viable/strict/1789203000: [inductor] Make manual wait-user repair linear (#195616)
PyTorch 的 viable/strict/1789203000 分支合并 PR #195616（[inductor] Make manual wait-user repair linear）。该 PR 描述：手动 collective bucketing 可能把 wait 输出替换为出现时间晚于其现有消费者的图节点；此前的修复逐个移动消费者，并在每次移动时重建完整节点位置映射两次，导致长依赖链出现二次方工作量，使大型分片图看似挂起。新实现改为在替换引入反向数据边时只运行一次稳定拓扑排序，并通过恢复每个被阻塞节点的反向依赖迭代器，使依赖遍历线性化，同时检测环而非留下无效图。测试覆盖传递链、多次替换、无关节点稳定排序、幂等性、反向高扇入、有界遍历与环。
发展脉络
- 首次出现viable/strict/1789203000: [inductor] Make manual wait-user repair linear (#195616)PyTorch Core
- 当前判断该改动属于 PyTorch 编译器内部稳定性与可扩展性维护，不涉及模型能力、融资或产品发布。它反映的是分布式训练图编译在分片规模增大后，编译期算法复杂度成为实际瓶颈；可验证的下一信号是同类 Inductor 图重写 PR 是否继续以线性化与环检测为主题。Agent Pulse · 分析
PyTorch 合并 PR #195616，修复 Inductor 中手动 collective bucketing 的 wait-user 修复算法。原实现逐个移动消费者并每次重建完整节点位置映射两次，长依赖链下产生二次方工作量，大型分片图会表现为挂起。新实现仅在替换引入反向数据边时运行一次稳定拓扑排序，并通过恢复被阻塞节点的反向依赖迭代器让依赖遍历变为线性，同时能检测环而不是留下无效图。测试覆盖传递链、多次替换、无关节点稳定排序、幂等性、反向高扇入、有界遍历与环。
这是编译期图重写算法的复杂度修复：把「每次移动后全量重扫输入」改为「保留反向依赖迭代器状态、按需恢复」，使依赖遍历从二次方降为线性，并顺带获得环检测能力。判断依据是 PR 自述的算法改动与测试项；可验证的下一信号是后续是否出现针对该路径的复杂度基准或回归测试。
该改动属于 PyTorch 编译器内部稳定性与可扩展性维护，不涉及模型能力、融资或产品发布。它反映的是分布式训练图编译在分片规模增大后，编译期算法复杂度成为实际瓶颈；可验证的下一信号是同类 Inductor 图重写 PR 是否继续以线性化与环检测为主题。
对使用 PyTorch 分布式训练与 Inductor 编译的团队，编译时间与挂起风险直接影响训练迭代速度；该修复降低长依赖链图的编译开销。可验证的下一信号是升级到含该 PR 的版本后，编译阶段耗时或超时告警是否下降。
若线性化修复在真实大型分片图上生效，编译阶段「看似挂起」的报告应减少。可验证的下一信号是 PyTorch 后续 release note 或 issue 中是否出现该 PR 编号关联的挂起问题关闭记录。