openLiBing可接管PR, PR详情链接:
https://www.openlibing.com/apps/transitionPrDetail?owner=Ascend&repo=pytorch&number=39874&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

• 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，由于配置缓存未正确重置导致的问题。通过在 ProfilerConfig 类中新增 reset_is_load() 方法，并在 ProfilingParser 解析流程中调用该方法，确保每次解析前 _is_load 标记被重置为 False，避免上一次加载的缓存配置影响后续多卡的分析结果。

主要改动

• 新增 ProfilerConfig.reset_is_load() 方法：在 _profiler_config.py 中为 ProfilerConfig 类添加 reset_is_load() 方法，用于将 _is_load 标记重置为 False，提供清除配置加载缓存的能力。
• 解析流程中增加缓存重置调用：在 _profiling_parser.py 的 ProfilingParser 解析逻辑中，于调用 ProfilerConfig().load_info() 之前先执行 ProfilerConfig().reset_is_load()，确保每次解析多卡数据时配置加载状态是干净的。
• 新增对应的单元测试：在 test_profiler_config.py 中添加 test_reset_is_load_will_reset_is_load_to_false 测试用例，验证 reset_is_load() 能将 _is_load 置为 False，同时不影响 _rank_id 等其他字段。

代码审查

经过对三个变更文件的逐一审查，包括对 Singleton 模式、load_info 缓存逻辑、调用链（analyse_profiling_data → run_parser → 各下游解析器）的完整上下文分析，未发现此 diff 引入任何正确性、安全性、可靠性或破坏性变更问题。

变更要点及验证结论：

1. torch_npu/profiler/analysis/_profiler_config.py：新增 reset_is_load() 方法，将 _is_load 置为 False。实现简洁正确，ProfilerConfig 为 @Singleton，方法仅操作实例自身状态，无副作用。

2. torch_npu/profiler/analysis/_profiling_parser.py：在 analyse_profiling_data 中，于 load_info 之前调用 reset_is_load()。由于 ProfilerConfig 是单例，两次 ProfilerConfig() 返回同一实例，确保 _is_load 被重置后再加载配置。这解决了原 bug（多卡分析时配置缓存导致 rank 不一致），且与 no_exception_func 装饰器的异常处理逻辑兼容。

3. test/profiler/analysis/test_profiler_config.py：新增 test_reset_is_load_will_reset_is_load_to_false 测试用例，验证 reset_is_load 仅重置 _is_load 而不影响 _rank_id 等其他状态。测试逻辑正确。

审查总结

• P0/P1/P2 问题：0 个
• P3 问题：0 个
• 整体风险评估：此变更风险低，修复针对性强，无引入新缺陷的迹象。

各文件审查结果：

• 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。

/lgtm

/approve