文档首页/ AI开发平台ModelArts/ ModelArts Lite Server用户指南/ Lite Server超节点管理/ Lite Server超节点定期压测
更新时间：2025-08-20 GMT+08:00
查看PDF
分享

Lite Server超节点定期压测

场景描述

针对超节点Snt9b23，支持用户定期对昇腾服务器进行性能测试和故障诊断，及时发现NPU故障，减少业务影响。

表1 性能测试

性能测试场景

场景说明

带宽测试

带宽测试主要用于测试总线带宽、内存带宽和总耗时。

算力测试

算力测试通过构造矩阵乘"A(m,k)*B(k,n)"并执行一定次数的方式，根据运算量与执行多次矩阵乘所耗时间来计算整卡或处理器中AI Core的算力值和满算力下实时的功率。

功耗测试

功耗测试是通过运行单算子模型来检测整卡的功耗信息。

眼图测试

用户使用眼图测试功能对网络进行测试，查询当前信号质量。

码流测试

码流测试主要包含一键式打流和自定义打流。

软硬件版本兼容性测试

软硬件兼容性工具会获取硬件信息、架构、驱动版本、固件版本以及版本软件。
表2 故障诊断

故障诊断场景

场景说明

NetWork诊断

对网络健康状态进行诊断，并输出诊断结果。

SignalQuality诊断

对信号质量进行诊断，并输出诊断结果。

片上内存诊断

对高带宽内存进行诊断，并输出诊断结果。

片上内存压测

对高带宽内存进行压力测试，并输出诊断结果。

片上内存高危地址压测

对高带宽内存高危地址进行压力测试，并输出诊断结果。

AICore诊断

对AICore ERROR进行诊断，并输出诊断结果。

AIflops诊断

对芯片进行算力诊断，并输出测试结果。

BandWidth诊断

对本地带宽进行诊断，并输出诊断结果。

P2P压测

测试指定源头Device到目标Device的HCCS通信链路是否存在硬件故障，并输出测试结果。

功耗压测

进行EDP/TDP功耗压力测试，并输出诊断结果。

约束限制

  • 仅支持超节点Snt9b23。
  • 压测使用工具Ascend DMI，其不支持在同一个设备里同时开启多个进程来测试性能数据，多进程测试时，可能导致测试结果不准确或者失败等不可预测情况。
  • 性能测试和故障诊断会影响训练或推理业务，执行命令前请确保无业务运行。
  • 为保证返回检测结果的正确性和准确性，请单独执行各个检测命令。
  • Ascend DMI工具只能对在位的NPU卡进行检查，为保证测试结果的准确性，请先执行npu-smi info命令检查NPU卡是否正常在位。

性能测试一：带宽测试

带宽测试主要用于测试总线带宽、内存带宽和总耗时。带宽测试命令的可用参数说明见表3。

ascend-dmi --bw -h
表3 带宽测试参数说明

参数

说明

是否必填

[-bw, --bw, --bandwidth]

使用该参数测试芯片的带宽。支持-bw，但建议使用--bw或--bandwidth。

是

[-t, --type]

指测试数据流向的分类。当使用带宽测试功能时，测试的数据流可以分为以下方向，如果不填写数据流方向则默认返回h2d、d2h、d2d。

三个方向的带宽和总耗时。

  • h2d：指数据从Host侧内存通过PCIe总线搬移到Device侧内存，测试整体带宽及总耗时。
  • d2h：指数据从Device侧内存通过PCIe总线搬移到Host侧内存，测试整体带宽及总耗时。
  • d2d：指数据从Device侧内存搬移到同一Device侧内存（主要是用于测试Device侧的内存带宽），测试整体带宽及总耗时。
  • p2p：测试指定源头Device到目标Device的传输速率和总耗时。

否

[-s, --size]

指传输数据大小并指定测试结果显示方式。超节点系列产品：d2h/h2d/p2p这3种模式下，最大传输数值为1Byte~4G。

  • 指定-s参数后面必须填写数值指定传输数据的大小，不填写属于错误写法。
    • 在h2d、d2h、d2d以及p2p且指定-ds和-dd场景：指定-s为定长模式；不指定-s为步长模式，传输数据的默认取值范围为2Byte~32M。

否

[-et, --et, --execute-times]

指迭代次数，即内存复制次数。取值范围为[1, 1000]，如果不填写，步长模式下复制次数则默认为5，定长模式下复制次数则默认为40。

否

[-d, --device]

指定需要测试带宽的Device ID，Device ID是指昇腾AI处理器的逻辑ID，如果不填写Device ID则默认返回Device 0带宽信息。

否

[-ds, --ds, --device-src]

指定p2p测试的源头Device的ID号。必须与[-dd, --dd, --device-dst]参数成对指定；如果与[-dd, --dd, --device-dst]参数同时不指定时，测试全量的昇腾NPU芯片。

否

[-dd, --dd, --device-dst]

指定p2p测试的目标Device的ID号。必须与[-ds, --ds, --device-src]参数成对指定；如果与[-ds, --ds, --device-src]参数同时不指定时，测试全量的昇腾NPU芯片。

否

[-fmt, --fmt, --format]

指定输出格式，可以为normal或json。如果未指定则默认为normal。

否

[-q, --quiet]

指定该参数时，将不再进行防呆提示，用户将默认允许该操作。

否

使用示例，以测试数据从Device侧传输到同一Device侧的带宽与总耗时为例。

ascend-dmi --bw -t d2d -d 0
图1 带宽测试示例
表4 带宽测试回显参数说明

参数

说明

Host to Device Test

带宽数据流方向。有以下显示可能：

  • Host to Device Test
  • Device to Host Test
  • Device to Device Test
  • Unidirectional Peer to Peer Test
  • Bidirectional Peer to Peer Test

Device X : Ascend XXX

Device X为当前测试的设备ID，Ascend XXX为处理器类型。0表示源头设备，1表示目标设备。

ID

0→1表示测试Device 0到Device 1的单向P2P带宽。

0↔1表示测试Device 0和Device 1的双向p2p带宽。

Size(Bytes)

传输数据大小，单位为字节。

Execute Times

迭代次数。

Bandwidth(GB/s)

芯片的带宽。

Elapsed Time(us)

总执行时长。

性能测试二：算力测试

算力测试通过构造矩阵乘"A(m,k)*B(k,n)"并执行一定次数的方式，根据运算量与执行多次矩阵乘所耗时间来计算整卡或处理器中AI Core的算力值和满算力下实时的功率。算力测试的可用参数说明见表5。

表5 算力测试参数说明

参数

说明

是否必填

[-f, --flops]

使用该参数测试整卡或芯片的算力。

是

[-t, --type]

指定算子运算类型，可以为fp16、fp32、hf32、bf16和int8，如果未指定则默认为fp16。

否

[-d, --device]

指定Device ID，执行该Device ID所在整卡的算力测试，Device ID是指昇腾芯片的逻辑ID，如果不填写Device ID则默认返回Device 0的算力信息。

否

[-et, --et, --execute-times]

指定芯片单个AI Core上运行矩阵乘法的执行次数。

  • 训练场景：如果不填写执行次数则默认为60。训练场景单位为十万，参数范围为[10，80]。
  • 推理场景：如果不填写执行次数则默认为10。推理场景单位为百万，参数范围为[10，80]。

否

使用示例，在Device 7上，执行算子运算类型为int8，执行次数为600万的算力。

ascend-dmi -f -t int8 -d 7 -et 60-q
图2 算力测试示例
表6 算力测试回显参数说明

参数

说明

Device

Device ID。

Execute Times

为单个AI Core执行矩阵乘的次数乘以AI Core的个数计算所得。

Duration(ms)

执行多次矩阵乘所耗费的时间。

TFLOPS@FP16

进行算力测试得到的算力值。FP16为指定的算子运行类型。

Power(W)

满算力下的实时功率。

性能测试三：功耗测试

功耗测试是通过运行单算子模型来检测整卡的功耗信息。功耗测试的可用参数说明见表7。

ascend-dmi -p -h
表7 功耗测试参数说明

参数

说明

是否必填

[-p, --power]

使用该参数进行整卡的功耗测试。

是

[-t, --type]

指定算子运算类型，可以为fp16或int8，如果未指定则默认为fp16。

否

[-pt, --pt, --pressure-type]

使用该参数指定压力测试的类型。

  • 当前支持指定以下2种类型：
    • edp（Estimated Design Power）：EDP功耗压力测试。
    • tdp（Thermal Design Power）：TDP功耗压力测试。
  • 支持和--dur、--it、--pm、-q参数一起使用。
  • 不支持和-t参数一起使用。
  • 不指定该参数时默认进行整卡的功耗测试。

否

[-dur, --dur, --duration]

指运行时间，如果不填写运行时间则默认为600。单位为秒，取值范围为[60，604800]。

否

[-it, --it, --interval-times]

指屏幕信息打印刷新的间隔时间，如果不填写间隔时间则默认为5。单位为秒，取值范围为[1, 5]。

否

[--skip-check]

传入此参数时会跳过设备健康状态检查。不传入此参数，默认会进行设备健康状态检查。

否

[-pm, --pm, --print-mode]

屏幕输出的打印模式，如果不填写打印模式则默认为refresh。打印模式：

  • refresh：每次打印清除历史打印信息。
  • history：打印保存历史信息。说明

    refresh模式下，当芯片数量较多时，建议调小字体使得所有结果都在一个屏幕中，否则可能会显示异常，重复打印部分内容。

否

使用示例，以执行时间为60s，信息的打印间隔信息为5s，屏幕的输出模式为清除历史记录为例。

ascend-dmi -p --dur 60--it 5--pm refresh
图3 功耗测试示例

表8 功耗测试回显参数说明

参数

说明

Type

标卡型号

Card

卡ID号

Chip

处理器编号

Name

处理器名称

Type

处理器型号

Chip Name

处理器名称

NPU Count

NPU的个数

Power

当前整卡或芯片的实际功耗

Health

处理器健康程度

Temperature

处理器当前温度

Device ID

处理器设备逻辑号

AI Core Usage

处理器AI Core的使用率

Voltage

处理器当前电压

Frequency

处理器当前频率

性能测试四：眼图测试

用户使用眼图测试功能对网络进行测试，查询当前信号质量。本功能主要用于查询信号质量的具体数据。判断当前端口信号质量是否正常，请执行signalQuality诊断。在同一NPU内，如果已配置CDR回环，请在解除回环后再执行眼图测试。眼图测试的可用参数说明见表9。

ascend-dmi --sq -h
表9 眼图测试参数说明

参数

说明

是否必填

[-sq, --sq, --signal-quality]

查询NPU上的PCIe、HCCS和RoCE通信端口的信号质量。

是

[-d, --device]

指定查询的Device ID。指定多个芯片时，使用英文逗号进行分隔。不指定该参数时，默认查询该设备上所有的NPU。

否

[-t --type]

指定通信端口的类型。当前支持HCCS和RoCE，指定多个通信端口的类型时，使用英文逗号进行分隔。如果不指定则将查询RoCE的信号质量。

否

使用示例，查看Device0和Device1的HCCS、RoCE信号质量。

图4 眼图测试示例
表10 HCCS信号质量回显参数说明

参数

说明

type

指定通信端口的类型。

device

NPU的逻辑ID。

M*（macro port）

表示macro端口，例如M0、M1分别表示macro的0号、1号端口。

L*（LANE）

表示HCCS链路中的第几条lane，例如L0、L1分别表示第0条和第1条lane。

S（SNR）

表示lane的信噪比。

H（HEH）

表示lane的半眼高。
表11 RoCE信号质量回显参数说明

参数

说明

type

指定通信端口的类型。

device

表示NPU的逻辑ID。

M*（macro port）

表示macro端口，例如M0分别表示macro端口0。

S（SNR）

表示lane的信噪比。

H（HEH）

表示lane的半眼高。

L*（LANE）

表示RoCE链路中的第几条lane，例如L0、L1分别表示第0条和第1条lane。

性能测试五：码流测试

码流测试主要包含一键式打流和自定义打流。

表12 码流测试介绍

测试项名称

支持的打流方式

使用方法

一键式打流

CDR环回打流、光模块外接光纤回路器（自环器）打流

执行一键式打流命令，Ascend DMI工具将自动完成发送及接收指定device所有lane的码流，一段时间后关闭码流并查询结果。

自定义打流

CDR环回打流、光模块外接光纤回路器（自环器）打流、NPU直连打流

自定义打流是将一键式打流中的各步骤独立出来，用户可灵活控制打流的TX、RX方向开关和指定打流的具体lane。

打流方式主要有以下三种：

  • CDR环回打流：是指单个Device同时发送和接收，可用于检查从NPU的物理serdes端口到CDR单元的信号质量。在打流前请确保光模块在位，然后执行如下命令配置或解除CDR回环。

    配置CDR回环，t依次取值3和0，一次执行如下命令，其中i表示NPU卡id：

    hccn_tool -i 0 -scdr -t 3

    hccn_tool -i 0 -scdr -t 0

    解除CDR回环，t依次取值2和1：一次执行如下命令，其中i表示NPU卡id：

    hccn_tool -i 0 -scdr -t 2

    hccn_tool -i 0 -scdr -t 1

  • 光模块外接光纤回路器（自环器）打流：单个Device同时发送和接收，可用于检查NPU的物理serdes端口到光模块的信号质量，不需要设置环回。
  • NPU直连打流：NPU A的Serdes端口开启TX方向打流后，数据流通过被测链路到达NPU B的Serdes端口，NPU B的RX方向按照码型比对，统计接收到的数据统计误码情况，可检查两个NPU之间链路的信号质量（仅支持自定义打流）。

码流测试的可用参数，参数说明见表13。

ascend-dmi --prbs-check -h
表13 码流测试参数说明

参数

说明

是否必填

[-pc, --pc, --prbs-check]

使用该参数进行prbs码流测试。

是

[-d, --device]

指定需要进行码流测试的Device ID。

  • Device ID是指昇腾AI处理器的逻辑ID，如果不填写则测试全量昇腾NPU芯片的码流。
  • 可同时指定多个Device ID，多个之间用逗号隔开。

否

[-dur, --dur, --duration]

指定码流测试的时长。

  • 参数取值范围为[3，10]，单位为秒。
  • 不指定该参数时，默认值为3。

否

[--prbs-mode]

是否切换打流状态。

--取值为EN（Enable）：开启。

--取值为DS（Disable）：关闭。

  • 取值支持大小写。
  • 指定--prbs-mode为EN或DS时，信号发送端和信号接收端两个方向均会生效，无论是否指定--generator-pattern,--generator-lanes,--checker-pattern,--checker-lanes参数。
  • 指定--prbs-mode为EN时，支持指定-generator-pattern、--checker-pattern、--generator-lanes、--checker-lanes。
  • 指定--prbs-mode为DS时，停止打流。不支持指定-generator-pattern、--checker-pattern、--generator-lanes、--checker-lanes。
  • 本参数不支持与--show参数或--clear参数同时指定。

是

[--generator-pattern]

指定发送端的码流类型。

  • 当前支持测试的码流类型为：prbs7、prbs9、prbs10、prbs11、prbs15、prbs20、prbs23、prbs31。
  • 不指定该参数时，默认值为prbs31。
  • 指定码型时大小写均可生效，例如prbs7也可以写为PRBS7。
  • 本参数不支持与--show参数或--clear参数同时指定。

否

[--generator-lanes]

指定发送端的lane。

  • 可同时指定1个或多个lane，多个之间用逗号分开。指定多个lane时必须连续指定，如0,1,2或2,1,3，不支持非连续指定。
  • 如果不指定，则默认测试所有lanes。
  • 本参数不支持与--show参数或--clear参数同时指定。
  • 可取值为0、1、2、3。

否

[--checker-pattern]

指定接收端的码流类型。

  • 当前支持校验的码流类型为：prbs7、prbs9、prbs10、prbs11、prbs15、prbs20、prbs23、prbs31。
  • 不指定该参数时，默认值为prbs31。
  • 指定码型时大小写均可生效，例如prbs7也可以写为PRBS7。
  • 本参数不支持与--show参数或--clear参数同时指定。

否

[--checker-lanes]

指定接收端的lane。

  • 可同时指定1个或多个lane，多个之间用逗号分开。指定多个lane时必须连续指定，如0,1,2或2,1,3，不支持非连续指定。
  • 如果不指定，则默认测试所有lanes。
  • 本参数不支持与--show参数或--clear参数同时指定。
  • 可取值为0、1、2、3。

否

[-show, --show, --show-diagnostic-info]

展示码流测试的结果。

  • 本参数不支持与以下参数同时指定：--clear、--prbs-mode、--generator-pattern、--generator-lanes、--checker-pattern、--checker-lanes。
  • 展示信息后当前码流测试的结果即会被清空。

否

[-clear, --clear, --clear-diagnostic-info]

清空码流测试的结果信息。

  • 本参数不支持与以下参数同时指定：--show、--prbs-mode、--generator-pattern、--generator-lanes、--checker-pattern、--checker-lanes。
  • 支持除以上参数外的其余参数同时指定。

否

一键式打流使用示例如下：

ascend-dmi -pc -d 9--pattern prbs15 -dur 5
图5 一键式打流示例
表14 一键式打流回显参数说明

参数

说明

device

表示NPU的逻辑ID。

lane

表示RoCE链路的lane通道ID。

error count

误码数，最大值为67092480，表示满误码。

error rate

误码率，当误码率小于10-5为信号质量正常。

alos

值为0表示正常；值为1通常表示输入信号幅度过低。

times

表示打流时长。

自定义打流使用示例如下：

# 开启Device8和Device9码流测试
ascend-dmi -pc --clear --device 8,9-q
# Device8和Device9，发送端为lane0和lane1，码型为prbs20；接收端为lane2和lane3，码型为prbs23
ascend-dmi -pc --prbs-mode EN -q --device 8,9--generator-pattern prbs20 --generator-lanes 0,1--checker-pattern prbs23 --checker-lanes 2,3
# 展示Device8和Device9码流测试结果
ascend-dmi -pc --show-diagnostic-info -d 8,9-q
# 关闭Device8和Device9上的打流
ascend-dmi -pc --prbs-mode DS -d 8,9-q
# 清空Device8和Device9上的打流结果
ascend-dmi -pc --clear-diagnostic-info -d 8,9-q
图6 自定义打流示例
表15 自定义打流回显参数说明

参数

说明

Lane

对应RoCE链路的lane id。

Check Enable

接收端的check状态。0：关闭，1：开启

Pattern

RX方向check的码型。

Error-Bits

误码数，上限为67092480（满误码）。

Bit-Error Rate（BER）

误码率，误码数÷总传输bit数×100%。

ALOS

正常打流时需要为0，为1通常表示信号幅度过低；未打流时无意义无需关注。

Period

距离上一次操作控制打流/读取check结果的时间。

性能测试六：软硬件版本兼容性测试

软硬件兼容性工具会获取硬件信息、架构、驱动版本、固件版本以及版本软件。软硬件兼容性测试的可用参数说明见表16。

ascend-dmi -c -h
表16 软硬件版本兼容性测试说明

参数

说明

是否必填

[-c, --compatible]

使用该参数进行软硬件版本兼容性检测。

  • 如果已安装驱动22.0.0或CANN 6.2.RC1及其以后的版本，执行“-c”参数时，会对NPU固件和驱动、驱动和CANN进行兼容性检测。
  • 如果驱动为22.0.0之前的版本且CANN为6.2.RC1之前的版本，执行“-c”参数时，会检测对应的驱动、固件和软件包是否安装。

是

[-p, --path]

用户指定检测兼容性的CANN软件包的安装路径，如果不指定，将根据默认安装路径进行测试。

指定软件包安装路径的命令示例：

ascend-dmi -c -p /home/xxx/Ascend

否

软硬件版本兼容性测试使用示例如下：

ascend-dmi -c
图7 软硬件版本兼容性测试示例
表17 软硬件版本兼容性测试回显参数说明

参数

说明

System Information

系统信息

Architecture

架构

Type

标卡型号/芯片型号

Compatibility Check Result

兼容性检测结果

Package

包名

Version

版本

Status

状态，会返回如下状态：

  • OK：兼容
  • INCOMPATIBLE PACKAGE：不兼容
  • NA：未知状态，可能是获取软件版本失败导致说明

    非root用户不支持固件兼容性查询，npu-firmware状态会显示为NA。

Innerversion

内部版本号

Dependencies

依赖

故障诊断

查看故障诊断命令可用参数。

ascend-dmi --dg -h
表18 故障诊断参数说明

参数

说明

是否必填

[-dg, --dg, --diagnosis]

使用该参数进行整卡的故障诊断测试。

是

[-i, --items]

指定具体的诊断检查项。

  • 可指定driver、cann、device、network、bandwidth、aiflops、hbm、signalQuality中的一项或多项，多项时各项之间使用“,”分隔。
  • 不传入此参数，则默认执行除aicore和prbs外其他检查项的诊断。

否

[-d, --device]

指定需要进行诊断测试的Device ID，Device ID是指昇腾芯片的逻辑ID。

  • 可指定一个或多个Device ID，多个时各项之间使用“,”分隔。
  • 如果不填写Device ID则默认返回所有Device的诊断结果。

否

[-r, --result]

指定压测结果和信息采集结果的保存路径，如：/test。指定的路径需符合安全要求，且不支持包含通配符“*”。

  • 如果用户指定结果保存路径，则在指定路径创建ascend_check文件夹，root用户指定的路径，将创建在根目录下，非root用户则创建在其$HOME下；
  • 如果不指定路径，则保存在默认路径下，root用户：“/var/log/ascend_check”，非root用户：“$HOME/var/log/ascend_check”。

否

[-s, --stress]

使用该参数进行压力测试，当前支持指定的压力测试有以下几种：片上内存压测、Aicore压测、P2P压测、功耗压测。

  • 在包含片上内存和功耗的场景下，支持与-st参数一起使用，执行压测的时间以--st指定的时间为准。
  • 在包含Aicore检查项的场景下，支持与-sc参数一起使用，执行压测的次数以--sc指定的次数为准。
  • 当items参数指定bandwidth时，支持与-t参数一起使用，表示进行P2P压测。

否

[-st, --st, --stress-time]

指定EDP、TDP压力测试的时间。

  • 取值范围是[60，604800]，单位为秒。
  • 需要在包含EDP、TDP压测检查项的场景下，与[-s, --stress]配合使用。
  • 需要在包含片上内存诊断检查项的场景下，与[-s, --stress]配合使用。

否

[-fmt, --fmt, --format]

指定输出格式，可以为normal或json。

  • 如果未指定则默认为normal。
  • 当[-fmt, --fmt, --format]后检查项指定json格式输出时，会进行压测结果保存，结果保存在“ascend_check/environment_check_before.txt”文件中，不指定json格式输出时，不保存故障诊断结果。

否

[-h, --help]

查看故障诊断命令的可用参数。

否

故障诊断一：NetWork诊断

对网络健康状态进行诊断，并输出诊断结果。

# 使用示例，对Device0网络健康状态进行诊断
ascend-dmi -dg -i network -d 0
图8 NetWork诊断示例

回显参数说明如下：

  • PASS：网络检测结果健康。
  • SKIP：当前产品形态不支持该项检测。
  • INFO：网络检测结果提示。
  • WARN：网络检测结果告警。
  • FAIL：网络检测结果失败。

故障诊断二：SignalQuality诊断

对信号质量进行诊断，并输出诊断结果。

# 使用示例，SignalQuality诊断
ascend-dmi -dg -i signalQuality -q
图9 SignalQuality诊断示例

回显参数说明如下：

  • PASS：检测通过，NPU上HCCS和RoCE通信端口的信号质量正常。
  • SKIP：当前设备不支持眼图诊断。
  • IMPORTANT_WARN：重要警告。HCCS和RoCE（其中的一项或多项）信号质量有异常，请联系华为工程师处理。
  • FAIL：眼图检测执行失败。

故障诊断三：片上内存诊断

对高带宽内存进行诊断，并输出诊断结果。

# 使用示例，片上内存诊断
ascend-dmi -dg -i hbm
图10 片上内存诊断示例
表19 片上诊断回显参数说明

回显状态

含义

PASS

片上内存检测通过，无异常。

SKIP

当前硬件形态不支持片上内存检测。

GENERAL_WARN

历史多比特存在隔离页，告警NPU芯片健康管理故障码为0x80E18401，可以继续使用。

IMPORTANT_WARN

当前实时隔离页数与已隔离页数存在差异，必须进行重启，复位npu芯片。

EMERGENCY_WARN
  • 历史多比特隔离页数及设备隔离行过多，告警NPU芯片健康管理故障码为0x80E18402，建议更换备件。
  • 相同Stack及PC内的隔离行处于不同Bank的数量 ≥ 4，当前设备运行存在高风险，建议更换备件。
  • 相同Stack、相同Sid及不同PC内的隔离行 ≥ 4，当前设备运行存在高风险，建议更换备件。
  • 相同Stack、Sid、PC及Bank内的隔离行 ＞16，当前设备运行存在高风险，建议更换备件。
  • 相同Stack、Sid、PC及Bank内，排除4bit及以内相邻的错误地址，其他不同地址的数量 ＞ 5，当前设备运行存在高风险，建议更换备件。

FAIL

片上内存检测失败，请联系华为工程师处理

故障诊断四：片上内存压测

对高带宽内存进行压力测试，并输出诊断结果。

# 使用示例，
ascend-dmi -dg -i hbm -s -st 60 -q
图11 片上内存诊断示例

回显参数说明：

  • PASS：片上内存压测通过。
  • SKIP：当前设备不支持片上内存压测。
  • FAIL：片上内存压测失败，有新增的多比特隔离页；软件执行失败。

故障诊断五：片上内存高危地址压测

对高带宽内存高危地址进行压力测试，并输出诊断结果。

表20 片上内存高危地址压测必要参数说明

参数

说明

是否必填

[-s, --stress]

使用该参数进行压力测试，当前支持指定的压力测试有以下几种：片上内存压测、Aicore压测、P2P压测、功耗压测。

是

[-qs, --qs, --quick stress]

指定高带宽内存高危地址快速压测的范围。

  • 该参数取值范围为[0，100]。参数推荐值：100。
  • 取值为0时，默认对所有高带宽内存地址进行快速压测。
  • 需要在包含hbm诊断检查项的场景下，与[-s, --stress]配合使用，不能和[-st, --st, --stress-time]、[--sc, --stress-count]同时使用。

是

 
# 使用示例，片上内存高危地址压测
ascend-dmi -dg -i hbm -s -qs 60-q
图12 片上内存高危地址压测示例

回显参数说明：

  • PASS：高带宽内存高危地址快速压测通过，无新增隔离页数。
  • SKIP：当前设备不支持片上内存高危地址压测。
  • FAIL：高带宽内存高危地址快速压测失败，有新增隔离页数。

故障诊断六：AiCore诊断

对AICore ERROR进行诊断，并输出诊断结果。

# 使用示例，AiCore诊断
ascend-dmi -dg -i aicore  -q
图13 AiCore诊断示例

回显参数说明：

  • PASS：诊断结果无异常。
  • SKIP：执行诊断的用户为非root用户；当前设备不支持aicore诊断。
  • EMERGENCY_WARN：紧急警告，建议更换硬件。
  • FAIL：Aicore诊断失败，请联系华为工程师处理。

故障诊断七：Aiflops诊断

对芯片进行算力诊断，并输出测试结果。

# 使用示例，Aiflops诊断
ascend-dmi -dg -i aiflops -q
图14 Aiflops诊断示例

回显参数说明：

  • PASS：算力测试结果正常（大于参考值）。
  • WARN：算力测试过程中触发芯片过温。
  • FAIL：算力测试失败；算力测试结果小于参考值。

故障诊断八：BandWidth诊断

对本地带宽进行诊断，并输出诊断结果。

# 使用示例，对Device0进行BandWidth诊断
ascend-dmi --dg -i bandwidth -d 0
图15 BandWidth诊断示例

回显参数说明：

  • PASS：带宽测试结果正常。
  • FAIL：带宽测试执行失败；带宽测试结果小于参考值。请联系华为工程师处理。

故障诊断九：P2P压测

测试指定源头Device到目标Device的HCCS通信链路是否存在硬件故障，并输出测试结果。

表21 P2P压测必要参数说明

参数

说明

是否必填

[-s, --stress]

使用该参数进行压力测试，当前支持指定的压力测试有以下几种：片上内存压测、Aicore压测、P2P压测、功耗压测。

  • 当items参数指定bandwidth时，支持与-s参数一起使用，表示进行P2P压测。

是

[-t, --type]

指测试数据流向的分类。

  • 当item参数指定为bandwidth时，且传入-s参数时，此参数才会生效，表示执行p2p压测。
  • 当前仅支持带宽类型为p2p的指定。

    p2p：测试指定源头Device到目标Device的传输速率和总耗时。

是

 
# 使用示例，P2P压测
ascend-dmi -dg -i bandwidth --type p2p -s
图16 P2P压测示例

回显参数说明：

  • PASS：压力测试通过，结果无异常。
  • SKIP：当前设备不支持P2P压测。
  • EMERGENCY_WARN：紧急警告，压测结果为不通过，建议联系华为工程师更换硬件。
  • FAIL：p2p压测执行失败，请联系华为工程师处理。

故障诊断十：功耗压测

进行EDP/TDP功耗压力测试，并输出诊断结果。

# 使用示例，功耗压测
ascend-dmi -dg -i edp -s -st 60-q
ascend-dmi -dg -i tdp -s -st 60-q
图17 功耗压测示例（TDP）
图18 功耗压测示例（EDP）

回显参数说明：

  • PASS：功耗压力测试结果无异常。
  • SKIP：当前设备不支持功耗压测。
  • IMPORTANT_WARN：压测过程中产生芯片告警，请根据描述建议处理。如果仍无法解决，请联系华为工程师处理。
  • FAIL：功耗压测功能执行失败，请联系华为工程师处理。

相关文档