---
title: 一键式组合诊断
description: "故障诊断当前支持算力、带宽、SignalQuality等众多诊断项，每个诊断项需指定不同的参数，单诊断项依次执行耗时长。但在实际使用场景中，例如巡检场景，用户需执行多项诊断用以判断当前产品的健康状态。"
url: https://www.hiascend.com/document/detail/zh/mindcluster/latest/toolbox/toolboxug/toolboxug_0165.html
sourcePath: /source/zh/mindcluster/2610/toolbox/toolboxug/toolboxug_0165.html
indexId: e8f3fa4ac59046fd440cd3209ca322f90cfffa81446f089077721d59e830d36465
---
# 一键式组合诊断

#### 测试项功能

故障诊断当前支持算力、带宽、SignalQuality等众多诊断项，每个诊断项需指定不同的参数，单诊断项依次执行耗时长。但在实际使用场景中，例如巡检场景，用户需执行多项诊断用以判断当前产品的健康状态。

因此，Ascend DMI对现有的诊断项进行分级处理，用户可通过指定诊断场景，一次执行多项诊断，提升运维效率。具体诊断场景如表1所示。


**表1 诊断场景及说明**

| scene(诊断场景) | 包含的诊断项 | 使用 Atlas 推理系列产品 完成一轮诊断的参考耗时 | 使用其他产品完成一轮诊断的参考耗时 | 是否影响NPU训练或推理 |
| --- | --- | --- | --- | --- |
| healthCheck(健康检查) | CANN/驱动/Device/NetWork/SignalQuality/片上内存（诊断） | ≤2min | ≤2min | 是 |
| performanceCheck(性能规格) | BandWidth/Aiflops/NIC | ≤15min | 14min~3h | 是 |
| stressTest(压测) | AICORE/片上内存（全量压测）/P2P压测/功耗压测/AICPU压测 | 7.5h~9.5h | 1.5h~3.5h | 是 |


#### 测试项参数查询

各参数解释如表2所示。


**表2 参数说明**

| 参数 | 说明 | 是否必填 |
| --- | --- | --- |
| [\-dg, \-\-dg, \-\-diagnosis] | 使用该参数进行整卡的故障诊断测试。 | 是 |
| [\-se, \-\-scene, \-\-se] | 指定诊断场景。当前支持指定以下场景： healthCheck performanceCheck stressTest | 是 |


#### 使用示例

以同时执行healthCheck、performanceCheck、stressTest，并跳过防呆提示为例。

```
ascend-dmi --dg --se healthCheck,performanceCheck,stressTest -q
```

- 使用Atlas A2 训练系列产品、Atlas A3 训练系列产品时，回显如下：

```
[root@l****]# ascend-dmi --dg --scene healthCheck,performanceCheck,stressTest -q
Summary:
Arch: aarch64
Mode: *****
Time: 20251111-16:16:23
Hardware:
driver:
HEALTH
device:
HEALTH
network:
PASS
signalQuality:
PASS
hbm:
PASS
bandwidth:
PASS
aiflops:
PASS
hbmStress:
PASS
bandwidthStress:
PASS
aicore:
PASS
edp:
PASS
tdp:
PASS
aicpu:
PASS
nic:
PASS
Software:
cann:
PASS
```


- 使用Atlas 300I Pro 推理卡、Atlas 300V 视频解析卡、Atlas 300V Pro 视频解析卡时，回显如下：

```
[root@l****]# ./ascend-dmi --dg --se healthCheck,performanceCheck,stressTest -q
Summary:
Arch: aarch64
Mode: *****
Time: 20251111-07:27:32
Hardware:
driver:
HEALTH
device:
HEALTH
network:
SKIP
*** The current device does not support the network health diagnosis.
signalQuality:
SKIP
*** Current server does not support signal quality diagnosis.
chipMemory:
PASS
bandwidth:
PASS
aiflops:
PASS
chipMemoryStress:
PASS
bandwidthStress:
SKIP
*** The current device does not support the p2p stress test.
aicore:
SKIP
*** The current device does not support the Aicore diagnosis.
edp:
SKIP
*** Current server does not support TDP/EDP.
tdp:
SKIP
*** Current server does not support TDP/EDP.
aicpu:
SKIP
*** The current device does not support the Aicpu diagnosis.
nic:
SKIP
*** The current device does not support the nic diagnosis.
Software:
cann:
PASS
```


#### 故障诊断检查项说明

| scene | 检查项 | 回显状态 | 含义 |
| --- | --- | --- | --- |
| healthCheck | CANN | PASS | CANN软件检测正常。 |
| healthCheck | CANN | FAIL | CANN包安装异常。 驱动安装异常（CANN和驱动间的兼容性不满足要求）。 |
| healthCheck | 驱动 | HEALTH | 驱动固件安装正常，并且驱动状态为健康。 |
| healthCheck | 驱动 | GENERAL\_WARN | 一般警告（警告内容参考界面中提示的错误信息）。 |
| healthCheck | 驱动 | IMPORTANT\_WARN | 重要警告（警告内容参考界面中提示的错误信息）。 |
| healthCheck | 驱动 | EMERGENCY\_WARN | 紧急警告（警告内容参考界面中提示的错误信息）。 |
| healthCheck | 驱动 | FAIL | 驱动或固件安装异常。 读取驱动健康状态失败。 |
| healthCheck | 芯片 | HEALTH | Device检测结果健康。 |
| healthCheck | 芯片 | SKIP | 当前产品/场景不支持该功能。 |
| healthCheck | 芯片 | GENERAL\_WARN | 一般警告（警告内容参考界面中提示的错误信息）。 |
| healthCheck | 芯片 | IMPORTANT\_WARN | 重要警告（警告内容参考界面中提示的错误信息）。 |
| healthCheck | 芯片 | EMERGENCY\_WARN | 紧急警告（警告内容参考界面中提示的错误信息）。 |
| healthCheck | 芯片 | WARN | 未知的总线网络设备故障。 |
| healthCheck | 芯片 | FAIL | Device检测结果失败。 |
| healthCheck | NetWork | PASS | 网络检测结果健康。 |
| healthCheck | NetWork | SKIP | 当前产品/场景不支持该功能。 |
| healthCheck | NetWork | INFO | 网络检测结果提示。 |
| healthCheck | NetWork | WARN | 网络检测结果告警。 |
| healthCheck | NetWork | FAIL | 网络检测结果失败。 |
| healthCheck | 片上内存诊断 | PASS | 片上内存检测通过，无异常。 |
| healthCheck | 片上内存诊断 | SKIP | 该产品/场景不支持片上内存检测功能。 |
| healthCheck | 片上内存诊断 | GENERAL\_WARN | 多比特存在隔离页，告警NPU芯片健康管理故障码为0x80E18401；多比特实时隔离页数量>=16且<64；可以继续使用。 |
| healthCheck | 片上内存诊断 | EMERGENCY\_WARN | 多比特实时隔离页数量 >= 64，表示当前设备运行存在高风险，建议更换备件。 0 < 多比特隔离页数量 < 64并且符合如下条件之一，表示当前设备运行存在高风险，建议更换备件。 相同Bank内（Stack、PC、Sid和Bank均相同），隔离行 > 16。 相同HBMC内（Stack和PC均相同），隔离行的Bank数 ≥ 4且PC内累计隔离行数 ＞ 16。 相同Sid内（Stack和Sid均相同），处于不同HBMC数（PC值不同） 的隔离行≥ 4。 |
| healthCheck | 片上内存诊断 | FAIL | 片上内存检测失败，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 |
| healthCheck | SignalQuality | PASS | 检测通过，NPU上PCIe、HCCS、RoCE和UB通信端口的信号质量正常。 |
| healthCheck | SignalQuality | SKIP | 该产品/场景不支持眼图诊断功能。 |
| healthCheck | SignalQuality | IMPORTANT\_WARN | 重要警告。 PCIe、HCCS、RoCE和UB（其中的一项或多项）信号质量有异常，请联系华为工程师处理。 |
| healthCheck | SignalQuality | FAIL | 眼图检测执行失败。 |
| performanceCheck | Aiflops | PASS | 算力测试结果正常（大于参考值）。 |
| performanceCheck | Aiflops | WARN | 算力测试过程中触发芯片过温。 |
| performanceCheck | Aiflops | FAIL | 算力测试失败。 算力测试结果小于参考值。 |
| performanceCheck | BandWidth | PASS | 带宽测试结果正常。 |
| performanceCheck | BandWidth | FAIL | 带宽测试失败。 带宽测试结果小于参考值。 处理方案：请联系华为工程师处理或参考FAQ进行定位。 FAQ：带宽测试类 |
| performanceCheck | NIC诊断 | PASS | NPU网口连通性正常且网口带宽达到基线值。 |
| performanceCheck | NIC诊断 | GENERAL\_WARN | NPU网口状态为DOWN。 NPU之间的网口未连通。 |
| performanceCheck | NIC诊断 | IMPORTANT\_WARN | NPU网口带宽未达到基线值。 |
| performanceCheck | NIC诊断 | FAIL | hccn\_tool工具安全性校验失败。 获取NPU网口状态失败。 获取NPU网口速率失败。 获取NPU网口的IP失败。 NPU网口连通性测试失败。 NPU网口reset失败。 NPU网口带宽测试失败。 |
| performanceCheck | NIC诊断 | SKIP | 该产品/场景不支持NIC诊断功能。 |
| stressTest | AICORE诊断 | PASS | 诊断结果无异常。 |
| stressTest | AICORE诊断 | SKIP | 该产品/场景不支持aicore诊断功能。 |
| stressTest | AICORE诊断 | EMERGENCY\_WARN | 紧急警告，建议更换硬件。 |
| stressTest | AICORE诊断 | FAIL | aicore诊断失败，请联系华为工程师处理或参考FAQ进行定位。 FAQ：aicore诊断失败，提示A software or internal error occurs. Contact Huawei technical support。 |
| stressTest | 片上内存压测 | PASS | 片上内存压测通过。 |
| stressTest | 片上内存压测 | SKIP | 该产品/场景不支持片上内存压测功能。 |
| stressTest | 片上内存压测 | FAIL | 片上内存压测失败，有新增的多比特隔离页。用户可在执行片上内存诊断后再进行片上内存压测。 软件执行失败。 |
| stressTest | BandWidthStress | PASS | 压力测试通过，结果无异常。 |
| stressTest | BandWidthStress | SKIP | 该产品/场景不支持P2P压测功能。 |
| stressTest | BandWidthStress | EMERGENCY\_WARN | 紧急警告，压测结果为不通过，建议更换硬件。 |
| stressTest | BandWidthStress | FAIL | 调用接口失败，请联系华为工程师处理。 |
| stressTest | 功耗压测 | PASS | 功耗压力测试结果无异常。 |
| stressTest | 功耗压测 | SKIP | 该产品/场景不支持功耗压测功能。 |
| stressTest | 功耗压测 | IMPORTANT\_WARN | 压测过程中产生芯片告警，请根据描述建议处理。若仍无法解决，请联系华为工程师处理。 |
| stressTest | 功耗压测 | FAIL | 功耗压测功能执行失败，请联系华为工程师处理。 |
| stressTest | AICPU压测 | PASS | 压力测试结果无异常。 |
| stressTest | AICPU压测 | SKIP | 该产品/场景不支持AICPU压测功能。 |
| stressTest | AICPU压测 | EMERGENCY\_WARN | 紧急警告，请更换硬件。 |
| stressTest | AICPU压测 | FAIL | AICPU压测失败，请联系华为工程师处理。 |
| 说明： 本文档输出的Device ID都是芯片逻辑ID。 在SignalQuality诊断中，若SNR和HEH的数值为0，说明测试的RoCE链路或HCCS链路中指定的Device之间未建链。 | 说明： 本文档输出的Device ID都是芯片逻辑ID。 在SignalQuality诊断中，若SNR和HEH的数值为0，说明测试的RoCE链路或HCCS链路中指定的Device之间未建链。 | 说明： 本文档输出的Device ID都是芯片逻辑ID。 在SignalQuality诊断中，若SNR和HEH的数值为0，说明测试的RoCE链路或HCCS链路中指定的Device之间未建链。 | 说明： 本文档输出的Device ID都是芯片逻辑ID。 在SignalQuality诊断中，若SNR和HEH的数值为0，说明测试的RoCE链路或HCCS链路中指定的Device之间未建链。 |