背景概述

在基于昇腾硬件的中心推理场景中，DeepSeek-V3/R1等大模型的高效部署对通信稳定性提出了较高要求。当采用多节点Atlas 800I A2（8*64G）服务器进行双机部署时，需确保NPU间通过HCCL建立可靠的通信通道。在实际部署过程中，若ranktable配置不当，可能导致通信组创建失败，进而引发推理服务无法启动的问题。本文结合一次典型故障案例，系统梳理问题现象、根因分析及解决方案。

问题现象

在使用MindIE 2.3版本部署DeepSeek-V3.1模型时，双机环境下启动服务报错：

[RankableCheck] The IP address in the rankable is inconsistent with the IP address of the network adapter

日志显示HCCL通信初始化失败，服务无法正常启动。该问题仅出现在特定节点组合中，且在单机部署时正常。

根因分析

1.初步排查网络连通性

确认两台服务器间NPU网卡可互相ping通，网络层无异常。

2.检查NPU网卡IP与网关信息

通过hccn_tool工具分别查询各NPU设备的IP地址与网关地址：

for i in {0..7}; do hccn_tool -i $i -ip -g; done 
​​​​for i in {0..7}; do hccn_tool -i $i -gateway -g; done ​​​​

对比发现：ranktable文件中配置的device_ip字段使用的是网关地址，而NPU实际绑定的网卡IP为另一地址，存在不一致。

问题根因

ranktable文件中device_ip参数错误地填写了网关IP，而非NPU网卡的真实IP地址。由于HCCL通信依赖于NPU设备间基于真实网卡IP的直连通信，使用网关地址会导致通信路径错误，从而触发RankableCheck校验失败。

解决措施

1.修正ranktable文件配置

打开各节点的ranktable文件，将device_ip字段更新为对应NPU网卡的实际IP地址（非网关地址）。

示例配置片段：

{
  "device_id": 0,
  "device_ip": "192.168.1.101",
  "rank_id": 0
}

2.验证配置一致性

确保双机中所有节点的ranktable文件中device_ip与hccn_tool查询结果完全一致。

3.重启服务验证

重新启动MindIE推理服务，观察日志，确认HCCL通信组创建成功，模型加载与推理流程正常。

建议与总结

• 配置规范：在多机部署中，ranktable文件的device_ip必须为NPU网卡的物理IP地址。
• 部署前检查：建议在部署前执行以下命令，快速核对IP配置：

for i in {0..7}; do echo "NPU $i IP: $(hccn_tool -i $i -ip -g)"; done

• 自动化校验：可编写脚本自动比对ranktable与hccn_tool输出，避免人为配置错误。
• 参考文档：部署DeepSeek-V3/R1模型时，建议参考《DeepSeekV3推理部署指南》中的检查机器网络部分，确保环境一致性。