[Bug-Report|缺陷反馈]: allreduce通信缺陷-hccl-AtomGit

已关闭

[Bug-Report|缺陷反馈]: allreduce通信缺陷 #114

issuebot创建于 5月15日关闭于 6月2日

5月15日创建

数值安全（HIGH）

文件位置	问题	修复建议
all_reduce_auto_selector.cc:224	除零：`DEFAULT_RANK_SIZE / userRankSize` 未检查	添加除零检查
ccu_temp_all_reduce_nhr_1D_mem2mem.cc:153	除零：`dataSize / dataSizePerVolume / templateRankSize_`	添加除零检查
ins_v2_all_reduce_sole_executor.cc:78	溢出：`dataCount_ * dataTypeSize_`	添加溢出检查
ins_v2_all_reduce_concurrent_executor.cc:162	溢出：同上	同上

内存安全（HIGH）

文件位置	问题	修复建议
ins_v2_all_reduce_sole_executor.cc:97	越界：`remoteRankToChannelInfo_[0]` 未检查空	添加 empty() 检查
ins_temp_all_reduce_mesh_1D_one_shot.cc:130	越界：`channels.at(fromRank)[0]` 未检查	添加边界检查
ins_v2_all_reduce_concurrent_executor.cc:411	越界：`temp0Threads_.at(0)` 未检查	同上
ccu_temp_all_reduce_mesh_1D_one_shot.cc:89	空指针：`buffInfo_.inputPtr` 未判空	添加 nullptr 检查

输入验证（MEDIUM）

文件位置	问题	修复建议
all_reduce_op.cc:111	buffer重叠未检查	添加重叠检查
all_reduce_auto_selector.cc:91	dataTypeSize 未校验	添加校验

并发安全（MEDIUM）

文件位置	问题	修复建议
ins_v2_all_reduce_concurrent_executor.cc:313	同步失败可能导致死锁	添加异常恢复
ins_v2_all_reduce_parallel_executor.cc:286	线程资源竞争	添加索引检查

资源管理（HIGH/LOW）

文件位置	问题	修复建议
ins_v2_all_reduce_sole_executor.cc:195	ctxPtr 未判空	添加 nullptr 检查
ins_v2_all_reduce_sole_executor.cc:56	shared_ptr 生命周期管理	确认裸指针未保存

优先修复：除零保护（3处）、数组越界（4处）

L Leewis成员

5月15日关联了看板：HCCL

Leewis成员

5月15日评论：

/assign @gcw_dFpssWuk

CANN-robot成员

5月15日将 gcw_dFpssWuk 设为负责人

L Leewis成员

5月15日修改标题为 “[Bug-Report|缺陷反馈]: allreduce通信缺陷”，原标题为“allreduce通信缺陷”

L Leewis成员

5月22日将 chengym 设为负责人

L Leewis成员

5月22日移除了负责人 gcw_dFpssWuk

ChengYM成员

6月1日评论：

问题分析（修改待上库）：
all_reduce_auto_selector.cc:224 中除零：DEFAULT_RANK_SIZE / userRankSize 未检查问题：在userRankSize为0的场景走的是另一条分支
ccu_temp_all_reduce_nhr_1D_mem2mem.cc:153 除零：dataSize / dataSizePerVolume / templateRankSize_：已修改
ins_v2_all_reduce_sole_executor.cc:78 溢出：dataCount_ * dataTypeSize_：已修改
ins_v2_all_reduce_concurrent_executor.cc:162 溢出：同上：已修改
ins_v2_all_reduce_concurrent_executor.cc:411 越界：temp0Threads_.at(0) 未检查：前面已经检查过是否为空，不需要重复检查
ccu_temp_all_reduce_mesh_1D_one_shot.cc:89 空指针：buffInfo_.inputPtr 未判空：已修改
all_reduce_auto_selector.cc:91 dataTypeSize 未校验：没有找到对应问题
ins_v2_all_reduce_concurrent_executor.cc:313 同步失败可能导致死锁：对应代码没有同步操作
ins_v2_all_reduce_parallel_executor.cc:286 线程资源竞争：业务多线程场景会区分资源，不涉及
ins_v2_all_reduce_sole_executor.cc:56 shared_ptr 生命周期管理：无安全风险，暂时不处理

ChengYM成员

6月2日评论：

已经分析完成，需要修改的主线已经修改上库了

L Leewis成员

6月2日 issue状态由待办的改变为已解决

L Leewis成员

6月2日关闭了 issue

CANN-robot成员

6月2日添加了label：resolved

L Leewis成员

14 天前移除了看板：HCCL