片上内存压测

片上内存压测

1h~3h

2h~3h

是

片上内存诊断结果为GENERAL_WARN、PASS或IMPORTANT_WARN。

一键式片上内存压测诊断

<3h

<3h

是

训练或推理任务时，NPU芯片出现HBM ECC故障，有新增隔离页。

片上内存诊断

2s~4s

≤2min

否

训练或推理任务时，NPU芯片出现HBM ECC故障：设备出现0x80E01801故障码。

片上内存高危地址压测

≤17min

≤17min

是

片上内存诊断结果出现单比特或多比特错误。

物理机

Y

Y

Y

宿主机+容器

Y

Y

Y

虚拟机

Y

Y

N

[-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。

• 当前仅支持指定的诊断项为hbm。
• 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。

是

[-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。

• 若不填写Device ID则默认返回所有Device的诊断结果。

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。

• 在包含片上内存检查项的场景下，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。

是

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

指定高带宽内存压力测试的时间。

• 取值范围是[60，604800]，单位为秒。
• 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。

• 当前仅支持Atlas A2 训练系列产品、Atlas 800I A2 推理服务器。

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“*”。

• 若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$HOME下；
• 若不指定路径，则保存在默认路径下，root用户：“/var/log/ascend_check”，非root用户：“$HOME/var/log/ascend_check”。

否

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

指定输出格式，可以为normal或json。

• 若未指定则默认为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

[-q, --quiet]

指定该参数，将不再进行防呆提示，用户将默认允许该操作。

若不指定该参数，用户需要输入Y或N（y或n）确认是否进行测试。

否

注：

• 本文档输入或输出的Device ID都是芯片逻辑ID。
• 用户可以执行npu-smi info -m命令，在显示界面表格中的Chip Logic ID参数处获得芯片逻辑ID，NPU ID则为对应的芯片物理ID。
• ascend-dmi --dg后使用-i，-d等多个二级参数时，可任意指定这些参数的排列顺序，不影响命令结果输出。

PASS

片上内存压测通过。

FAIL

片上内存压测失败，有新增的多比特隔离页。请参考图1进行处理。

FAQ：设备device侧内存不足导致片上内存压测失败