Nsight Systems 诊断脚本
固定 nightly 0bfc7a15、当前 PLE 适配，单 GPU、串行请求。
方案见 plan.md。这些脚本是实验工具，不是默认启动入口。
prepare.py prepare --data ...：使用正在运行的同一模型生成 8K/32K 固定检索数据并预检 token 数。instrument.py：读取同目录vllm_ple_mmap.original.py和cudagraph_utils.original.py， 精确匹配源码后生成临时 NVTX 版本；保持算子签名与计算不变。原始文件来自容器，不提交重复副本。client.py --label eager|graph：在测试容器内运行，数据挂到/profiles/data，密钥读挂载文件。 三轮正常计时和三次独立 trace；所有请求相同，temperature=0、seed=42、reasoning_effort=low。monitor.py：在 Spark 宿主机运行，写资源采样到 stdout；以脚本目录中的文件发出停止信号。 必须在启动实验前启动监控，并配套退出后恢复原配置的 runner。保护是尽力而为，不能保证拦截瞬时 OOM。summarize_trace.py <trace.sqlite> ...：导出 CUDA/NVTX 汇总，不读取进程命令行和环境。
Nsight 使用主机安装目录只读挂载到 /opt/nsight。临时服务添加：
--max-model-len 131072 --profiler-config '{"profiler":"cuda"}'
在原有 vllm serve ... 前包裹：
/opt/nsight/bin/nsys profile --sample=none --trace=cuda,nvtx,osrt \
--capture-range=cudaProfilerApi --capture-range-end=repeat:3 --kill=none \
--trace-fork-before-exec=true --cuda-graph-trace=node --force-overwrite=true \
-o /profiles/<label>/trace vllm serve ...
临时将服务绑定到容器回环地址，客户端使用 docker exec；保留已有缓存、代理和 secret 挂载。
PLE 和 CudaGraphManager 的标记文件分别只读覆盖原模块，不修改镜像或权重。
测试时自动重启关闭；原 Compose 保留备份，退出时恢复并做健康及 smoke 检查。
计时阶段没有启动 capture，但 Nsight launcher 和 NVTX 包装仍存在；本轮不是完全卸载 profiler 的独立测速。
node 级采样可能增加开销，因此 trace 时长只用作诊断，不能代替无采样阶段排名。
CPU API、NVTX 和 GPU 时间存在重叠；GPU busy 是 kernel/copy/memset 区间并集，
分母为首次至末次 GPU 活动的时间跨度，不是 SM 利用率、带宽利用率或完整 HTTP 延迟。
原始 .nsys-rep / SQLite 可能包含进程参数，只保留在 Spark 的受限目录，不提交 Git。