三亩地 三亩地SAN MU DI · CODE DIARY
ARTICLE DETAIL

日记详情

真实记录编程学习的某一天,欢迎挑你感兴趣的翻一翻。

CANN hixl LLM状态码

CANN hixl LLM状态码

LLMStatusCode

【免费下载链接】hixlHIXL(Huawei Xfer Library)是一个灵活、高效的昇腾单边通信库,面向集群场景提供简单、可靠、高效的点对点数据传输能力。项目地址: https://gitcode.com/cann/hixl

LLMException中status_code对应的枚举类,枚举值及解决方法如下表。

枚举值含义是否可恢复解决办法
LLM_SUCCESS成功无无
LLM_FAILED通用失败否重启机器或容器。
保留现场,获取Host/Device日志,并备份。
LLM_PARAM_INVALID参数错误是基于日志排查错误原因。
LLM_KV_CACHE_NOT_EXISTKV不存在是- 检查对应全量侧报错日志中的请求是否完成。
- 检查是否存在重复拉取。
- 检查标记目标cache的参数是否错误。
LLM_REPEAT_REQUEST重复请求是检查是否存在重复调用。
LLM_NOT_YET_LINK没有建链是上层排查Decode与Prompt建链情况。
LLM_ALREADY_LINK已经建过链是上层排查Decode与Prompt建链情况。
LLM_LINK_FAILED建链失败是link_clusters第二个返回值中有该错误码时,需要检查对应集群之间的网络连接。
LLM_UNLINK_FAILED断链失败是unlink_clusters第二个返回值中有该错误码时,需要检查对应集群之间的网络连接。
LLM_NOTIFY_PROMPT_UNLINK_FAILED通知Prompt侧断链失败是1. 排查Decode与Prompt之间的网络连接。
2. 主动调Prompt侧的unlink_clusters清理残留资源。
LLM_CLUSTER_NUM_EXCEED_LIMIT集群数量超过限制。是排查link_clusters和unlink_clusters传入参数,clusters数量不能超过16。
LLM_PROCESSING_LINK正在处理建链是当前正在执行建链或断链操作,请稍后再试。
LLM_PREFIX_ALREADY_EXIST前缀已经存在是检查是否已加载过相同Prefix Id的公共前缀。如果是,需要先释放。
LLM_PREFIX_NOT_EXIST前缀不存在是检查Request中的Prefix Id是否已加载过。
LLM_EXIST_LINKswitch_role时,存在未释放的链接。是检查在切换当前LLMDataDist的角色前是否已经调用unlink_clusters断开所有的链接。
LLM_FEATURE_NOT_ENABLED特性未使能是检查初始化LLMDataDist时是否传入了必要option。
如果是切换当前LLMDataDist的角色时抛出该异常,排查初始化时LLMConfig是否设置了enable_switch_role = True。
LLM_TIMEOUT处理超时是- 如果是pull_cache、pull_blocks、transfer_cache_async等传输相关接口报错,该链路不可恢复,需重新建链。
- 其他接口报该异常,加大超时时间并重试。
LLM_LINK_BUSY链路繁忙是检查同时调用的接口是否有冲突,例如:同时调用如下接口时,会报该错误码。
同时调用unlink和pull_cache。
使用相同链路同时调用pull_cache和transfer_cache_async。
LLM_OUT_OF_MEMORY内存不足是检查内存池是否足够容纳申请的KV大小。
检查申请的内存是否没有释放。
LLM_DEVICE_MEM_ERROR出现内存UCE(incorrect error,指系统硬件不能直接处理恢复内存错误)的错误虚拟地址是获取并修复内存UCE的错误虚拟地址。如果是KV Cache内存,需要再调用cache manager的remap_registered_memory接口修复注册给网卡的KV Cache内存。
说明: 本错误码为预留,暂不支持。
LLM_SUSPECT_REMOTE_ERROR疑似是UCE内存故障否上层框架需要结合其它故障进行综合判断是UCE内存故障还是他故障。
LLM_UNKNOWN_ERROR未知错误否保留现场,获取Host/Device日志,并备份。

请参考PyTorch的torch_npu.npu.restart_device接口的说明获取并修复内存UCE的错误虚拟地址。

【免费下载链接】hixlHIXL(Huawei Xfer Library)是一个灵活、高效的昇腾单边通信库,面向集群场景提供简单、可靠、高效的点对点数据传输能力。项目地址: https://gitcode.com/cann/hixl

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

← 返回列表