百舸异构计算平台，提供基于NCCL通信库的性能测试工具。

说明

健康检查

在进行通信库测试之前，会首先进行节点的状态检测，节点状态检测通过才会进行通信库测试。 健康检测内容：

检测项目	检测通过要求
节点	节点健康（k8s node ready）
GPU状态	GPU硬件正常，已安装GPU Driver/CUDA等基础软件，GPU资源能够被资源池识别
RDMA网卡	已安装Ofed驱动，RDMA网卡资源能够被资源池识别
GPU资源占用	GPU资源是否被其他任务占用 备注：为了保证测试结果的准确性，需要节点上没有任务占用GPU资源

超时设置

为避免诊断任务长时间占用资源池资源，系统为诊断任务设置了超时时间。如超过下述时间后，会直接删除诊断任务。

• 诊断任务创建超时时间：2min
• 诊断任务执行超时时间：5min

操作流程

通信库测试

下面介绍如何在百舸·AI异构计算平台控制台，进行通信库测试

1. 登录百舸·AI异构计算平台控制台
2. 在左侧导航栏，选择诊断工具>网络测试
3. 选择通信库测试页签
4. 配置测试信息

配置参数	说明
通信库类别	目前仅支持 NCCL
通信模型	目前仅支持 ALLReduce
GPU数量	取值范围：1～8
资源池	测试节点所在的资源池名称
节点	选择资源池中的目标节点 如上述GPU数量选择为1，请至少选择2个节点

5. 点机开启测试

RDMA网络测试

下面介绍如何在百舸·AI异构计算平台控制台，进行RDMA网络测试。

1. 登录百舸·AI异构计算平台控制台
2. 在左侧导航栏，选择诊断工具>网络测试
3. 选择RDMA网络测试页签
4. 配置测试信息

配置参数	说明
网络类别	目前仅支持 RDMA
测试类型	目前仅支持 带宽测试
流量模型	MtoN：点对点通信模型，其中每个节点与其他一个或多个节点进行通信。 FullMesh：多点对多点的通信模型，其中所有节点之间都可以进行通信。
GDR	开启或关闭，开启后可提高RDMA网络通信的可靠性。
测试时长	默认60s，可自定义。
资源池	测试节点所在的资源池名称
Clients	选择资源池中的客户端节点，发起请求。
Servers	选择资源池中的服务端节点，响应通信请求并处理数据。

5. 点机开启测试

查看诊断历史

开启测试后，会实时展示测试的进展。 测试完成后，会展示测试结果、测试参数、测试命令以及详细的测试日志。支持用户查询历史诊断记录。