适用场景
- 业务场景：集群训练
- 适用处理器：Atlas 训练系列产品
- 处理器形态：EP
现象描述
HCCL初始化网卡失败，HCCP报-17错误码：ra rdev init failed, ret [-17]
可能原因
HCCL在初始化时会根据rank table中的Device IP初始化Device网卡。如果初始化使用的Device IP和实际网卡的IP不一致，HCCP会初始化网卡失败并返回错误码 -17。
处理步骤
- 确认该Device的rank id，并在ranktable中找到对应的device_ip配置，rankid获取方式：
在用户态Host日志（需打开EVENT日志）中， grep关键字Entry-HcomInit，其identify中内容即为rankid。
- 确认该server的Device IP是否配置正确，若出现ranktable中device_ip配置和查询结果不一致的情况，请以查询结果为准，并修改对应rank的ranktable的"device_ip"字段。
使用 hccn_tool 可查看Device 网卡信息。
hccn_tool -i 0 -ip -g hccn_tool -i 1 -ip -g hccn_tool -i 2 -ip -g hccn_tool -i 3 -ip -g hccn_tool -i 4 -ip -g hccn_tool -i 5 -ip -g hccn_tool -i 6 -ip -g hccn_tool -i 7 -ip -g 或 for i in {0..7}; do hccn_tool -i $i -ip -g ; done