自助診斷

網絡診斷

網絡診斷功能分為靜態配置類檢查和動態運行類檢查，支持診斷靈駿節點的網絡狀態并提供可視化的診斷結果。

• 靜態配置類檢查為靈駿節點提供靜態配置類的診斷，包括系統軟件檢查、網絡檢查、GPU檢查等。

  1. 登錄靈駿控制臺。

  2. 在左側導航欄，選擇一鍵診斷>自助診斷。

  3. 單擊網絡診斷頁簽。

  4. 單擊靜態配置類檢查。

  5. 在診斷信息區域的下拉列表中，選擇目標集群名稱、節點ID等信息。

  6. 單擊開始診斷。

• 動態運行類檢查為靈駿節點提供動態運行類的診斷，包括TCP連通性檢查、TCP時延檢查、RDMA連通性檢查等。

  1. 在左側導航欄，選擇一鍵診斷>自助診斷。

  2. 單擊網絡診斷頁簽。

  3. 單擊動態運行類檢查。

  4. 在診斷信息區域的下拉列表中，配置目標集群名稱、節點ID等信息。

  5. 單擊開始診斷。

服務器診斷

服務器診斷支持診斷靈駿節點的硬件狀態并提供可視化的診斷結果。

1. 在左側導航欄，選擇一鍵診斷>自助診斷。

2. 單擊服務器診斷頁簽。

3. 單擊系統硬件診斷。

4. 在診斷信息區域的下拉列表中，配置目標集群名稱、節點ID等信息。

5. 單擊開始診斷。

網絡測試

網絡測試包括通用網絡測試和通訊庫測試，其中通用網絡測試包含了時延、流量兩個維度測試，通信庫測試基于ACCL、NCCL兩種通信庫及多種通信模型進行測試。

通用網絡測試

1. 在左側導航欄，選擇一鍵診斷>網絡測試。

2. 單擊通用網絡測試頁簽。

3. 在測試信息區域，選擇網絡協議和測試類型，然后進行相應配置。

   RDMA協議流量測試

   配置參數	說明
   流量模型	MtoN模型：測試Clients節點到Servers節點的單向連通性，包括單個Clients節點到單個Servers節點、多個Clients節點到多個Servers節點等情況。 Fullmesh模型：測試所有目標靈駿節點兩兩之間的連通性。
   測試時長	在下拉列表中選擇固定時長，單位為秒。
   QP	測試進程流的數量，影響測試帶寬的大小。
   GDR	如果開啟GDR，會綁定靈駿網卡與對應的GPU進行流量測試。
   集群名稱	目標靈駿節點所在的集群名稱。
   Clients	如果選擇MtoN模型，需要選擇Clients節點。
   Servers	如果選擇MtoN模型，需要選擇Servers節點。
   選擇目標節點	如果選擇Fullmesh模型，需要選擇目標節點。
   節點端口	測試使用的起始端口。

   RDMA協議時延測試

   配置參數	說明
   集群名稱	目標靈駿節點所在的集群名稱。
   測試節點	時延測試會檢查所有測試節點兩兩之間的網絡時延。
   節點端口	測試使用的起始端口。

4. 單擊開始診斷。

通訊庫測試

1. 在左側導航欄，選擇一鍵診斷>網絡測試。

2. 單擊通訊庫測試頁簽。

3. 配置測試信息。

   配置參數	說明
   通訊庫類別	目前只支持ACCL和NCCL。
   通訊模型	ALLReduce：將多個進程的數據聚合在一起，通過運算將它們縮減為單個值，并把結果分發給所有進程。 ALLGather：將所有進程的數據收集到一個結構中，以便每個進程訪問數據。 ALLGatherA：在ALLGather的基礎上增加了數據類型參數，可以傳輸多種數據類型，包括大數據類型和自定義數據類型。 ALLToALL：將每個進程的數據分發給其他進程，每個進程都將得到來自所有其他進程的數據。 ALLToALLA：在ALLToAll的基礎上增加了數據類型參數和緩沖區參數，可以用于不同大小和類型數據之間的通信。 Broadcast：將一個進程的數據分發給所有其他進程。
   GPU數量	取值范圍：1～8。
   集群名稱	目標靈駿節點所在的集群名稱。
   選擇目標節點	在選擇目標節點時只需要具體到每一個IP地址，不需要指定到具體靈駿節點即可開始測試。
   節點端口	測試使用的起始端口。

4. 單擊開始測試。

查看報告

診斷歷史展示了自助診斷和網絡測試的報告信息包括報告ID、集群名稱等，單擊頁簽可以切換不同類型診斷的報告記錄。在目標報告ID后的操作列單擊，進行相應操作。

• 查看報告。查看目標診斷的診斷結果和診斷列表。

• 再次診斷。再次進行目標診斷。