准备ranktable资源配置文件

• 模板一（推荐使用）

  {
  "server_count":"1",  //参与训练的AI Server数目，此例中，只有一个AI Server
  "server_list":
  [
     {
          "device":[   // AI Server中的Device列表
                         {
                          "device_id":"0",   // 处理器HDC通道号
                          "device_ip":"192.168.1.8",    // 处理器真实网卡IP
                          "rank_id":"0"     // rank的标识，rankID从0开始
                          },
                          {
                           "device_id":"1",
                           "device_ip":"192.168.1.9", 
                           "rank_id":"1"
                           }
                    ],
           "server_id":"10.0.0.10"   //AI Server标识，以点分十进制表示IP字符串
      }
  ],
  "status":"completed",   // ranktable可用标识，completed为可用
  "version":"1.0"         // ranktable模板版本信息,当前必须为"1.0"
  }

  表1 ranktable文件说明

  配置项	配置说明	可选/必选
  server_count	本次参与训练的AI Server个数。	必选
  status	Rank table可用标识。 completed：表示Rank table可用，可执行训练。 initializing：表示Rank table不可用，不可执行训练。	必选
  version	Rank table模板版本信息。当前仅支持配置为1.0。	必选
  server_list	本次参与训练的AI Server列表。	必选
  server_id	AI Server物理IP，以点分十进制表示的字符串，配置示例：10.0.0.10	必选
  device_id	昇腾AI处理器的ID，即Device在AI Server上的序列号。 取值范围：[0，实际Device数量-1]	必选
  device_ip	昇腾AI处理器集成网卡IP，全局唯一，IPv4格式，以点分十进制表示的字符串，配置示例：192.168.1.8。 可以在当前AI Server执行指令cat /etc/hccn.conf获取网卡IP，例如： address_0=xx.xx.xx.xx netmask_0=xx.xx.xx.xx netdetect_0=xx.xx.xx.xx address_1=xx.xx.xx.xx netmask_1=xx.xx.xx.xx netdetect_1=xx.xx.xx.xx ... 查询到的address_xx即为网卡IP，address后的序号为昇腾AI处理器物理ID，即device_id，后面的ip地址即为需要用户填入的该device对应的网卡IP。 说明： 典型8网口集合通信场景下：ranktable文件中的devices字段会记录每个device可用的网口ip信息，如下所示为device_id为0，网口ip地址为192.168.100.101的devices信息： "devices": [{"device_id": "0", "device_ip": "192.168.100.101"}] 针对Atlas 训练系列产品，网口裁剪的场景下，通过ranktable校验得到各Server可用的1/2/4个网口信息，当devices中device_ip字段为空字符串" "时，代表该device的网口不在集合通信中使用，如下所示为device_id为0网口不使用时的devices信息： "devices": [{"device_id": "0", "device_ip": ""}]	必选
  rank_id	Rank唯一标识，从0开始配置，且全局唯一，取值范围：[0, 总Device数量-1]	必选

• 模板二（兼容部分已有场景）

  {
  "status":"completed",   // Rank table可用标识，completed为可用
  "group_count":"1",      // group数量，建议为1
  "group_list":           // group列表
   [
     {
      "group_name":"hccl_world_group",//group名称，建议hccl_world_group
      "instance_count":"2",        // instance实例个数，容器场景下可理解为容器个数
      "device_count":"2",         // group中的所有device数目
      "instance_list":[
          {
             "pod_name":"tf-bae41",     //instance实例名称，一般为容器名称
             "server_id":"10.0.0.10",   //server标识，以IP格式填入
             "devices":[                //instance实例的device列表
              {
                "device_id":"0",           // 昇腾AI处理器HDC通道号
                "device_ip":"192.168.1.8"  // 昇腾AI处理器真实网卡IP
              }
             ]
          },
          {
              "pod_name":"tf-tbdf1",             
              "server_id":"10.0.0.10",
              "devices":[
                  {
                      "device_id":"1",
                      "device_ip":"192.168.1.9"  
                  }
               ]
            }
         ]
     }     
   ] 
  }

  表2 ranktable文件说明

  配置项	配置说明	可选/必选
  status	Rank table可用标识。 completed：表示Rank table可用，可执行训练。 initializing：表示Rank table不可用，不可执行训练。	必选
  group_count	用户申请的Group数量，建议配置为1。	必选
  group_list	Group列表。	必选
  group_name	Group名称，当group_count为1时，建议配置为hccl_world_group或为空。因为当前版本无论定义为任何值，都会创建名称为hccl_world_group的group。 如果通过该配置文件创建了多个group，则系统会自动将多个group合并为一个名称为“hccl_world_group”的group资源。	可选
  instance_count	和instance_list中pod_name个数保持一致，例如：容器场景下为容器实际数量。	必选
  device_count	group中设备数量。	必选
  instance_list	-	-
  pod_name	用户自定义配置，保持instance_list内全局唯一。	必选
  server_id	Server物理IP，以点分十进制表示的字符串，配置示例：10.0.0.10	必选
  devices	-	-
  device_id	昇腾AI处理器物理ID，即Device在Server上的序列号。 取值范围：[0，实际Device数量-1]	必选
  device_ip	昇腾AI处理器集成网卡IP，全局唯一，以点分十进制表示的字符串，配置示例：192.168.1.8。 可以在当前Server执行指令cat /etc/hccn.conf获取网卡IP。 说明： 典型8网口集合通信场景下：ranktable文件中的devices字段会记录每个device可用的网口ip信息，如下所示为device_id为0，网口ip地址为192.168.100.101的devices信息： "devices": [{"device_id": "0", "device_ip": "192.168.100.101"}] 针对Atlas 训练系列产品，网口裁剪的场景下，通过ranktable校验得到各Server可用的1/2/4个网口信息，当devices中device_ip字段为空字符串" "时，代表该device的网口不在集合通信中使用，如下所示为device_id为0网口不使用时的devices信息： "devices": [{"device_id": "0", "device_ip": ""}]	必选

{
"server_count":"1",  //参与训练的AI Server数目，此例中，只有一个AI Server
"server_list":
[
   {
        "device":[   // AI Server中的Device列表
                       {
                        "device_id":"0",   // 处理器HDC通道号
                        "device_ip":"192.168.1.8",    // 处理器真实网卡IP
                        "rank_id":"0"     // rank的标识，rankID从0开始
                        },
                        {
                         "device_id":"1",
                         "device_ip":"192.168.1.9", 
                         "rank_id":"1"
                         }
                  ],
         "server_id":"10.0.0.10"   //AI Server标识，以点分十进制表示IP字符串
    }
],
"status":"completed",   // ranktable可用标识，completed为可用
"version":"1.0"         // ranktable模板版本信息,当前必须为"1.0"
}

address_0=xx.xx.xx.xx
netmask_0=xx.xx.xx.xx
netdetect_0=xx.xx.xx.xx
address_1=xx.xx.xx.xx
netmask_1=xx.xx.xx.xx
netdetect_1=xx.xx.xx.xx
...

"devices": [{"device_id": "0", "device_ip": "192.168.100.101"}]