tft_register_mindx_callback

action

必选

回调函数要注册的动作名。

str，支持的动作名如下：

• report_fault_ranks
• report_stop_complete
• report_strategies
• report_result

func

必选

要注册的函数。

回调函数，不为空，回调函数入参详情请参见表1 ~ 表4。

error_rank_dict

-

发生故障的卡信息。

<int key, int errorType>字典：

• key为故障卡的rank号。
• errorType为故障类型：
  • 0：UCE故障。
  • 1：非UCE故障。

code

-

action执行结果。

• 0：成功。
• 400：普通错误。
• 401：MindCluster task id不存在。
• 402：模型错误。
• 403：顺序错误。
• 404：Processor未全部准备就绪。

msg

-

训练是否停止消息。

str。

error_rank_dict

-

发生故障的卡信息。

<int key, int errorType>字典：

• key为故障卡的rank号
• errorType为故障类型：
  • 0：UCE故障。
  • 1：非UCE故障。

error_rank_dict

-

发生故障的卡信息。

<int key, int errorType>字典：

• key为故障卡的rank号。
• errorType为故障类型：
  • 0：UCE故障。
  • 1：非UCE故障。

strategy_list

-

基于当前可用的副本信息，MindIO TFT支持的修复策略列表。

list，支持的修复策略可选值如下（str）：

• retry：执行UCE修复。
• recover：执行ARF修复。
• dump：执行临终遗言。
• exit：退出。

code

-

action的执行结果。

• 0：修复成功。
• 405：retry修复失败，支持做recover、dump、exit修复策略。
• 406：修复失败，支持做dump或exit修复策略。
• 499：修复失败，仅支持exit策略。

msg

-

修复成功或失败的消息。

str

error_rank_dict

-

发生故障的卡信息。

<int key, int errorType>字典：

• key为故障卡的rank号。
• errorType为故障类型：
  • 0：UCE故障。
  • 1：非UCE故障。

curr_strategy

-

本次修复策略。

str，支持的修复策略取值范围为表3中的strategy_list。