ranktable文件配置资源信息

{
    "status":"completed",  // ranktable可用标识，completed为可用
    "version":"1.0",       // ranktable模板版本信息，配置为：1.0
    "server_count":"2",    // 参与训练的AI Server数目，此例中，有两个AI Server
    "server_list":
    [
        {
            "server_id":"node_0",  //AI Server标识，String类型，请确保全局唯一
            "device":[             // AI Server中的Device列表
                {
                    "device_id":"0",            // 处理器的物理ID
                    "device_ip":"192.168.1.8",  // 处理器真实网卡IP
                    "device_port":"16667",      // 处理器的网卡监听端口
                    "rank_id":"0"               // rank的标识，从0开始配置，请确保全局唯一
                },
                {
                    "device_id":"1",
                    "device_ip":"192.168.1.9", 
                    "device_port":"16667",
                    "rank_id":"1"
                }
            ]
        },
        {
            "server_id":"node_1",
            "device":[
                {
                    "device_id":"0",
                    "device_ip":"192.168.2.8",
                    "device_port":"16667",
                    "rank_id":"2"
                },
                {
                    "device_id":"1",
                    "device_ip":"192.168.2.9", 
                    "device_port":"16667",
                    "rank_id":"3"
                }
            ]
        }
    ]
}

address_0=xx.xx.xx.xx
netmask_0=xx.xx.xx.xx
netdetect_0=xx.xx.xx.xx
address_1=xx.xx.xx.xx
netmask_1=xx.xx.xx.xx
netdetect_1=xx.xx.xx.xx
...

• 模板一（推荐使用）
  以包含两个AI Server，每个AI Server内2个Device为例，ranktable文件配置示例如下：

  {
      "status":"completed",   // ranktable可用标识，completed为可用
      "version":"1.0",        // ranktable模板版本信息，配置为：1.0
      "server_count":"2",     // 参与训练的AI Server数目，此例中，有两个AI Server
      "server_list":
      [
          {
              "server_id":"node_0",  //AI Server标识，String类型，请确保全局唯一
              "device":[             // AI Server中的Device列表
                  {
                      "device_id":"0",   // 处理器的物理ID
                      "device_ip":"192.168.1.8",   // 处理器真实网卡IP
                      "rank_id":"0"                // rank的标识，从0开始配置，请确保全局唯一
                  },
                  {
                      "device_id":"1",
                      "device_ip":"192.168.1.9", 
                      "rank_id":"1"
                  }
              ]
          },
          {
              "server_id":"node_1",
              "device":[
                  {
                      "device_id":"0",
                      "device_ip":"192.168.2.8",
                      "rank_id":"2"
                  },
                  {
                      "device_id":"1",
                      "device_ip":"192.168.2.9", 
                      "rank_id":"3"
                  }
              ]
          }
      ]
  }

  表2 ranktable文件说明

  配置项	配置说明	可选/必选
  status	ranktable可用标识。 completed：表示ranktable可用。 initializing：表示ranktable不可用。	必选
  version	ranktable模板版本信息。 配置为：1.0。	必选
  server_count	本次参与训练的AI Server个数。	必选
  server_list	本次参与训练的AI Server列表。	必选
  server_id	AI Server标识，字符串类型，长度小于64，请确保全局唯一。 配置示例：node_0。	必选
  device_id	昇腾AI处理器的物理ID，即Device在AI Server上的序列号。 可通过执行“ls /dev/davinci*”命令获取昇腾AI处理器的物理ID。 例如：显示/dev/davinci0，表示昇腾AI处理器的物理ID为0。 取值范围：[0，实际Device数量-1]。 须知： “device_id”配置项的优先级高于环境变量“ASCEND_DEVICE_ID”。	必选
  device_ip	昇腾AI处理器集成网卡IP，全局唯一，要求为常规IPv4或IPv6格式。 可以在当前AI Server执行指令“cat /etc/hccn.conf”获取网卡IP，例如： address_0=xx.xx.xx.xx netmask_0=xx.xx.xx.xx netdetect_0=xx.xx.xx.xx address_1=xx.xx.xx.xx netmask_1=xx.xx.xx.xx netdetect_1=xx.xx.xx.xx ... 查询到的address_xx即为网卡IP，address后的序号为昇腾AI处理器的物理ID，即device_id，后面的ip地址即为需要用户填入的该device对应的网卡IP。	必选
  rank_id	Rank唯一标识，请配置为整数，从0开始配置，且全局唯一，取值范围：[0, 总Device数量-1] 为方便管理，建议rank_id按照Device物理连接顺序进行排序，即将物理连接上较近的device编排在一起。 例如，若device_ip按照物理连接从小到大设置，则rank_id也建议按照从小到大的顺序设置。	必选

• 模板二（兼容部分已有场景，新版本不推荐使用）

  {
      "status":"completed",  // ranktable可用标识，completed为可用
      "group_count":"1",     // group数量，建议为1
      "group_list":          // group列表
      [
          {
              "group_name":"hccl_world_group",  //group名称，建议hccl_world_group
              "instance_count":"2",             // instance实例个数，容器场景下可理解为容器个数
              "device_count":"2",               // group中的所有device数目
              "instance_list":[                 // instance实例信息列表
                  {
                      "pod_name":"tf-bae41",     //instance实例名称，一般为容器名称
                      "server_id":"node_0",      //AI Server标识，String类型，请确保全局唯一
                      "devices":[                //instance实例的device列表
                          {
                              "device_id":"0",           // 处理器的物理ID
                              "device_ip":"192.168.1.8"  // 处理器的真实网卡IP
                          }
                      ]
                  },
                  {
                      "pod_name":"tf-tbdf1",
                      "server_id":"node_1",
                      "devices":[
                          {
                              "device_id":"1",
                              "device_ip":"192.168.1.9"  
                          }
                      ]
                  }
              ]
          }
      ]
  }

  表3 ranktable文件说明

  配置项	配置说明	可选/必选
  status	ranktable可用标识。 completed：表示ranktable可用。 initializing：表示ranktable不可用。	必选
  group_count	用户申请的group数量，建议配置为1。	必选
  group_list	Group列表。	必选
  group_name	Group名称，当group_count为1时，建议配置为hccl_world_group或者空。因为当前版本无论定义为任何值，都会创建名称为hccl_world_group的group。 如果通过该配置文件创建了多个group，则系统会自动将多个group合并为一个名称为“hccl_world_group”的group资源。	可选
  instance_count	和instance_list中pod_name个数保持一致，例如：容器场景下为容器实际数量。	必选
  device_count	group中设备数量。	必选
  instance_list	instance实例信息列表。	必选
  pod_name	用户自定义配置，保持instance_list内全局唯一。	必选
  server_id	AI Server标识，字符串类型，长度小于64，请确保全局唯一。 配置示例：node_0。	必选
  devices	devices信息列表。	必选
  device_id	昇腾AI处理器的物理ID，即Device在Server上的序列号。 可通过执行“ls /dev/davinci*”命令获取昇腾AI处理器的物理ID。 例如：显示/dev/davinci0，表示昇腾AI处理器的物理ID为0。 取值范围：[0，实际Device数量-1]。 须知： “device_id”配置项的优先级高于环境变量“ASCEND_DEVICE_ID”。	必选
  device_ip	昇腾AI处理器集成网卡IP，全局唯一，要求为常规IPv4或IPv6格式。 可以在当前Server执行指令cat /etc/hccn.conf获取网卡IP。	必选

{
    "status":"completed",   // ranktable可用标识，completed为可用
    "version":"1.0",        // ranktable模板版本信息，配置为：1.0
    "server_count":"2",     // 参与训练的AI Server数目，此例中，有两个AI Server
    "server_list":
    [
        {
            "server_id":"node_0",  //AI Server标识，String类型，请确保全局唯一
            "device":[             // AI Server中的Device列表
                {
                    "device_id":"0",   // 处理器的物理ID
                    "device_ip":"192.168.1.8",   // 处理器真实网卡IP
                    "rank_id":"0"                // rank的标识，从0开始配置，请确保全局唯一
                },
                {
                    "device_id":"1",
                    "device_ip":"192.168.1.9", 
                    "rank_id":"1"
                }
            ]
        },
        {
            "server_id":"node_1",
            "device":[
                {
                    "device_id":"0",
                    "device_ip":"192.168.2.8",
                    "rank_id":"2"
                },
                {
                    "device_id":"1",
                    "device_ip":"192.168.2.9", 
                    "rank_id":"3"
                }
            ]
        }
    ]
}

address_0=xx.xx.xx.xx
netmask_0=xx.xx.xx.xx
netdetect_0=xx.xx.xx.xx
address_1=xx.xx.xx.xx
netmask_1=xx.xx.xx.xx
netdetect_1=xx.xx.xx.xx
...