feat(vllm): support packed 4D KV cache layouts

[xuhao77]

支持 packed 4D KV cache 布局

vLLM #44455 将非 MLA KV cache 从具有独立 K/V 维度的五维布局，
调整为将 K 和 V 打包到内容维度中的四维布局。

新版vllm KV 布局，#44455 之后：
Standard packed K/V: (num_blocks, num_kv_heads, block_size, 2 * head_size).
FlashInfer NVFP4: (num_blocks, 2 * num_kv_heads, block_size, packed_head_size).

最后一维包含 FP4 数据和 FP8 scale
packed_head_size = head_size // 2 + head_size // 16.

旧版的vllm KV布局：
LAYERBLOCK (num_blocks, 2, block_size, num_kv_heads, head_size).
LAYERFIRST (2, num_blocks, block_size, num_kv_heads, head_size).
FlashInfer NVFP4 (num_blocks, 2, block_size, num_kv_heads, packed_head_size).

FlexKV 此前复用了 is_mla，使其同时表示“cache 只有一个 KV region”和
“模型使用 MLA”。这会导致 packed MHA/GQA cache 在容量计算、TP head
分片和数据传输路径中错误地继承 MLA 行为。

增加 packed_kv，并通过 use_mla/is_mla 和 packed_kv 推导 single_kv_region：

  single_kv_region = use_mla/is_mla || packed_kv

single_kv_region 只描述存储中是否存在独立的 K、V region，从而决定
kv_dim 是 1 还是 2。is_mla 继续表示模型是否真正使用 MLA，并控制
head 复制、MLA D2H 模式及其他 MLA 专属行为。

主要改动：

• 物理布局识别与配置传递：
  从 vLLM attention backend 查询实际 cache shape，识别 MLA 3D、
  packed 4D 和旧版 K/V 分离 5D 布局，并提取每个 TP rank 的物理
  head 数量和内容宽度。按照 TP size 汇总非 MLA cache 的存储 head，
  将识别出的 packed_kv 状态继续传递到 ModelConfig，以及 GPU、CPU、
  SSD 和 remote 的 KVCacheLayout。容量计算、存储分配、兼容性检查、
  日志、trace 和 replay 均使用最终得到的物理布局。

• KV region 语义拆分与接口重命名：
  通过 use_mla 和 packed_kv 推导 ModelConfig.kv_dim，并通过 is_mla
  和 packed_kv 提供 KVCacheLayout.single_kv_region。对于原先名为
  is_mla、实际却只控制 K/V 循环次数或偏移计算的参数，在 CUDA binding、
  SSD、remote、非 TP GDS、NIXL offset helper 和 transfer trace 中统一
  重命名为 single_kv_region。

  对同时需要 KV region 数量和真实模型类型的路径，继续保留这两个参数。
  TP、TP GDS 和 layerwise transfer 同时接收 is_mla 和 packed_kv，并在
  内部推导 single_kv_region。将 CE binding 原来的 is_mla 参数重命名为
  single_kv_region，同时增加 ce_is_mla，使 KV region 遍历和 MLA 专属
  CE 行为相互独立。

• vLLM GPU cache 注册与布局校验：
  在 vLLM 完成 cache 分配后，根据实际 tensor 维度和 K/V 轴位置构造
  GPU KVCacheLayout。对于 packed 4D cache，在向 FlexKV 注册前校验
  tensor 是否使用 token-major 的 NHD stride。对于当前 transfer kernel
  无法正确寻址的 HND 布局，直接拒绝注册，避免静默损坏 KV 数据。

• GPU 与 CPU 之间的数据传输：
  在 KVCacheLayout 中通过 is_mla 和 packed_kv 推导 single_kv_region，
  Python worker 使用它计算 region 数量和传输 stride，并通过 binding
  将其传递到 CUDA、CE、TP 和 layerwise 实现。根据 single_kv_region
  遍历一个或两个物理 KV region，同时继续使用 is_mla 控制 TP head
  复制、MLA D2H 模式和 MLA 专属 CE 路径。这样 packed MHA/GQA 可以
  合并 K/V region，同时保留正常的 TP head 分片行为。

• SSD、remote 和非 TP GDS 数据传输：
  将 packed_kv 继续传递到 CPU、SSD 和 remote 布局，并推导相同的
  single_kv_region。worker 将其传递到 SSD、PCFS 和非 TP GDS 实现，
  使各路径按照物理布局计算 K/V 循环和 chunk offset，只传输实际存在
  的 KV region。

• TP GDS 数据传输：
  同时向 TP GDS 传递 is_mla 和 packed_kv，并在线程组内部推导
  single_kv_region。使用 single_kv_region 控制 GDS kernel 遍历一个
  还是两个 KV region，同时继续使用 is_mla 选择每个 rank 的 SSD
  offset。MLA rank 访问相同的复制 region，而普通和 packed MHA/GQA
  rank 使用 ssd_tp_stride 访问各自的 head 分片。

• 非连续 tensor 的 NIXL 数据传输：
  使用 single_kv_region 计算 packed NHD tensor 的 KV chunk offset。
  不再使用可能为非连续逻辑视图生成连续临时副本的 reshape 展平方式，
  而是基于底层 storage、storage offset 和布局 stride 构造字节视图。
  NIXL 现在直接读写原始 KV cache allocation。

• nvcomp ANS 安全降级：
  初始化压缩时检查 KVCacheLayout.packed_kv。对于 packed cache，禁用
  尚未将 single-KV-region 语义与 MLA size-table 语义分离的 ANS 路径，
  回退到未压缩传输，避免错误寻址 KV region 或 TP size table。

• vLLM connector 统计聚合：
  适配 vLLM #43877 引入的 scheduler 侧统计流程。vLLM 现在会先处理
  worker connector 输出，再收集 scheduler 侧统计；通过 is_empty 判断
  scheduler 统计是否有效；在 worker 和 scheduler 统计同时存在时进行
  聚合；同时也支持只输出 scheduler 侧统计。

  FlexKV 此前直接实例化 KVConnectorStats，但当前 vLLM 已将其作为接口
  基类，reset、aggregate、reduce 和 is_empty 均没有默认实现。增加
  _FlexKVConnectorStats，用于清理统计快照、累加计数器、重新计算命中率
  并导出归约后的统计值。

验证情况：

• 通过 23 个单元测试，覆盖配置、布局、NIXL storage alias、vLLM adapter
  和 transfer trace。
• 通过 11 个 packed 4D GPU 回环测试，覆盖 CUDA kernel、CE、
  LAYERFIRST/BLOCKFIRST 布局、部分 layer 传输，以及双 GPU TP/layerwise
  路径。
• 通过 176 个 SSD transfer 回归测试，覆盖 thread 和 io_uring I/O、
  baseline 和 vectored 路径、部分 block 传输、MHA/MLA 布局，以及
  layerwise SSD 到 CPU staging。
• 通过 4 个具有代表性的 MHA、MLA、CE 和 layerwise 回归用例。
• 通过 2 个 DSV4 multi-group 和 SWA layerwise 回环测试。
• 通过当前 FlashInfer 4D NVFP4 布局的 GPU→CPU→GPU 端到端测试，
  KV 数据和量化 scale 的 uint8 字节完全一致。
• 通过 git diff 检查和 Python compileall 检查。

[linhu-nv]

LGTM. thanks for the great work