更新时间：2026-02-06 GMT+08:00
RoCEHealthStatusError事件处理建议
故障影响
可能造成客户业务中断，客户无法使用该NPU卡。
告警解释
当前服务器中NPU芯片存在异常。
告警参数
|
参数名称 |
参数含义 |
|---|---|
|
名称 |
NPU：RoCE网卡健康状态异常 |
|
类型 |
故障类告警 |
|
发生时间 |
告警触发时间 |
|
定位信息 |
局点、云服务、微服务、虚拟机ID、虚拟机名称、告警信息 |
可能原因
NPU卡存在异常。
处理步骤
- 登录机器，执行命令查询NPU卡回显信息。
npu-smi info
- 执行命令查询NPU网卡健康状态。如果查询到有NPU卡状态为非Success，则表明其健康状态异常。
for i in $(seq 07);do hccn_tool -i $i -net_health -g; done
- 如果确认为NPU RoCE网卡健康状态异常。收集上述排查信息，提工单联系运维人员协助处理。
告警清除
此告警恢复后，关闭工单时清除方式选择清除网管告警即可。
参考信息
无
父主题： 轻量算力节点
