一键式片上内存压测诊断

测试项功能

Ascend DMI提供一键式片上内存压测诊断功能，即执行一次命令即可进行片上内存诊断、片上内存压测、片上内存高危地址压测，并输出测试结果。

表1 诊断项说明
诊断项名称	参考耗时	是否影响NPU训练或推理	使用场景
一键式片上内存压测诊断	<3h	是	训练或推理任务时，NPU芯片片上内存出现ECC故障，有新增隔离页。

片上内存压测和片上内存诊断有不同的使用场景，具体请参见表1。请根据实际使用场景选择执行片上内存压测或片上内存诊断。
若想同时使用片上内存诊断、片上内存压测、片上内存高危地址压测请执行一键式片上内存压测诊断。

测试项特定参数查询

各参数解释如表2所示，表格内仅展示测试项特定参数，其余公共参数请参见公共参数说明。

表2 参数说明
参数	说明	是否必填
[-at, --at, --auto-test]	使用该参数进行自动压测。当[-i, --items]后检查项包含hbm且指定-s参数时，此参数才会生效。	是
[-st, --st, --stress-time]	指定片上内存压力测试的时间。由于组合压测诊断命令会额外执行片上内存诊断、高危地址压测等功能，实际执行时间会比指定时间偏多。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。	否

使用实例

ascend-dmi -dg -i hbm -s --auto-test -q

[***@***]# ascend-dmi -dg -i hbm -s --auto-test -q
Stress test is being performed, please wait.
Summary:
    Arch: aarch64
    Mode: ******
    Time: 20250529-19:08:50

Hardware:
    hbm:
        PASS

故障检查项说明

表3 回显参数说明
参数	说明
PASS	一键式片上内存压测诊断通过，无异常。
EMERGENCY_WARN	历史多比特隔离页数及设备隔离行过多，告警NPU芯片健康管理故障码为0x80E18402，建议更换备件。相同Stack及PC内的隔离行处于不同Bank的数量 ≥ 4，当前设备运行存在高风险，建议更换备件。相同Stack、相同Sid及不同PC内的隔离行 ≥ 4，当前设备运行存在高风险，建议更换备件。相同Stack、Sid、PC及Bank内的隔离行＞16，当前设备运行存在高风险，建议更换备件。相同Stack、Sid、PC及Bank内，排除4bit及以内相邻的错误地址，其他不同地址的数量＞ 5，当前设备运行存在高风险，建议更换备件。压测过程中连续3次有隔离页增加。
SKIP	当前产品形态不支持该项检测。
FAIL	一键式片上内存压测诊断执行失败，请联系华为工程师处理或参考FAQ进行定位。 FAQ：设备device侧内存不足导致片上内存压测失败

父主题： 压力测试场景