 变量防止同一轮 malloc() 中 process_events() 被冗余调用两次。

主要改动

• 调整 process_events() 调用时序：在 NPUCachingAllocator.cpp 的 malloc() 路径中，将 sum > kLazyQuerySize 时的 process_events() 从 get_free_block() 之后移至之前执行，确保在选块前完成事件回收，避免未完成分配的块被 try_merge_blocks() 误合并。
• 引入 reaped 防重入守卫：新增 bool reaped 变量记录是否已调用过 process_events()；在 !block_found 且 !reaped 时才执行第二段 process_events()，防止同一轮 malloc() 中重复调用。
• 新增回归测试用例：在 test_allocator_envs.py 中添加 test_multi_stream_lazy_reclaim_trigger_event，通过创建超过 kLazyQuerySize（512）个带 record_stream 的张量后释放并重新分配，以子进程方式验证修复后不再发生崩溃。

openLiBing可接管PR, PR详情链接:
https://www.openlibing.com/apps/transitionPrDetail?owner=Ascend&repo=pytorch&number=42370&platform=gitcode&codeHostingPlatformFlag=gitcode

代码审查

审查总结

审查覆盖的文件

按优先级统计

• P0: 0
• P1: 0
• P2: 0
• P3: 1

整体风险评估

低风险。 C++ 修复正确地解决了 multi_stream_lazy_reclaim 在 block_found=true 且 sum > kLazyQuerySize 时因 process_events() 与 get_free_block() 时序不当导致的 use-after-free / coredump 问题。修复逻辑完备，覆盖了所有场景组合，reaped 标志设计合理。测试用例能够覆盖核心修复路径，唯一的改进点是使用 torch.npu.synchronize() 替代 time.sleep(0.1) 以提高测试确定性。

⚠️ 已识别出整体风险，但无法提取行内评论，请参考整体评估。

Thanks for your pull-request.
The full list of commands accepted by me can be found at here。
You can get sig-info at here

PR Approval Progress

✅ Congratulations! All modules have met the lgtm and approve requirements.

Module Approval Details

💡 Tip:

• Committer can comment /approve or /lgtm
• Commenting /approve implies both code review (lgtm) and intent to merge (approve)

CLA Signature Pass

xuyun15, thanks for your pull request. All authors of the commits have signed the CLA. 👍

当前仓库存在以下 保护分支 ：

评论 /sync <branch1> <branch2> ... 可将当前 PR 修改同步到其它分支（创建同步 PR）：
a) 如果当前 PR 是 Open 状态，同步操作将延迟到 PR 被合并时执行
b) 如果当前 PR 已经 Merged，将立即执行同步操作

注意：

1. /sync 命令可以指定同步到多个分支，仅最后一个 /sync 命令生效
2. 如果创建的同步 PR 不正确，可通过向同步 PR 的源分支提交轻量级 PR 完善，或使用 /close 命令关闭

ascend docs pipeline is running...

✅ 跳过 docs ci 检查，没有需要检查的文档文件

• compile、compile_inductor、compile_torchair : 运行流水线
• retry : 重试流水线所有失败子任务
• retry <任务名> : 仅重试指定失败子任务
• stop : 停止流水线

/approve

/approve