test_gpu_scripts/reports_multinode_nccl_diagnosis_20260523.md

多机多卡 NCCL 诊断报告

• 日期：2026-05-23
• 测试入口：nccl-gpu-1 / aikubeworker0012 / 172.72.8.12
• 对端节点：nccl-gpu-2 / aikubeworker0016 / 172.72.8.16
• 诊断配置：configs/multinode_nccl_diagnostic.yaml
• 原始脚本报告：reports_multinode_nccl_diagnostic_2x8_debug_v2.md

当前结论

这不是单纯 “IB 不通” 的问题。底层 CUDA RDMA perftest 可以跑到接近单端口 400Gb/s 的水平，但 NCCL 在实际 2 节点通信时把 GPU Direct RDMA 禁用了，导致 NCCL 带宽显著低于验收阈值。

同时，nccl-gpu-2 的 SSH 入口不稳定，会造成 mpirun 拉起远端 rank 失败。这个问题会直接影响 alltoall 等多机测试的稳定性，需要和 NCCL GDR 问题一起处理。

已完成的修正

1. 修正 mpirun 使用路径，避开系统 /usr/bin/mpirun 与 DOCA OpenMPI 动态库混用导致的崩溃。
2. 补充 LD_LIBRARY_PATH，确保 mpirun、CUDA、pip 安装的 NCCL 动态库可同时解析。
3. 将 NCCL HCA 限定到 400Gb/s 活跃端口：mlx5_0,mlx5_1,mlx5_6,mlx5_7。
4. 在脚本中加入 multi-node NCCL 网络诊断解析，报告会展示 NCCL Network、GPU Direct RDMA、GDR Disabled HCAs。
5. 增加 multinode_nccl.extra_env，可以在配置里快速试 NCCL 环境变量，不需要改代码。
6. 增加诊断配置 configs/multinode_nccl_diagnostic.yaml，固定跑 2 节点 x 8 GPU、256M、NCCL_DEBUG=INFO 和 NCCL_DEBUG_SUBSYS=INIT,NET。

关键证据

1. CUDA RDMA perftest 通过

命令类型：

CUDA_VISIBLE_DEVICES=0 ib_write_bw -d mlx5_0 -i 1 --use_cuda=0 -s 4194304 -F --report_gbits 172.72.8.16

结果：

测试	设备	GPU	平均带宽	结论
ib_write_bw --use_cuda	mlx5_0	GPU0	387.16 Gb/s	PASS

解释：GPU 内存参与 RDMA 写带宽测试可以接近 400Gb/s，说明 nvidia_peermem/经典 GPUDirect RDMA 路径并非完全不可用。

2. CUDA DMA-BUF 路径不可用

命令类型：

CUDA_VISIBLE_DEVICES=0 ib_write_bw -d mlx5_0 -i 1 --use_cuda=0 --use_cuda_dmabuf -s 4194304 -F --report_gbits 172.72.8.16

结果：

测试	输出	结论
ib_write_bw --use_cuda_dmabuf	DMA-BUF is not supported on this GPU	FAIL

解释：当前环境不能走 CUDA DMA-BUF RDMA。后续 NCCL 应优先确认是否能稳定走经典 nvidia_peermem 路径。

3. NCCL 单卡跨节点仍禁用 GDR

已经尝试：

• NCCL_NET_GDR_LEVEL=SYS
• NCCL_NET_GDR_LEVEL=5
• NCCL_NET_GDR_READ=1
• NCCL_DMABUF_ENABLE=0
• NCCL_IB_CUDA_SUPPORT=1
• NCCL_IB_HCA=mlx5_0

结果仍显示：

NCCL INFO Using network IB
NCCL INFO NET/IB : GPU Direct RDMA Disabled for HCA 0 'mlx5_0'

256M allreduce 约 13.4 GB/s，明显低于 400Gb/s IB 端口能力。

4. 脚本 2 节点 x 8 GPU 诊断结果

原始报告：reports_multinode_nccl_diagnostic_2x8_debug_v2.md

Operation	Topology	Peak Bus BW	Threshold	Status	NCCL Network	GPU Direct RDMA
allreduce	2 nodes x 8 GPUs	68.69 GB/s	>= 480 GB/s	FAIL	IB	DISABLED
alltoall	2 nodes x 8 GPUs	0.00 GB/s	>= 75 GB/s	FAIL	unknown	UNKNOWN

allreduce 失败原因是带宽不达标，且报告捕获到 GDR 被 NCCL 禁用：

GDR Disabled HCAs
mlx5_0, mlx5_1, mlx5_6, mlx5_7

alltoall 失败原因这轮不是性能本身，而是 mpirun 阶段受 SSH/网络发现影响失败，报告尾部显示：

lack of common network interfaces and/or no route found between them

当前阻塞

阻塞 1：NCCL 禁用 GPU Direct RDMA

现象：

• IB 能被 NCCL 识别：Using network IB
• 400Gb/s HCA 被 NCCL 选中：mlx5_0, mlx5_1, mlx5_6, mlx5_7
• 但 NCCL 明确禁用 GDR：GPU Direct RDMA Disabled
• perftest 的经典 CUDA RDMA 又能跑到 387.16 Gb/s

判断：底层 RDMA 能力存在，但 NCCL 的 GDR 判定/注册路径没有打通。优先排查 NCCL 与 NVIDIA driver、OFED、nvidia_peermem、NCCL net plugin/内部 IB 后端之间的兼容性。

阻塞 2：nccl-gpu-2 SSH 不稳定

现象：

• 多次出现：kex_exchange_identification: Connection closed by remote host
• MCP 直连 nccl-gpu-2 也会失败或长时间超时
• mpirun 依赖 SSH 拉起远端 rank，因此 SSH 抖动会让 alltoall 这类测试直接没有有效输出

判断：需要先处理 aikubeworker0016 的 SSHD/连接限制/MaxStartups/安全策略，否则多机测试无法稳定复现。

建议下一步

1. 先修 nccl-gpu-2 SSH 稳定性：检查 sshd_config 的 MaxStartups、连接限制、安全审计组件，以及是否有过多半开 SSH 会话。
2. 对两台机器分别确认 nvidia_peermem 参数、OFED 版本、NVIDIA driver 版本一致性。
3. 在两台机器上测试是否需要切换 nvidia_peermem peerdirect_support 模式，并在变更前确认没有正在运行的业务任务。
4. 尝试安装或启用匹配当前 OFED/driver 的 NCCL net plugin；当前日志显示 No plugin found (libnccl-net.so)，NCCL 使用的是 internal network plugin。
5. SSH 稳定后重跑完整多机配置：2 节点 x 8 GPU，至少覆盖 all_reduce_perf 和 alltoall_perf，消息大小从 1K 到 16G。

当前可交付物

• configs/multinode_nccl_diagnostic.yaml：多机多卡诊断配置
• reports_multinode_nccl_diagnostic_2x8_debug_v2.md：脚本生成的原始 2x8 诊断报告
• reports_multinode_nccl_diagnosis_20260523.md：本中文诊断总结