算子执行过程中D2D拷贝出错

问题现象

参见收集进程中断问题信息收集日志文件，收集的日志所存放的目录，下文以${HOME}/err_log_info/为例。

Host应用类日志（${HOME}/err_log_info/log/[run|debug]/plog/plog-pid_*.log）日志中存在SDMA任务（即D2D拷贝任务）执行报错的信息，日志示例如下：

[ERROR] RUNTIME(33549,python3):2024-01-16-06:49:00.516.893 [device_error_proc.cc:1226]122568 ProcessStarsSdmaErrorInfo:[FINAL][FINAL]The error from device(chipId:7, dieId:0), serial number is 1. there is a fftsplus sdma error, sdma channel is 6, sdmaState=0x6, sdmaTslotid=0x5, sdmaCxtid=0x1, sdmaThreadid=0x0, irqStatus=0x420000, cqeStatus=0x150000.

故障根因

根据日志信息，获取cqeStatus=0x150000，将该参数值向右移1位cqeStatus>>1，可计算出真正的错误码code=000Ah，该错误码的含义如下：

错误码	描述	可能原因
000Ah	SDMAA上报的错误，表示SDMAA搬运过程中出现COMPDATAERR。	数据异常，访问HBM返回error。一般出现该报错大概率是HBM比特ECC故障了。

错误码

描述

可能原因

000Ah

SDMAA上报的错误，表示SDMAA搬运过程中出现COMPDATAERR。

数据异常，访问HBM返回error。

一般出现该报错大概率是HBM比特ECC故障了。

解决方法

在Device的slog日志（report/*/slog/dev-os-id/[run|debug]/device-os/device-os_*.log）中搜索“event_id”关键字，并获取其参数值（该参数值就是故障码），然后再单击Link查找对应产品的《健康管理故障定义》并查阅该故障的解决方法。

父主题： 典型案例