变更摘要

本 PR 新增了 Ascend NPU 环境下对 torch.autograd.profiler.parse_nvprof_trace 和 load_nvprof 接口的适配性单元测试文件 test/profiler/test_parse_nvprof_trace.py。通过构造最小 nvprof 兼容 SQLite 数据库（含 Marker、Runtime、Concurrent Kernel 表结构），覆盖仅 Marker 解析、Marker+Kernel 关联解析、EnforceUnique 行为、NPU 算子负载后解析可用性等场景，确保该接口在 torch_npu 栈上行为正确。

主要改动

• 新增测试模块 test/profiler/test_parse_nvprof_trace.py：包含环境检测函数 _require_ascend_npu_stack() 和 SQLite 构造函数 _create_nvprof_sqlite()，无 NPU 时通过 @unittest.skipIf 整模块跳过，避免在纯 CPU/CUDA 环境误跑。
• 新增测试类 TestParseNvprofTraceAscendNPU：继承自 torch_npu.testing.testcase.TestCase，在 setUpClass 中初始化 NPU 设备并打印版本信息，提供 6 个测试用例覆盖 API 可用性、仅 Marker 解析、带 Kernel 关联解析、load_nvprof 返回 EventList、EnforceUnique 异常抛出、以及 NPU 算子执行后再次解析等场景。
• 构造最小 nvprof SQLite 数据库：_create_nvprof_sqlite() 按 parse_nvprof_trace 查询的表结构创建 CUPTI_ACTIVITY_KIND_MARKER、CUPTI_ACTIVITY_KIND_RUNTIME、CUPTI_ACTIVITY_KIND_CONCURRENT_KERNEL 和 StringTable 表，插入两组测试数据（aten::add / aten::mm），支持含 Kernel 与不含 Kernel 两种模式。
• 验证 parse_nvprof_trace 回调 FunctionEvent 字段正确性：断言解析结果数量、name、time_range.start 顺序、cpu_time 值以及 kernels 列表的名称和耗时均符合预期。
• 验证 load_nvprof 与 EnforceUnique 在 NPU 环境下行为一致：load_nvprof 返回 EventList 实例且事件名称正确；EnforceUnique 重复注册相同键时抛出 RuntimeError。

openLiBing可接管PR, PR详情链接:
https://www.openlibing.com/apps/transitionPrDetail?owner=Ascend&repo=pytorch&number=42230&platform=gitcode&codeHostingPlatformFlag=gitcode

代码审查

经过全面分析，该测试文件编写质量良好，我未发现任何需要报告的实质性问题。以下是我的详细审查结果：

逐项审查结论：

1. 模块级 skip 逻辑（第 24-31 行，第 96 行）：_require_ascend_npu_stack() 在模块加载时计算 _SKIP_REASON，与 @unittest.skipIf 装饰器 + setUpClass 双重检查形成合理防护。符合该仓库中 NPU 测试的惯例。

2. _create_nvprof_sqlite 辅助函数（第 34-93 行）：SQLite 表结构（CUPTI_ACTIVITY_KIND_MARKER、CUPTI_ACTIVITY_KIND_RUNTIME、CUPTI_ACTIVITY_KIND_CONCURRENT_KERNEL、StringTable）与 parse_nvprof_trace 的查询需求对齐。Marker id=100/200 起止配对正确，runtime-kernel 通过 correlationId 关联正确。

3. 测试数据一致性：

   • events[0].cpu_time = 5000-1000 = 4000.0 ✓
   • events[1].cpu_time = 9000-6000 = 3000.0 ✓
   • add_evt.kernels[0].duration = 1700-1600 = 100 ✓
   • mm_evt.kernels[0].duration = 6900-6600 = 300 ✓

4. 临时文件清理（第 140-153 行，第 157-176 行，第 180-189 行，第 207-217 行）：所有测试方法均使用 try/finally + os.remove(path) 确保临时 SQLite 文件被清理。

5. API 可用性检查（第 132-136 行）：hasattr + callable 双验证模式正确。

6. EnforceUnique 测试（第 191-196 行）：正确验证重复 see() 调用抛出 RuntimeError。

7. 导入路径（第 16-21 行）：parse_nvprof_trace、load_nvprof、EnforceUnique 来自 torch.autograd.profiler，EventList、FunctionEvent 来自 torch.autograd.profiler_util，均为 PyTorch 公开 API 的正确导入路径。

审查结论

• 文件：test/profiler/test_parse_nvprof_trace.py — 无问题
• 发现问题数：P0: 0, P1: 0, P2: 0, P3: 0
• 总体风险判断：低风险。该测试文件结构清晰，SQLite schema 与 parse_nvprof_trace 解析逻辑对齐，断言值与测试数据一致，资源清理完备。可以安全合入。

⚠️ 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

Pull Request 已合并或已关闭。

If you want to solve this problem, you can click here to do it in the FAQs.