准备ranktable资源配置文件

开发者可以通过ranktable文件配置参与集合通信的NPU资源信息，ranktable文件为json格式，开发者可以在此文件中配置全量NPU资源信息，后续进程启动时可使用其中指定的几个NPU资源。

本节所示json文件示例中的注释仅为方便理解，实际使用时，请删除json文件中的注释。

Atlas A3 训练系列产品配置说明

针对 Atlas A3 训练系列产品，集群训练支持超节点模式组网与典型组网。

超节点模式集群训练组网的ranktable文件配置

以包含两个超节点，每个超节点内包含两个AI Server，每个AI Server内四个Device的资源配置文件为例，假设文件命名为“rank_table_superPod.json”，配置示例如下：

{
    "status": "completed",         // ranktable可用标识，completed为可用
    "version": "1.2",              // ranktable模板版本信息，针对超节点模式组网，配置为：1.2
    "server_count":"4",            // 参与训练的AI Server数目
    "server_list": [
        {
            "server_id": "node_0",     // AI Server标识，string类型，请确保全局唯一
            "host_ip":"172.16.0.100",  // AI Server的Host IP地址
            "device": [
                {"device_id": "0","super_device_id":"0","device_ip": "192.168.1.6","device_port":"16666","backup_device_ip":"192.168.1.7","backup_device_port":"16667","host_port":"16665","rank_id": "0"}, // device_id为处理器的物理ID；super_device_id为处理器在超节点系统中的物理ID；device_ip为处理器真实网卡IP；device_port为处理器的网卡通信端口；backup_device_ip为开启超节点间算子重执行特性时的备用IP；host_port为Host网卡的通信端口；rank_id为rank标识，从0开始配置
                {"device_id": "1","super_device_id":"1","device_ip": "192.168.1.7","device_port":"16666","backup_device_ip":"192.168.1.6","backup_device_port":"16667","host_port":"16666","rank_id": "1"},
                {"device_id": "2","super_device_id":"2","device_ip": "192.168.1.8","device_port":"16668","backup_device_ip":"192.168.1.9","backup_device_port":"16670","host_port":"16667","rank_id": "2"},
                {"device_id": "3","super_device_id":"3","device_ip": "192.168.1.9","device_port":"16669","backup_device_ip":"192.168.1.8","backup_device_port":"16667","host_port":"16668","rank_id": "3"}]
        },
        {
            "server_id": "node_1",
            "host_ip":"172.16.0.101",
            "device": [
                {"device_id": "0","super_device_id":"4","device_ip": "192.168.2.6","device_port":"16666","backup_device_ip":"192.168.2.7","backup_device_port":"16667","host_port":"16665","rank_id": "4"},
                {"device_id": "1","super_device_id":"5","device_ip": "192.168.2.7","device_port":"16666","backup_device_ip":"192.168.2.6","backup_device_port":"16667","host_port":"16666","rank_id": "5"},
                {"device_id": "2","super_device_id":"6","device_ip": "192.168.2.8","device_port":"16668","backup_device_ip":"192.168.2.9","backup_device_port":"16670","host_port":"16667","rank_id": "6"},
                {"device_id": "3","super_device_id":"7","device_ip": "192.168.2.9","device_port":"16669","backup_device_ip":"192.168.2.8","backup_device_port":"16667","host_port":"16668","rank_id": "7"}]
        },
        {
            "server_id": "node_2",
            "host_ip":"172.16.0.102",
            "device": [
                {"device_id":"0","super_device_id":"0","device_ip":"192.168.3.6","device_port":"16666","backup_device_ip":"192.168.3.7","backup_device_port":"16667","host_port":"16665","rank_id":"8"},
                {"device_id":"1","super_device_id":"1","device_ip":"192.168.3.7","device_port":"16666","backup_device_ip":"192.168.3.6","backup_device_port":"16667","host_port":"16666","rank_id":"9"},
                {"device_id":"2","super_device_id":"2","device_ip":"192.168.3.8","device_port":"16668","backup_device_ip":"192.168.3.9","backup_device_port":"16670","host_port":"16667","rank_id":"10"},
                {"device_id":"3","super_device_id":"3","device_ip":"192.168.3.9","device_port":"16669","backup_device_ip":"192.168.3.8","backup_device_port":"16667","host_port":"16668","rank_id":"11"}]
        },
        {
            "server_id": "node_3",
            "host_ip":"172.16.0.103",
            "device": [
                {"device_id":"0","super_device_id":"4","device_ip":"192.168.4.6","device_port":"16666","backup_device_ip":"192.168.4.7","backup_device_port":"16667","host_port":"16665","rank_id":"12"},
                {"device_id":"1","super_device_id":"5","device_ip":"192.168.4.7","device_port":"16666","backup_device_ip":"192.168.4.6","backup_device_port":"16667","host_port":"16666","rank_id":"13"},
                {"device_id":"2","super_device_id":"6","device_ip":"192.168.4.8","device_port":"16668","backup_device_ip":"192.168.4.9","backup_device_port":"16670","host_port":"16667","rank_id":"14"},
                {"device_id":"3","super_device_id":"7","device_ip":"192.168.4.9","device_port":"16669","backup_device_ip":"192.168.4.8","backup_device_port":"16667","host_port":"16668","rank_id":"15"}]
        }
    ],
    "super_pod_list": [
        {
            "super_pod_id": "0",          // 超节点唯一标识
            "server_list": [              // 超节点内的AI Server列表
                {"server_id": "node_0"},  // server_id为Server标识，与"server_list"中的server_id对应 
                {"server_id": "node_1"}]
        },
        {
            "super_pod_id": "1",
            "server_list": [
                {"server_id":"node_2"},
                {"server_id":"node_3"}]
        }
    ]
}

表1 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。针对超节点模式组网，配置为：1.2。	必选
server_count	本次参与训练的AI Server个数。	可选
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
host_ip	AI Server的Host IP地址，要求为常规IPv4格式。若通过环境变量HCCL_OP_RETRY_ENABLE开启了HCCL重执行特性，需要配置此字段，否则HCCL通信链路会建链失败。关于环境变量HCCL_OP_RETRY_ENABLE的说明可参见《环境变量参考》中的“执行相关 > 集合通信”章节。	可选
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
super_device_id	昇腾AI处理器在超节点系统中的物理ID，为超节点系统中NPU唯一标识。开发者可通过npu-smi命令查询，命令示例如下： npu-smi info -t spod-info -i id -c chip_id id：设备ID。通过npu-smi info -l命令查出的NPU ID即为设备ID。 chip_id：芯片id。通过npu-smi info -m命令查出的Chip ID即为芯片id。回显中的“SDID”即为超节点系统中的NPU唯一标识。	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。需要注意：当组网中包含多个超节点时，device_ip必须配置。若组网中仅包含一个超节点，device_ip在以下场景必须配置，其他场景可不配置。当超节点内使用RDMA通信时（即将环境变量HCCL_INTER_HCCS_DISABLE配置为TRUE，禁用了HCCS功能的场景），device_ip必须配置。当超节点内通信链路支持HCCS和RDMA并发时（即将环境变量HCCL_CONCURRENT_ENABLE配置为“1”的场景），device_ip必须配置。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。	可选
device_port	Device网卡的通信端口，取值范围为[1,65535]，需要确保指定的端口未被其他进程占用。需要注意，[1,1023]为系统保留端口，应避免使用这些端口。单卡多进程的业务场景下，建议配置此字段，并且不同的业务进程需要设置不同的端口号，否则业务可能会因为端口冲突运行失败。	可选
backup_device_ip	当超节点间通信开启了算子重执行特性时，如果Device网卡故障（RDMA链路故障），可通过此参数将同一NPU中的另一个Die网卡指定为备用Device网卡，提升算子重执行的成功率，此种启用备用Device网卡的通信方式称之为借轨通信。 “backup_device_ip”为常规IPv4或IPv6格式，查询方法可参见“device_ip”的配置说明。需要注意： “backup_device_ip”与“device_ip”对应的Device需要属于同一NPU，即同一NPU下Die0与Die1对应的Device网卡才能互为备用。仅通信算法的编排展开位置在AI CPU计算单元，且开启了超节点间通信的算子重执行特性时，此配置才生效，即： export HCCL_OP_EXPANSION_MODE="AI_CPU" export HCCL_OP_RETRY_ENABLE="L0:0, L1:0, L2:1" # L2代表通信域物理范围为超节点间通信域，取值为1代表开启通信算子重执行特性。关于环境变量的详细说明可参见《环境变量参考》。如果通信过程中发生了借轨（假设某个NPU的Die0网卡故障，启用了备用的Die1网卡），原Die0的网卡流量也会通过Die1网卡收发，导致Die1的流量增大，总体性能会由于物理带宽减半、端口冲突导致下降。开启借轨通信功能时，建议一个NPU的两个Die分配给同一个训练或推理任务。如果同一个NPU的两个Die分给两个不同的训练或推理任务，一个任务发生故障，会借用另一个任务的网卡，两个任务均会发生一定程度的性能下降。同一通信域内，仅支持发生一次借轨，且不支持回切。如下图所示，“图示一”中rank0 -> rank1间通信链路故障，启用了备用链路，发生借轨，通信正常进行；若再发生“图示二”所示故障，则不再支持借轨，会报错退出。	可选
backup_device_port	备用Device网卡的通信端口，取值范围为[1,65535]，需要确保指定的端口未被其他进程占用。需要注意，[1,1023]为系统保留端口，应避免使用这些端口。若启用了借轨通信功能，且业务为单卡多进程的场景，建议配置此字段，并且不同的业务进程需要设置不同的端口号，否则业务可能会因为端口冲突运行失败。须知：同一个Device网卡作为主网卡与备网卡时配置的通信端口号不能相同。	可选
host_port	Host网卡的通信端口，取值范围为[1,65535]，同一AI Server内每个Device对应的host_port应各不相同，且需要确保指定的端口未被其他进程占用。需要注意，[1,1023]为系统保留端口，应避免使用这些端口。若通过环境变量HCCL_OP_RETRY_ENABLE开启了HCCL重执行特性，且业务为单卡多进程场景（即多个业务进程同时共用一个NPU），建议配置此字段，并且不同的业务进程需要设置不同的端口号，否则业务可能会因为端口冲突运行失败。	可选
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
server_pod_list	本次参与训练的超节点列表。	必选
super_pod_id	超节点唯一标识，全局唯一。支持如下两种配置方式：配置为超节点物理ID，可通过npu-smi工具查询，命令示例如下： npu-smi info -t spod_info -i id -c chip_id id：设备ID。通过npu-smi info -l命令查出的NPU ID即为设备ID。 chip_id：芯片id。通过npu-smi info -m命令查出的Chip ID即为芯片id。回显中的“Super Pod ID”即为超节点的物理ID。用户自定义编号，字符串格式，需全局唯一。自定义配置ID的场景下，用户可以把一个物理超节点划分为多个小的逻辑超节点使用，比如一个物理超节点有8个AI Server节点，用户可以把前4个AI Server节点作为一个小的超节点，编号为super_pod_1，后4个AI Server节点作为一个小的超节点，编号为super_pod_2。	必选
server_id	Server标识，字符串类型，与"server_list"中的server_id对应。配置示例：node_0。	必选

如果组网中存在多个超节点，请将属于同一超节点内的AI Server信息配置在一起。假设有两个超节点，标识分别为“0”和“1”，请先配置“0”中的AI Server信息，再配置“1”中的AI Server信息，不支持“0”中的AI Server信息与“1”中的AI Server信息交叉配置。

典型集群组网的ranktable文件配置

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，典型集群组网，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
            "host_ip":"172.16.0.110",   // AI Server的Host IP地址
            "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",        // 处理器的网卡通信端口
                    "host_port":"16666",          // Host网卡的通信端口
                    "rank_id":"0"                 // rank的标识，从0开始配置
                },
                {
                    "device_id":"1",
                    "device_ip":"192.168.1.9", 
                    "device_port":"16667",
                    "host_port":"16667", 
                    "rank_id":"1"
                }
            ]
        },
        {
            "server_id":"node_1",
            "host_ip":"172.16.0.111",
            "device":[
                {
                    "device_id":"0",
                    "device_ip":"192.168.2.8",
                    "device_port":"16667",
                    "host_port":"16666", 
                    "rank_id":"2"
                },
                {
                    "device_id":"1",
                    "device_ip":"192.168.2.9", 
                    "device_port":"16667",
                    "host_port":"16667", 
                    "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。针对典型集群组网，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
host_ip	AI Server的Host IP地址，全局唯一，要求为常规IPv4格式。若通过环境变量HCCL_OP_RETRY_ENABLE开启了HCCL重执行特性，需要配置此字段，否则HCCL通信链路会建链失败。关于环境变量HCCL_OP_RETRY_ENABLE的说明可参见《环境变量参考》中的“执行相关 > 集合通信”章节。	可选
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。需要注意：多机场景下，device_ip必须配置。单机场景下，device_ip可不配置。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。	可选
device_port	Device网卡的通信端口，取值范围为[1,65535]，需要确保指定的端口未被其他进程占用。需要注意，[1,1023]为系统保留端口，应避免使用这些端口。单卡多进程的业务场景下，建议配置此字段，并且不同的业务进程需要设置不同的端口号，否则业务可能会因为端口冲突运行失败。	可选
host_port	Host网卡的通信端口，取值范围为[1,65535]，同一AI Server内每个Device对应的host_port应各不相同，且需要确保指定的端口未被其他进程占用。需要注意，[1,1023]为系统保留端口，应避免使用这些端口。若通过环境变量HCCL_OP_RETRY_ENABLE开启了HCCL重执行特性，且业务为单卡多进程场景（即多个业务进程同时共用一个NPU），建议配置此字段，并且不同的业务进程需要设置不同的端口号，否则业务可能会因为端口冲突运行失败。	可选
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

Atlas A2 训练系列产品配置说明

针对 Atlas A2 训练系列产品，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
                    "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"
                }
            ]
        }
    ]
}

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
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。需要注意：多机场景下，device_ip必须配置。单机场景下，device_ip可不配置。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。	可选
device_port	Device网卡的通信端口，取值范围为[1,65535]，需要确保指定的端口未被其他进程占用。需要注意，[1,1023]为系统保留端口，应避免使用这些端口。单卡多进程的业务场景下（即多个业务进程同时共用一个NPU），建议配置此字段，并且不同的业务进程需要设置不同的端口号，否则业务可能会因为端口冲突运行失败。	可选
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

Atlas 训练系列产品配置说明

针对 Atlas 训练系列产品，在ranktable文件中配置参与训练的昇腾AI处理器信息支持两种配置模板，全新场景推荐使用模板一，模板二用于兼容部分已有场景。

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4 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5 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

父主题： 训练执行（配置文件方式设置资源信息）

准备ranktable资源配置文件

Atlas A3 训练系列产品 配置说明

Atlas A2 训练系列产品 配置说明

Atlas 训练系列产品 配置说明

Atlas A3 训练系列产品配置说明

Atlas A2 训练系列产品配置说明

Atlas 训练系列产品配置说明