[Contribution] 任务 #8：[Perf] layerwise gate 对非复用层过度同步

背景

layerwise 预取层（layer_id != current_layer）的 load task 一律携带 attention_start_gate，recv 线程在 _handle_request 里 gate.wait() 阻塞直到计算流到达 attention 边界。prefetch_layer_map 定义了预取层与计算层之间的 buffer 复用关系（某预取层会覆盖某计算层正在使用的 buffer 时，需 gate 同步）。但当前 gate 附着不看 prefetch_layer_map，对所有预取层一律加 gate——对不在 map 中的预取层（无 buffer 复用），gate 是多余的，load 本可立即开始。单 recv 线程被这种多余 gate 阻塞会卡住后续所有层的 load（recv 线程串行处理队列）。

相关代码：_submit_ready_layer_loads 内 submit_layer_load 的 gate 附着条件、layerwise _handle_request 内 gate.wait()、AttentionComputeStartGate.wait（硬阻塞）、prefetch_layer_map（buffer 复用关系定义）。

相关代码路径：vllm_ascend/distributed/kv_transfer/kv_pool/ascend_store。

任务

让 gate 仅在确有数据竞争时生效，非复用层不阻塞。

• 路径：layerwise recv 线程的 gate 附着与等待
• 目标：非复用预取层立即 load，复用层保留 gate

验收标准

1. 功能正确性

• 复用层 gate 行为不变（buffer 数据安全）
• 非复用层 load 立即开始，无数据竞争
• 现有单测全绿

2. 性能验证

• recv 线程被 gate 阻塞时间下降（profiler 时间线）
• 预取层就绪更早，attention 前等待减少

3. 交付件

• PR + 设计说明 + 性能数据 + 单测

环境约定

• vllm-ascend：最新 main
• 硬件：Ascend NPU（注明型号 + 卡数 + TP/CP/PP 配置）
• 关联任务池：#9079
• 验收人：@赵鹏博

重点关注

• GVA 复用场景 gate 是正确性需要，不能去掉

任务周期

• 发布：2026-08-12
• 回收：2026-10-31