用途:分析通信性能瓶颈并检测集群快慢卡现象,当主分析Skill检测到通信耗时占比超过10%时自动触发。
主要能力:从profiling的communication泳道提取通信操作数据,分析通信耗时分布与原因;基于mstt工具与Z-score统计检测快慢卡,并给出优化建议。流程为:运行一次mstt获取各rank的slowAffectCount值,若最大值大于20则计算Z-score,大于0.5判定存在快慢卡并引导使用host快慢卡问题skill,否则建议检查plog日志;若最大值不大于20则转入通信算子异常分析,提示查看plog日志并提供通信性能优化建议。
使用方式:通常由主分析Skill /profiling-analysis-profiling-main 自动调用,通信瓶颈分析无需手动执行脚本。单独检测快慢卡可执行:msprof-analyze cluster -d ./profiling_data -m slow_rank -o ./result
输入为profiling数据文件夹。
限制:快慢卡检测依赖msprof_analyze工具,需安装正确版本并提供完整profiling数据;大规模集群分析时间可能较长;结果需结合系统架构与应用场景综合判断,要求提供plog时应收集完整日志。具体版本要求、收费与平台信息暂未提供。