[发明专利]PCIE链路的稳定性测试方法、装置、计算机设备和介质

权利要求书

1.一种PCIE链路的稳定性测试方法，其特征在于，所述方法包括：

根据待测PCIE链路的拓扑结构构建GPU通信环，所述GPU通信环以GPU为通信节点，是将所有的通信节点通过首尾连接形成的单向环，数据在所述GPU通信环上依次传输；

向所述GPU通信环中的目标GPU发送测试指令，所述测试指令携带有测试数据块的大小，控制所述目标GPU根据所述测试指令中所述测试数据块的大小生成所述测试数据块，并控制所述GPU通信环包括的各个GPU依次传输所述测试数据块；

在传输所述测试数据块的过程中，获取所述GPU通信环包括的各个GPU的状态数据，所述状态数据包括所述待测PCIE链路报错信息和GPU当前带宽中的至少一种；

根据各所述状态数据确定所述待测PCIE链路的测试结果。

2.根据权利要求1所述的方法，其特征在于，所述向所述GPU通信环中的目标GPU发送测试指令，包括：

获取所述待测PCIE链路中的GPU的理论带宽；

根据所述GPU的理论带宽确定所述待测PCIE链路的最大有效带宽；

根据所述最大有效带宽确定测试数据块的大小，根据所述测试数据块的大小生成所述测试指令。

3.根据权利要求1所述的方法，其特征在于，所述根据各所述状态数据确定所述待测PCIE链路的测试结果，包括：

若各所述状态数据中存在目标状态数据，则确定所述待测PCIE链路的测试结果为测试不通过，其中，所述目标状态数据包括所述待测PCIE链路报错信息中包括报错标识，或者，所述GPU当前带宽超出预设带宽范围。

4.根据权利要求1所述的方法，其特征在于，所述根据待测PCIE链路的拓扑结构构建GPU通信环，包括：

获取所述待测PCIE链路中GPU的ID和GPU的数量；

调用NCCL根据所述GPU的ID和所述GPU的数量确定各所述GPU之间的数据传输顺序，得到所述GPU通信环。

5.根据权利要求4所述的方法，其特征在于，所述控制所述GPU通信环包括的各个GPU依次传输所述测试数据块，包括：

控制所述GPU通信环包括的各个GPU按照所述数据传输顺序依次从各所述GPU的前一GPU中复制所述测试数据块。

6.根据权利要求1所述的方法，其特征在于，所述目标GPU为所述GPU通信环中的起始位置的GPU。

7.根据权利要求1所述的方法，其特征在于，所述控制所述GPU通信环包括的各个GPU依次传输所述测试数据块，包括：

控制所述GPU通信环包括的各个GPU循环传输预设次数的所述测试数据块。

8.一种PCIE链路的稳定性测试方法装置，其特征在于，所述装置包括：

构建模块，用于根据待测PCIE链路的拓扑结构构建GPU通信环，所述GPU通信环以GPU为通信节点，是将所有的通信节点通过首尾连接形成的单向环，数据在所述GPU通信环上依次传输；

测试模块，用于向所述GPU通信环中的目标GPU发送测试指令，所述测试指令携带有测试数据块的大小，控制所述目标GPU根据所述测试指令中所述测试数据块的大小生成所述测试数据块，并控制所述GPU通信环包括的各个GPU依次传输所述测试数据块；

获取模块，用于在传输所述测试数据块的过程中，获取所述GPU通信环包括的各个GPU的状态数据，所述状态数据包括所述待测PCIE链路报错信息和GPU当前带宽中的至少一种；

确定模块，用于根据各所述状态数据确定所述待测PCIE链路的测试结果。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。