Refactor RuntimeCtx for multi-runtime

[chengtbf]

为了支持多个 Runtime 同时存在，进行一系列必要的重构。

• 移除 RuntimeCtx 、 Runtime 抽象的过时构造参数： total_piece_num 和 is_experiment_phase
• 移除 Actor 中对 Global<Profile> 和 试跑相关的入口代码 collect_act_event 等（ActEventLog 的逻辑没有移除，但现在不再调用了），性能调试目前有更易用的接口是： OF_PROFILER_RANGE_PUSH 等
• 重构 Runtime 中对 Counter 的使用，支持多 Runtime

为了支持多个 Runtime，所以需要允许有相互独立的 Actor Count 的计数方式（每个 Runtime 自己需要独立计数，同时 Thread 是跨 Runtime（多job ）的，所以需要在 Actor 里记录所属的 Runtime），最终为了兼容 Single-Client 和 Multi-Client 对 Runtime 的使用方式，我选择了 job_id 作为区分，并在 Actor 中记录所属的 job_id。

[github-actions]

Speed stats:

GPU Name: GeForce GTX 1080 

PyTorch resnet50 time: 141.8ms (= 7091.1ms / 50, input_shape=[16, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 126.8ms (= 6339.1ms / 50, input_shape=[16, 3, 224, 224], backward is enabled)
Relative speed: 1.12 (= 141.8ms / 126.8ms)

PyTorch resnet50 time: 83.6ms (= 4181.6ms / 50, input_shape=[8, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 74.1ms (= 3706.8ms / 50, input_shape=[8, 3, 224, 224], backward is enabled)
Relative speed: 1.13 (= 83.6ms / 74.1ms)

PyTorch resnet50 time: 58.5ms (= 2924.8ms / 50, input_shape=[4, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 49.1ms (= 2454.6ms / 50, input_shape=[4, 3, 224, 224], backward is enabled)
Relative speed: 1.19 (= 58.5ms / 49.1ms)

PyTorch resnet50 time: 47.8ms (= 2391.7ms / 50, input_shape=[2, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 41.9ms (= 2095.8ms / 50, input_shape=[2, 3, 224, 224], backward is enabled)
Relative speed: 1.14 (= 47.8ms / 41.9ms)

PyTorch resnet50 time: 41.8ms (= 2090.9ms / 50, input_shape=[1, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 49.6ms (= 2479.4ms / 50, input_shape=[1, 3, 224, 224], backward is enabled)
Relative speed: 0.84 (= 41.8ms / 49.6ms)