故障诊断

功能概述

Ascend 故障诊断工具，用于检测和分析 NPU 相关故障，帮助用户快速定位和解决问题。

前置条件

1. 安装 ascend-fault-diagnose：通过 ascend-fd version 命令检查是否已安装
2. 安装教程：https://www.hiascend.com/document/detail/zh/mindcluster/730/faultdiag/faultdiagug/mindxdlFDUG008.html

使用说明

使用建议

1. 集群规格限制：因 Linux 系统最大进程数限制（默认为 1024），集群规格建议 ≤128 台服务器（1024 卡）。若服务器数量超过此规格，需使用 ulimit -n 命令调整文件描述符上限
2. 避免管道命令：使用诊断工具命令时，尽量不使用管道命令，可能会影响用户 IP 的获取和日志审计

支持的场景