眼图测试

使用约束

• 该功能目前只支持Atlas 800T A2 训练服务器、Atlas 900 A2 PoD 集群基础单元、Atlas 200T A2 Box16 异构子框、Atlas 800I A2 推理服务器和Atlas 300I Duo 推理卡。
• Atlas 300I Duo 推理卡服务器场景下，主芯片仅支持PCIE和HCCS，从芯片仅支持HCCS。
• 在同一NPU内，若已配置CDR回环，请在解除回环后再执行眼图测试。详细说明请参见《Atlas A2 中心推理和训练硬件 24.1.0 HCCN Tool 接口参考》的“配置功能>配置和查询CDR相关信息”章节。

测试项功能

查询NPU上的PCIe、HCCS和RoCE通信端口的信号质量。

支持的场景

眼图测试支持的设备及场景如表1 支持的场景和产品型号所示。（在下表中，Y表示支持，N表示不支持。）

1. 仅Atlas 800T A2 训练服务器、Atlas 900 A2 PoD 集群基础单元、Atlas 200T A2 Box16 异构子框支持。
2. 仅Atlas 300I Duo 推理卡支持。

测试项参数查询

用户可任选以下指令之一查看信号质量查询命令的可用参数。

ascend-dmi --sq -h

ascend-dmi --sq --help

各参数解释如表2所示。

使用实例

使用实例中命令的回显在推理服务器与训练服务器上类似，截图取自训练服务器。

• 以查看Device 0和Device 1的PCIe、HCCS和RoCE信号质量为例。

  ascend-dmi --sq -t hccs,pcie,roce -d 0,1

  若返回如图1所示信息，表示工具运行正常。

  图1 设备信号质量检测示例

  

• 以指定输出格式为json为例。

  ascend-dmi --signal-quality -t roce -d 0 --fmt json

  若返回如图2所示信息，表示工具运行正常。

  图2 设备信号质量检测json输出示例
  

  以图1 设备信号质量检测示例为例，上述回显参数介绍如下表所示：

  表3 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。
  B/T/L/R	分别表示四眼图bottom、top、left和right四个位置的值。 HCCS信号质量中，此参数仅在Atlas 300I Duo 推理卡时回显展示。
  数据说明： 在HCCS信号质量回显中，当SNR≥400000且HEH≥350，即表示当前LANE信号质量正常。 若SNR和HEH数值不在以上范围内，即表示HCCS信号质量异常。请检查macro连接口是否发生松动，链路是否有脏污。 若SNR和HEH的数值为0，说明测试的HCCS链路中指定的Device之间未建链，回显示例可见图3。 Atlas 300I Duo 推理卡HCCS信号质量回显时，只会展示type、device、M*（macro port）、L*（LANE）、B/T/L/R回显参数，且B/T/L/R中B（bottom）≤-30、T(top)≥30、L(left)≤-5、R(right)≥5。

  表4 PCIe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M9、M10分别表示macro的9号、10号端口。
  L*（LANE）	表示PCIe链路中的第几条lane，例如L0、L1分别表示第0条和第1条lane。
  B/T/L/R	分别表示四眼图bottom、top、left和right四个位置的值。
  数据说明： 在PCIe信号质量回显中，当四眼图B（bottom）≤-17、T(top)≥17、L(left)≤-3、R(right)≥3(须同时满足），即表示当前LANE信号质量正常。 若四眼图数值不在以上范围内，即表示PCIe信号质量异常。请检查macro连接口是否发生松动，链路是否有脏污。 在Atlas 300I Duo 推理卡场景下，B/T/L/R的范围为B（bottom）≤-30、T(top)≥30、L(left)≤-5、R(right)≥5。

  表5 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maco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。
  数据说明： 在RoCE信号质量回显中，当SNR≥400000且HEH≥350，即表示当前LANE信号质量正常。 若SNR和HEH数值不在以上范围内，即表示RoCE信号质量异常。请检查macro连接口是否发生松动，链路是否有脏污。 若SNR和HEH的数值为0，说明测试的RoCE链路中指定的Device之间未建链，回显示例可见图3。

  图3 SNR和HEH数值为0时的回显示例

  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

  [root@*****~]# ascend-dmi --sq -t roce type: roce Prompt message: M*: macro port, L*: lane, S: SNR, H: HEH ---------------------------------------------------------------- device signal-to-noise ratio ---------------------------------------------------------------- 0 M0: L0: S:0 H:0 L1: S:0 H:0 L2: S:0 H:0 L3: S:0 H:0 ---------------------------------------------------------------- 1 M0: L0: S:0 H:0 L1: S:0 H:0 L2: S:0 H:0 L3: S:0 H:0 ---------------------------------------------------------------- 2 M0: L0: S:0 H:0 L1: S:0 H:0 L2: S:0 H:0 L3: S:0 H:0 ---------------------------------------------------------------- 3 M0: L0: S:0 H:0 L1: S:0 H:0 L2: S:0 H:0 L3: S:0 H:0 ---------------------------------------------------------------- 4 M0: L0: S:0 H:0 L1: S:0 H:0 L2: S:0 H:0 L3: S:0 H:0 ---------------------------------------------------------------- 5 M0: L0: S:0 H:0 L1: S:0 H:0 L2: S:0 H:0 L3: S:0 H:0 ---------------------------------------------------------------- 6 M0: L0: S:0 H:0 L1: S:0 H:0 L2: S:0 H:0 L3: S:0 H:0 ---------------------------------------------------------------- 7 M0: L0: S:0 H:0 L1: S:0 H:0 L2: S:0 H:0 L3: S:0 H:0