| 【API】Add custom validation cases for HealthCheckServer APIs Co-authored-by: JfanLiu<1300083451@qq.com> # message auto-generated for no-merge-commit merge: !34493 merge test-healthcheck-server-api-v2.7.1 into v2.7.1 【API】Add custom validation cases for HealthCheckServer APIs Created-by: JfanLiu Commit-by: JfanLiu Merged-by: ascend-robot Description: 环境信息 操作系统：AlmaLinux 8.10 架构：aarch64 CANN 软件版本：8.5.0 安装的软件版本：torch 2.7.1+cpu、torch-npu 2.7.1.post2 一、4 个 API 功能如下： 1. torch.distributed.elastic.agent.server.health_check_server.HealthCheckServer elastic agent 健康检查服务的接口类。构造函数接收 alive_callback、port、timeout，并将三项配置保存到实例属性 _alive_callback、_port、_timeout，供后续 health check server 实现复用。当前社区实现是 noop health check server，不创建 socket、不启动后台线程、不访问设备资源。 2. torch.distributed.elastic.agent.server.health_check_server.HealthCheckServer.start 健康检查服务启动入口。当前社区实现保持 noop 行为，只通过 health_check_server logger 输出 WARNING 日志 No health check server started。该接口用于保持 elastic agent 健康检查启动链路的统一调用形态。 3. torch.distributed.elastic.agent.server.health_check_server.HealthCheckServer.stop 健康检查服务停止入口。当前社区实现保持 noop 行为，只通过 health_check_server logger 输出 INFO 日志 Stopping noop health check server.。该接口不维护额外运行状态，也不释放外部资源。 4. torch.distributed.elastic.agent.server.health_check_server.create_healthcheck_server 模块级 factory 函数。函数接收 alive_callback、port、timeout，返回 HealthCheckServer(alive_callback, port, timeout)。该函数的核心语义是返回类型固定、三项参数原样透传、创建阶段不执行 alive_callback。 二、社区用例对这 4 个 API 的验证完整性分析 搜索了官方 test 目录，搜了 HealthCheckServer、health_check_server、create_healthcheck_server，没有搜到，说明 4 个 API 没有直接测试用例。 1. torch.distributed.elastic.agent.server.health_check_server.HealthCheckServer 官方 test 目录未发现直接构造 HealthCheckServer 并校验 _alive_callback、_port、_timeout 的用例，也未发现构造阶段不触发 callback 的断言。构造参数保存和无副作用构造语义缺少直接覆盖。 2. torch.distributed.elastic.agent.server.health_check_server.HealthCheckServer.start 官方 test 目录未发现调用 start() 并校验 logger 名称、日志级别、日志内容的用例。当前 noop start 的外部可观察行为缺少直接覆盖。 3. torch.distributed.elastic.agent.server.health_check_server.HealthCheckServer.stop 官方 test 目录未发现调用 stop() 并校验 logger 名称、日志级别、日志内容的用例，也未发现 stop() 重复调用稳定性的验证。当前 noop stop 的外部可观察行为和幂等调用语义缺少直接覆盖。 4. torch.distributed.elastic.agent.server.health_check_server.create_healthcheck_server 官方 test 目录未发现调用 create_healthcheck_server() 并校验返回类型、alive_callback/port/timeout 参数透传、创建阶段不触发 callback 的用例。factory 函数的类型约束、参数传递和无副作用创建语义缺少直接覆盖。 三、NPU 适配 3.1 API 适配 这 4 个 API 属于 torch.distributed.elastic.agent.server.health_check_server 控制面逻辑。 这些 API 不执行 Tensor 计算，不涉及 NPU kernel、算子适配、计算图构建、精度对比、CANN runtime 或 HCCL 通信。 3.2 测试用例适配 本 PR 在 torch-npu test 目录新增自定义测试文件： - test/distributed/elastic/agent/server/test_healthcheckserver_api.py 测试文件覆盖以下用例： 1. test_init：直接构造 HealthCheckServer(alive_callback, 0, 30)，校验 _alive_callback、_port、_timeout 与入参一致，并校验构造阶段没有调用 alive_callback。 2. test_create_healthcheck_server：调用 create_healthcheck_server(alive_callback, 0, 45)，校验返回对象是 HealthCheckServer，校验 alive_callback、port、timeout 原样传入实例，并校验 factory 阶段没有调用 alive_callback。 3. test_start_logs_warning：调用 start()，使用 assertLogs 捕获 torch.distributed.elastic.agent.server.health_check_server logger 的 WARNING 记录，校验只产生 1 条日志，且 message 精确等于 No health check server started。 4. test_stop_logs_info：调用 stop()，使用 assertLogs 捕获 torch.distributed.elastic.agent.server.health_check_server logger 的 INFO 记录，校验只产生 1 条日志，且 message 精确等于 Stopping noop health check server.。 5. test_start_stop_lifecycle_safe：按 start() -> stop() 顺序执行完整生命周期调用，校验 noop 实现不抛异常，覆盖常规调用链。 6. test_stop_idempotent：执行 start() 后连续调用 stop() 三次，校验重复 stop() 不抛异常，覆盖停止接口的幂等调用场景。 3.3 文档修改 本测试 PR 不修改 docs 文件。docs 支持项由独立 docs PR 补齐。 四、运行日志 python test/distributed/elastic/agent/server/test_healthcheckserver_api.py ...W0428 12:03:19.530000 11291 torch_npu_2.7.1/lib/python3.11/site-packages/torch/distributed/elastic/agent/server/health_check_server.py:48] No health check server started .W0428 12:03:19.531000 11291 torch_npu_2.7.1/lib/python3.11/site-packages/torch/distributed/elastic/agent/server/health_check_server.py:48] No health check server started .. ---------------------------------------------------------------------- Ran 6 tests in 1.376s OK See merge request: Ascend/pytorch!34493 | 3 个月前 |