如何通过Device日志获取故障ID并排查RAS硬件故障

图1 排查流程

在Host侧服务器上，通过msnpureport工具导出Device侧日志，包括slog日志、syslog日志、黑匣子等。
在某个有读、写、执行权限的目录（如“/var/log/npu/report”，下文以此路径为例）下执行msnpureport工具，msnpureport工具命令示例如下，其中/usr/local/Ascend是驱动包的默认安装路径，请根据实际情况替换。
```
/usr/local/Ascend/driver/tools/msnpureport -f
```
导出的Device日志默认存放在/var/log/npu/report目录下。
从1中收集的slog日志中，在report/*/slog/dev-os-id/[run|debug]/device-os/device-os_*.log目录下找到发生问题附近时间、对应Device的系统日志，检查日志中是否存在“event_id”关键字，若不存在，则跳转到3继续排查；若存在，则单击Link查找对应产品的《健康管理故障定义》并查阅其中的解决方法。
如果slog日志中的时间与发生问题的时间相距较远，则旧日志可能已经被覆盖或清理，这种场景也会导致搜不到问题相关的“event_id”。

此时，还可以使用npu-smi命令查询指定芯片健康状态，若存在RAS故障，则最多可以查询到最近8次故障的event id，可作为定位问题时参考：

npu-smi命令示例如下（id表示设备ID，chip_id表示芯片ID，可以先使用npu-smi info命令获取设备ID和芯片ID）：
```
npu-smi info -t health -i id -c chip_id
```
查询结果示例如下：
从1中收集的黑匣子日志中，在report/*/hisi_logs目录下找到发生问题附近时间、对应Device的黑匣子日志，检查日志中是否存在“Hardware Error”关键字，若不存在，则表示暂未识别到硬件故障；若存在，表示未知硬件问题，需联系技术支持进一步定位处理。您可以获取日志后单击Link联系技术支持。

父主题： 常用定位操作