[qychen2001]

PR type

• New Feature
• Bug Fix
• Document Updates
• More Models or Datasets Support

PR information

Related issue: 暂无。配套 Swift #10512，建议先合入本 PR。

将性能观测接入 Twinkle 既有的 perf 与 metric 能力，清理 RL 专用记录器、重复 JSONL writer、手工外部时间区间 API 和 RPC 观察线程所需的额外等待接口。

• 原始观测放在 perf：复用 @timed / TimeRecorder / span；perf.stats.memory_stats 返回每 worker 的 allocator 峰值与 host RAM 原始字节数。默认不重置计数或同步设备，测量屏障由调用方显式选择。TimeRecorder 支持注入单调纳秒时钟进行确定性验证，不增加 record_interval。
• 计算放在 metric：ThroughputMetric 使用 accumulate / calculate / reset，接收显式样本长度、阶段秒数和物理设备预算。通过计数累积计算窗口总量之比，不平均逐步吞吐，不包含训练轮次状态、任务等待或文件输出。内存转换和跨卡归约使用 memory_metrics。
• 保存复用现有 reporter：复用 MetricRecord / MetricsReporter / _JSONLBackend，不新增 writer 类。增加可选 append 模式保存重启后的旧记录；非有限数值以 null 保留在非数值属性中；生产方按批次上报时允许使用终态总数校准汇总计数。
• 流程只暴露观测事件：StreamingDriver 提供迭代开始、真实发布完成通知和普通字典快照；ClusterAdapter 暴露资源计数。调用方决定阶段、token 和设备分母的业务口径。
• 独立 vLLM 引擎并发初始化，去除覆盖完整初始化过程的全局粗锁；文件锁测试保留为通用工具测试。原锁来自 fix: serialize concurrent vLLM engine startup #282，本变更不包含底层端口分配策略的修复。

perf 不引入 RL 生命周期、吞吐公式或 JSONL 输出；清理 RLPerformanceRecorder、rl.py、rl_metrics.py 和独立 writer 的 public surface。只提交代码和测试，没有新增独立文档文件。使用 Codex 辅助实现、测试和提交。

Experiment results

2026-11-06 在最终实现上完成 3 轮真实 GRPO 训练。配置：8×PPU-ZW810（96 GiB）、Qwen3.5-4B、FSDP2、colocate、rollout TP=2×4、每轮 8 prompts×8 completions=64 条轨迹；每卡微批次 2、梯度累积 4、seed=42、thinking=false、回答上限 1024、context 上限 5120，不保存 checkpoint。回答上限 1024 用于缩短本次记录链路验证。

轮次	有效总 token	生成 s	策略训练 s	整轮逻辑耗时 s	token/s/GPU
1	76019	46.416	15.052	81.659	116.366
2	73752	46.102	9.174	59.685	154.461
3	75208	46.640	9.938	61.091	153.885

检查结果：

• 退出码 0，完成 3 次实际优化器更新、3 次权重发布、192 条轨迹；loss 与梯度范数有限，3 次梯度范数均非零。thinking 配置为 false，192 条结果均未解析出非空 reasoning。
• metrics_raw.jsonl 共 7 条：3 条 train、3 条 rollout(scope=iteration)、1 条 run；同一 run_id，包含时间戳和明确的优化器步数。WebUI metrics.jsonl 保持原有平铺格式，共 3 条。
• 每轮有效 prompt token 与输入 manifest 一致，response token 与 64 条实际 completion 长度之和一致；吞吐和每 token 耗时可独立复算。
• 每轮保存 13 个原始计时区间、8 个 worker 的原始内存字节读数；独立核对阶段耗时、日志开销扣除、内存单位转换和跨卡归约均一致。内存是 worker allocator 生命周期峰值，CPU 项是 host 使用量。
• summary.json 正确汇总 24 个生成组、192 条生成样本、192 次训练样本访问、3 次更新，无记录丢弃。全窗口吞吐为 138.920 token/s/GPU，按总 token / 总逻辑秒数 / 8 计算。完整进程耗时 398.561 秒，含环境和模型初始化。
• 8 卡均释放；日志中无 traceback 或端口冲突。

这是一轮集成验证，不据此给出稳定提速或收敛结论；首轮含首次调用开销。阶段观测不相互独立，不能把并发或嵌套时间直接相加。

验证对应的提交：

• Swift：4b0e012768ecb39d96ad759452f7834efa6f10d0
• Twinkle：160c12be82162b6a72ba16dbf007cab453cced6e

训练时使用未提交工作区，提交后已逐文件核对两仓提交内容与被测源码的 SHA-256 一致。原始配置、源码变更快照、日志、逐步 CSV、验证结果和提交核验保存在本地 scripts/performance_a1/output/20261106-metric-pipeline-three-iterations/，实验产物不加入代码 diff。

回归与静态检查

在两仓共同父目录、swift-test 环境运行：

PYTHONPATH=ms-swift:twinkle/src python -m pytest -q \
  twinkle/tests/perf \
  twinkle/tests/metric/test_reporting.py \
  twinkle/tests/metric/test_throughput.py \
  /tmp/test_native_metric_existing_reporter.py \
  ms-swift/swift/dev/tests/component/recipe \
  ms-swift/swift/dev/tests/feature/rl/test_performance.py \
  ms-swift/swift/dev/tests/feature/rl/test_grpo_seams.py \
  ms-swift/swift/dev/tests/feature/rl/test_grpo_advanced.py \
  ms-swift/swift/dev/tests/component/config/test_tracking.py \
  twinkle/tests/twinkle_agentic/test_iteration_observers.py \
  --disable-warnings --maxfail=3

结果：236 passed, 4 warnings。覆盖 token/时间归一化、窗口吞吐采用总量之比、长度统计、内存转换、追加写入、并发记录、终态总数、日志重叠只扣一次、训练尾批/重复访问、辅助前向并发提交、远程优化器失败传播、发布边界和 WebUI 兼容。

其中 11 项来自既有 reporter 测试的隔离执行：原 test_async_rl_metrics.py 导入当前检出缺失的 twinkle_agentic.async_rl.metrics，无法整文件收集；临时文件仅去掉该无关导入及依赖它的 helper 测试，保留 reporter 测试行为。副本和运行日志保存在实验目录 checks/；不声明该原始测试模块或全仓测试全部通过。

两仓 git diff --check 通过。完整 pre-commit run --all-files 已在隔离源码目录执行，仍有仓库已有的 Ruff、格式和文件末尾换行问题；批量格式化未带入提交，不声明全仓 lint 通过。