智能計算靈駿：一鍵診斷網路與硬體

網路診斷

網路診斷功能分為静态配置类检查和动态运行类检查，支援診斷靈駿節點的網路狀態並提供可視化的診斷結果。

• 静态配置类检查為靈駿節點提供靜態配置類的診斷，包括系統軟體檢查、網路檢查、GPU檢查等。

  1. 登入靈駿控制台。

  2. 在左側導覽列，選擇一键诊断 > 自助诊断。

  3. 單擊网络诊断頁簽。

  4. 單擊静态配置类检查。

  5. 在诊断信息地區的下拉式清單中，選擇目標集群名称、节点ID等資訊。

  6. 單擊开始诊断。

• 动态运行类检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. 在左側導覽列，選擇一键诊断 > 自助诊断。

  2. 單擊网络诊断頁簽。

  3. 單擊动态运行类检查。

  4. 在诊断信息地區的下拉式清單中，配置目標集群名称、节点ID等資訊。

  5. 單擊开始诊断。

伺服器診斷

伺服器診斷支援診斷靈駿節點的硬體狀態並提供可視化的診斷結果。

1. 在左側導覽列，選擇一键诊断 > 自助诊断。

2. 單擊服务器诊断頁簽。

3. 單擊系统硬件诊断。

4. 在诊断信息地區的下拉式清單中，配置目標集群名称、节点ID等資訊。

5. 單擊开始诊断。

通用網路測試

1. 在左側導覽列，選擇一键诊断 > 网络测试。

2. 單擊通用网络测试頁簽。

3. 在测试信息地區，選擇网络协议和测试类型，然後進行相應配置。

   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。
   测试时长	在下拉式清單中選擇固定時間長度，單位為秒。
   QP	測試進程流的數量，影響測試頻寬的大小。
   GDR	如果開啟GDR，會綁定靈駿網卡與對應的GPU進行流量測試。
   集群名称	目標靈駿節點所在的叢集名稱。
   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。
   选择目标节点	如果選擇Fullmesh模型，需要選擇目標節點。
   节点端口	測試使用的開始端點口。

   RDMA協議時延測試

   配置參數	說明
   集群名称	目標靈駿節點所在的叢集名稱。
   测试节点	時延測試會檢查所有测试节点兩兩之間的網路時延。
   节点端口	測試使用的開始端點口。

4. 單擊开始诊断。

通訊庫測試

1. 在左側導覽列，選擇一键诊断 > 网络测试。

2. 單擊通讯库测试頁簽。

3. 配置测试信息。

   配置參數	說明
   通讯库类别	目前只支援ACCL和NCCL。
   通讯模型	ALLReduce：將多個進程的資料彙總在一起，通過運算將它們縮減為單個值，並把結果分發給所有進程。 ALLGather：將所有進程的資料收集到一個結構中，以便每個進程訪問資料。 ALLGatherA：在ALLGather的基礎上增加了資料類型參數，可以傳輸多種資料類型，包括巨量資料類型和自訂資料類型。 ALLToALL：將每個進程的資料分發給其他進程，每個進程都將得到來自所有其他進程的資料。 ALLToALLA：在ALLToAll的基礎上增加了資料類型參數和緩衝區參數，可以用於不同大小和類型資料之間的通訊。 Broadcast：將一個進程的資料分發給所有其他進程。
   GPU数量	取值範圍：1～8。
   集群名称	目標靈駿節點所在的叢集名稱。
   选择目标节点	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。
   节点端口	測試使用的開始端點口。

4. 單擊开始测试。