feat(pd): add node-authoritative Decode admission

[sufubao]

背景

main 中的 PD Master 在进行中请求数达到 Decode 容量时直接返回繁忙。此前版本把 admission 扩展成了 Master 侧的静态容量切分和业务调度器，但这会带来两个问题：

• 多 Master 静态切份不是 work-conserving，空闲 Master 的份额无法被繁忙 Master 使用。
• Decode lease 在 Master 进入生成流程前获取，覆盖多模态预加载、tokenization 和 Prefill，导致尚未进入 Decode 的请求提前占用槽位。

本版本改为：Decode 节点维护唯一、权威的本地容量池；Master 只负责在多 choice 请求完成 Prefill 后协调一次原子 n 槽预留。

实现

Decode 节点侧 admission

• 每个 Decode 节点按本地 running_max_req_size 创建容量池，所有 Master 竞争同一个池。
• 调度策略缩减为严格 FIFO，不包含优先级、DRR、Session 串行、驱逐、backfill 或调度 reservation。
• 等待队列按槽位计量并有界，支持任务取消和超时。
• n 个槽一次获取，不能部分准入。
• lease 持续到对应 shm request index 真正回收，异常初始化和取消路径也会释放。
• shm request index 增加原子批量分配：无法一次获得全部 index 时回滚，不留下部分占用。

Prefill / Decode 两阶段

• n = 1 请求在 Decode 节点完成本地校验后、分配 shm request 前申请 lease。
• n > 1 仍展开为独立的 n = 1 choice，以保持现有每个 choice 一条 KV 转移链路。
• 所有 choice 完成 Prefill 后，Master 在同一个 Decode 节点原子预留 n 个槽；节点确认后才发送 Decode 请求。
• 原子 lease 被拆成独立子 lease，各 choice 在自身物理资源回收时分别释放。
• n > 1 不做 max_new_tokens 分段，避免不同 continuation history 被错误拼接；n = 1 保留原有分段行为。

多 Master 与滚动升级

• 删除 capacity_share / capacity_epoch 静态切分和 Master 侧容量汇总。
• Decode registration 上报节点侧 admission capability。
• 新 Master 默认拒绝未提供该 capability 的旧 Decode 节点，要求按 Decode 优先、Master 随后 的顺序升级。
• 显式禁用 admission 时允许连接旧 Decode 节点，便于紧急兼容。
• 多机 TP 只由 rank 0 注册为 PD 入口并执行 admission；slave rank 只处理 rank 0 转发的请求。

错误与配置

• Decode 队列满或等待超时时通过独立协议上报，最终保持 HTTP 429 ServerBusyError 语义。
• 新增：
  • --pd_node_decode_admission_queue_size，默认等于 running_max_req_size。
  • --pd_node_decode_admission_timeout，默认 5 秒。
  • --disable_pd_node_decode_admission。
• --disable_pd_master_decode_capacity_limit 保留为 deprecated alias。

精简结果

• 删除原 Master admission controller 及其复杂策略测试。
• 相对上一版 PR：1201 行新增、2310 行删除，净减少 1109 行。
• cache-aware selector 继续负责选点，但不再参与 admission 优先级或容量计算。

验证

变更文件通过 Black 120、Flake8 和 git diff --check。

python -m pytest -q \
  unit_tests/server \
  test/test_pd_selector \
  test/test_api/test_server_busy_handling.py

结果：310 passed, 1 failed。唯一失败为已有的：

unit_tests/server/router/dynamic_prompt/test_radix_cache.py::test_case10

该测试在 RadixCache.flush_cache() 中要求未初始化的 mem_manager 非空；对应实现和测试相对 upstream/main 均无改动。

本次未运行真实模型/GPU benchmark。

[sufubao]

极压回退修正已推送：81b4cfa2。

这次修正不再把 Radix cache 余量当作并发安全边界：

• 删除 cache-full 时可退化到 1 的 cold hard cap，Decode 份额成为唯一全局并发硬约束。
• 删除 TOKEN_PACK/心跳中的 Radix 共享状态扫描和无效 admission redrain。
• 改为按 Decode slots 计费的 DRR + 一波 bounded backfill/reservation，并修复默认满队列时可运行小请求被 429、槽位空转的反例。
• 修复新 P/D 节点连接旧 Master 的 registration schema 兼容性，并补齐 acquire 后异常的租约释放。

验证：104 项相关测试、200×500 随机状态转换以及 D=64 控制器饱和实验通过；GitHub pre-commit CI 已通过。控制器合成实验中，早期 cache-full 实现为 peak_active=1 / 19.5 req/s，最终实现为 peak_active=64 / 1256.2 req/s。这些不是真实模型/GPU 端到端吞吐数据，详细范围与未验证边界已写入 PR 正文。