芯片资源

huawei.com/Ascend910

当前节点可用的芯片名称信息，存在多个时用英文逗号拼接

字符串

-

huawei.com/Ascend910-NetworkUnhealthy

当前节点网络不健康的芯片名称信息，存在多个时用英文逗号拼接

字符串

-

huawei.com/Ascend910-Unhealthy

当前芯片不健康的芯片名称信息，存在多个时用英文逗号拼接

字符串

-

huawei.com/Ascend910-Fault

记录芯片具体的故障信息

-

数组对象，对象包含fault_type、npu_name、large_model_fault_level、fault_level、fault_handling和fault_code等6个字段。

- fault_type

故障类型

• CardUnhealthy：芯片故障
• CardNetworkUnhealthy：芯片网络故障
• NodeUnhealthy：节点故障

-

- npu_name

故障的芯片名称，节点故障时为空

字符串

-

- large_model_fault_level

故障处理类型，节点故障时取值为空

• NotHandleFault：不做处理
• RestartRequest：推理场景需要重新执行推理请求，训练场景重新执行训练业务
• RestartBusiness：需要重新执行业务
• FreeRestartNPU：直接复位芯片并重新执行业务
• RestartNPU：直接复位芯片并重新执行业务
• SeparateNPU：隔离芯片
• PreSeparateNPU：预隔离芯片，会根据训练任务实际运行情况判断是否重调度

- fault_level

- fault_handling

- fault_code

故障码，英文逗号拼接的字符串

字符串

Disconnected表示芯片网络不连通故障。heartbeatTimeOut表示节点心跳丢失故障

SuperPodID

超节点ID。

字符串

-

ServerIndex

当前节点在超节点中的相对位置。

字符串

• 驱动上报的SuperPodID或ServerIndex的值为0xffffffff时，SuperPodID或ServerIndex的取值为-1。
• 存在以下情况，SuperPodID或ServerIndex的取值为-2。
  • 当前设备不支持查询超节点信息。
  • 因驱动问题导致获取超节点信息失败。

FaultCode

当前节点的灵衢总线设备故障码列表。

数组对象，包含EventType、AssembledFaultCode、PeerPortDevice、PeerPortId、SwitchChipId、Severity、Assertion、AlarmRaisedTime等字段。

FaultLevel

当前节点故障处理等级。

取FaultCode中所有故障中等级最高的故障等级，取值包含：NotHandle，PreSeparate，Separate。

UpdateTime

故障上报刷新时间。

-

NodeStatus

当前节点健康状态

对应FaultLevel取值，NotHandle:Healthy，PreSeparate:SubHealthy，Separate:UnHealthy。