[ShuweiShen772]

Description

按版本升级计划，将 PR #13 的动态设备端口修复移植到 v0.3.14_xllm_patch。

基线：ff3258bbd3051c212653d75850a4e3e0f43808e4。

修复旧 Ascend/HCCL 后端固定监听 16666，导致共享测试机上的并行 PR 相互冲突的问题：

• NIC 使用端口 0 进行实际 HCCL Listen，由监听操作分配可用端口，成功后读取 GetLocalPort()。
• VNIC 使用同一个实际端口；两个监听均成功后，才更新 RankInfo.devicePort，沿用现有 segment 元数据发布实际端口。
• VNIC 端口占用时，通过 DeInit() 回滚后重新申请，最多尝试 32 次；仅监听阶段的 HCCL_E_UNAVAIL 进入端口重试。
• 内存、参数、系统调用、设备运行时错误原样返回；回滚错误立即停止重试。
• 新增 3 个聚焦回归，覆盖 16666 被占用、并发监听、NIC/VNIC 部分失败回滚、重试上限和非端口错误。

本 PR 与 #13 分别面向 0.14 和 0.12 版本分支，保留两条版本的独立合入路径；与 deferred cleanup PR #11、HCCL retirement PR #10 的代码修改相互独立。

配套 xllm 动态测试端口适配：https://coding.jd.com/xLLM_AI/xllm/merges/807 。按约定，在 Mooncake GitHub 合入并同步 GitCode 后补充 xllm 依赖指针。

Suggested Merge Priority

• P2 — 共享测试机上的并发端口冲突修复

Module

• Transfer Engine (mooncake-transfer-engine)

Type of Change

• Bug fix

How Has This Been Tested?

在 0.14 工作树重新编译和运行：

1. hccl_device_listener_test：3 项，通过。
2. 联跑 xllm 主机端口回归：8 项，通过；合计 11 项。
3. 两个测试二进制并行运行 32 个进程，每个重复 20 轮，共 3520 次用例执行全部通过。
4. 同组 ASan/UBSan，ASAN_OPTIONS=detect_leaks=1:halt_on_error=1、UBSAN_OPTIONS=halt_on_error=1，全部通过。
5. clang-format 20.1.6、限定文件的 pre-commit 和 git diff --check，通过。

测试直接调用本 PR 的生产端口选择 helper，使用真实 POSIX bind/listen 和 SDK HCCL 状态枚举；Socket 边界以两组 loopback 地址模拟 NIC/VNIC。真实 NPU 设备监听和完整 legacy 后端构建由对应硬件 CI 验收。

Test results:

• Unit tests pass
• Integration tests pass (hardware CI)

Checklist

• 提交含 DCO Signed-off-by
• 已自查改动
• 已执行 staged 格式脚本及限定文件 pre-commit
• 已添加并通过聚焦回归
• 人工逐行评审及真实 NPU CI 验收

AI Assistance Disclosure

• AI tools were used: Codex 用于版本移植、回归验证和 PR 准备。