openLiBing可接管PR, PR详情链接:
https://www.openlibing.com/apps/transitionPrDetail?owner=Ascend&repo=pytorch&number=39873&platform=gitcode&codeHostingPlatformFlag=gitcode

Thanks for your pull-request.
The full list of commands accepted by me can be found at here。
You can get sig-info at here

PR Approval Progress

✅ Congratulations! All modules have met the lgtm and approve requirements.

Module Approval Details

💡 Tip:

• Committer can comment /approve or /lgtm
• Commenting /approve implies both code review (lgtm) and intent to merge (approve)

CLA Signature Pass

ascend-ds-bot, thanks for your pull request. All authors of the commits have signed the CLA. 👍

ascend docs pipeline is running...

✅ 跳过 docs ci 检查，没有需要检查的文档文件

• compile、compile_inductor、compile_torchair : 运行流水线
• retry : 重试流水线所有失败子任务
• retry <任务名> : 仅重试指定失败子任务
• stop : 停止流水线

变更摘要

此 PR 修复了 profiler 在多卡分析场景下 ProfilerConfig 配置缓存未正确重置的问题。在多卡分析时，ProfilerConfig 的 _is_load 标志在上一次分析后仍为 True，导致后续卡的分析无法重新加载配置信息。修复方案为新增 reset_is_load() 方法，并在每次解析 profiling 数据前调用该方法以清除缓存标志，确保每张卡的配置信息能被正确加载。

主要改动

• 新增 ProfilerConfig.reset_is_load() 方法：在 _profiler_config.py 中为 ProfilerConfig 类添加了 reset_is_load() 方法，将 _is_load 标志重置为 False，允许后续重新加载配置。
• 解析前重置配置加载状态：在 _profiling_parser.py 的 ProfilingParser 解析流程中，于 ProfilerConfig().load_info() 调用前插入 ProfilerConfig().reset_is_load() 调用，确保每张卡的配置信息都能被加载而不受上一张卡缓存的影响。
• 新增单元测试：在 test_profiler_config.py 中添加了 test_reset_is_load_will_reset_is_load_to_false 测试用例，验证 reset_is_load() 方法能正确将 _is_load 置为 False 且不影响其他属性（如 _rank_id）。

代码审查

我已经仔细审查了所有三个变更文件的 diff 和上下文代码。以下是每个文件的分析：

• torch_npu/profiler/analysis/_profiler_config.py — ProfilerConfig 是 @Singleton 装饰的类。新增的 reset_is_load() 方法将 _is_load 重置为 False，从而允许 load_info() 在后续调用时重新读取配置（而不是因 _is_load 守卫而直接返回）。

• torch_npu/profiler/analysis/_profiling_parser.py — 在 analyse_profiling_data 中的 load_info() 调用之前添加了 ProfilerConfig().reset_is_load()。由于 ProfilerConfig 是单例，两个 ProfilerConfig() 调用返回的是同一个实例。此变更确保每个 profiling 路径的配置都会被重新读取，而不是使用缓存的配置。

• test/profiler/analysis/test_profiler_config.py — 新增的测试方法 test_reset_is_load_will_reset_is_load_to_false 验证了 reset_is_load() 能正确重置 _is_load 而不影响 _rank_id。

我检查了以下潜在问题，但均 未发现 此 diff 引入了真正的问题：

1. 正确性：reset_is_load() + load_info() 的组合对于每个 worker 进程中顺序处理多张卡的情况是正确且安全的。load_info 会覆盖所有配置字段（_rank_id、_export_type、_activities 等）。由于使用 concurrent.futures.ProcessPoolExecutor（多进程，非多线程），不同 worker 进程之间不存在共享内存，因此不存在竞态条件。

2. 部分加载风险：如果 load_info 在中途失败（例如 _get_json_data 返回 {} 或某个子方法抛出异常），_is_load 保持为 False，下次调用时会重新尝试。字段回退到默认值或当前值，这是预先存在的设计行为，并非此 diff 引入。

3. 字段残留：load_syscnt_info 和 load_timediff_info 在 JSON 缺少某些字段时会回退到当前值（例如 self._freq）。这可能导致来自上一张卡的某些值被保留——但这是这些加载方法预先存在的回退行为，并非此 diff 引入。此 diff 实际上通过允许 load_info 重新运行，改善了原本完全不重新加载任何字段的问题。

4. 测试隔离性：由于 ProfilerConfig 是单例，所有测试共享同一个实例——这是现有测试套件的一个预先存在的模式，并非此 diff 引入。

总结

• P0–P2 问题：0
• P3 问题：0
• 总体结论：此 diff 是一个干净、最小化的修复，解决了 issue #2573（多卡离线分析时的配置缓存错误）。reset_is_load() 方法被正确地添加到 ProfilerConfig 中，在 analyse_profiling_data 中被正确调用，并且有一个合适的单元测试。未发现任何正确性、安全性、可靠性或破坏性变更的问题。

已审查文件：

• test/profiler/analysis/test_profiler_config.py — 无问题
• torch_npu/profiler/analysis/_profiler_config.py — 无问题
• torch_npu/profiler/analysis/_profiling_parser.py — 无问题

⚠️ 已识别出整体风险，但无法提取行内评论，请参考整体评估。

/approve

/lgtm