[sufubao]

当前日志混杂启动进度、请求细节和逐页传输信息，TP/P-D 部署还会重复输出，难以判断服务是否真正就绪及运行时资源使用情况。本次统一日志配置和事件格式，使 INFO 展示清晰的启动阶段与节点级运行摘要，DEBUG 提供有边界、可关联的诊断信息。

• 默认使用紧凑时间和组件/角色前缀，支持 JSON、模块级别覆盖及按进程轮转文件；HTTP access 默认关闭，HAProxy 遵循同一开关并过滤 readiness 探测。
• 通过已绑定的 /readiness 确认真正就绪，TLS 部署使用 HTTPS 并信任配置中的服务证书，P/D 节点未注册时只输出一次等待提示，并记录启动总耗时。
• 每个节点汇总运行、等待、暂停请求数，prefill/output token/s、完成请求/s，以及活跃 KV、可复用缓存占用和容量。TP leader 累加 CPU 共享计数，避免重复统计与新增 GPU 同步；稳定空闲只输出一次。
• 成功请求摘要默认按 ID 稳定采样 1%，P/D 内部处理摘要降为 DEBUG；失败不采样，保留实际终止原因、取消和容量续跑状态。字符串 stop 按 choice 保留成功状态，后端 abort 清理不再影响请求摘要和完成计数。
• DEBUG 使用有界结构化事件与请求关联字段，KV 传输按窗口汇总；修正业务来源行号、批次 ID 和退出日志，避免逐 token/逐页增长及 TP 公共状态重复。
• 补充中英文配置文档和回归测试，保留上游统一结构化采样、停止条件及分段提前关闭时的指标收尾行为。

验证：

• 最新 upstream/main 基线上相关回归 680 项通过，覆盖日志、引擎计数、P/D 分段与停止、请求生命周期及结构化输出；3 项 GPU 专用单测未纳入本轮 CPU 测试。
• 所有修改的 Python 文件通过仓库固定版本 Black 21.12b0、Flake8，补丁通过 git diff --check。
• NVIDIA H200 / Qwen3.5-0.8B：变基后的功能提交完成 TP2、P1D1 NCCL 普通、流式、并发及 3072-token 长请求实测，验证实时吞吐、KV 占用、就绪顺序与 TP 去重。该轮普通推理显式设置 --output_constraint_mode none；XGrammar 0.2.8 / TVM FFI 0.1.11 在隔离依赖中完成 CPU 回归。
• DEBUG 体积实测：输出从 16 增至 256 token，TP2 均为 9 行（约 1 KB），P/D 均为 27 行（约 3.4 KB）。

本轮修复验证：启动、引擎吞吐、字符串 stop 和 HAProxy 回归 311 项通过，另有日志相关回归 130 项通过。覆盖实际 stop 匹配与后端 abort 收尾、多 choice 取消、真实 TLS 握手，以及 HAProxy 2.8.25 的 access 开关与 readiness 过滤。Black 21.12b0、Flake8 6.1.0 和 diff 检查通过；本轮未重新运行 GPU 推理测试。