变更摘要

本 PR 主要针对 HCCL 集群通信参数不一致错误码 EI0005 的上报进行优化：统一调整了 EI0005 的报错文案与参数列表（移除 group 字段），并同步修改了多个调用 RPT_INPUT_ERR 上报 EI0005 的调用点；同时为 error_code.cc 中多个错误码的 Solution 补充了指向昇腾官方文档的排查指引链接。此外还顺带调整了设备异常检测消息中设备列表的拼接格式。

主要改动

• EI0005 错误码定义与文案优化（error_code.cc）：将 EI0005 的 ErrMessage 由 "The arguments for collective communication are inconsistent between ranks, operator %s, group %s, parameter %s, local rank %s, remote rank %s." 修改为 "The parameters of operator %s are inconsistent between ranks, parameter %s is %s on the local rank and %s on the remote rank."，Arglist 由 ccl_op, group, para_name, local_para, remote_para 精简为 ccl_op, para_name, local_para, remote_para（移除 group），并在 Solution 中补充按关键词 EI0005 在 hiascend.com 文档检索的排查指引。

• 各上报点同步移除 group 参数：rank_consistentcy_checker.cc 的 ReportCommonError、transport_heterog.cc 的 CheckConsistentFrame（HcomBatchGet 的 ranktable CRC 校验）、rank_consistency_checker_v2.cc 的 CompareCrcArrayV2 以及 coll_operator_check.cc 的 ReportOpCheckFailed（两处重载）均将 RPT_INPUT_ERR 的 arglist 由 5 项调整为 4 项，并删除对应传入的 group/identifier/optag 取值，与新错误码定义保持一致。

• heartbeat.cc 上报格式调整：CheckOpInconsistentError 中 EI0005 上报的 arglist 与取值顺序改为重复使用 para_name（para_name, ccl_op, para_name, local_para, para_name, remote_para），以配合新的参数校验值说明方式。

• 多错误码补充官方文档排查指引（error_code.cc）：为 EI0011、EI0012、EI0013、EI0015、EI0019 的 Solution 统一追加 "For detailed troubleshooting guidance, search for the keyword ... on https://www.hiascend.com/document/." 的指引内容。

• 设备列表消息格式调整（detect_connect_anomalies.cc 的 BuildGroupedDetectMessage）：移除设备列表字符串拼接时首尾的 [、] 方括号，仅保留以逗号分隔的设备序号输出。

代码审查

审查结论

变更文件逐项复核

1. src/legacy/ascend910/common/error_code/error_code.cc — EI0005 模板从 5 参数改为 4 参数（ccl_op,para_name,local_para,remote_para），各 Solution 文案追加排障指引链接，JSON 格式合法。模板与其余调用点匹配。无问题。

2. src/legacy/ascend910/common/health/rank_consistentcy_checker.cc — ReportCommonError 的 EI0005 上报已正确改为 4 key + 4 value，与模板一致。无问题。

3. src/legacy/ascend910/framework/cluster_maintenance/detect/detect_connect_anomalies/detect_connect_anomalies.cc — BuildGroupedDetectMessage 仅移除 deviceList 两侧的 [/]，输出只用于日志/消息展示，无解析方依赖。无问题。

4. src/legacy/ascend910/framework/cluster_maintenance/health/heartbeat/heartbeat.cc — 存在问题（P1）：CheckOpInconsistentError 的 EI0005 上报改成了 6 个 key/value，para_name 重复 3 次、顺序错乱，与新的 4 占位符模板及全部兄弟调用点不一致，触发上报时内容错位（ccl_op 位置填入不一致类型字符串、para_name 填入算子名），上报的故障信息失真。

5. src/legacy/ascend910/platform/resource/transport/heterog/transport_heterog.cc — CheckConsistentFrame 的 EI0005 上报已正确改为 4 key + 4 value（ccl_op=HcomBatchGet、para_name=ranktable CRC）。无问题。

6. src/legacy/ascend950/framework/communicator/rank_consistency_checker_v2.cc — CompareCrcArrayV2 的 EI0005 上报已正确改为 4 key + 4 value。无问题。

7. src/legacy/ascend950/service/collective/coll_operator_check.cc — ReportOpCheckFailed 两个重载的 EI0005 上报均已正确改为 4 key + 4 value。无问题。

发现统计

• P0：0
• P1：1（heartbeat.cc 2107-2110 EI0005 上报 key/value 向量改坏，参数个数/顺序/内容与模板不匹配）
• P2：0
• P3：0

总体风险评估

本 PR 的核心意图是统一 EI0005 故障码的消息模板与各调用点的参数结构（移除 group 参数）。除 heartbeat.cc 外，其余改动与模板严格一致。heartbeat.cc 的改动是一个明显的手工编辑错误：key 列表中出现 3 次重复的 para_name、参数数量为 6 而模板只有 4 个占位符，且 value 与 key 的对应关系错位。该路径虽然只在检测到不一致算子时触发，但一旦触发，EI0005 上报内容即失真，直接抵消本 PR 的修复目的，建议合入前修正。整体风险可控，但该处须修复。

⛔ 需要修改

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.
You can self-configure the PR merge rules for this repository. For more details, please refer to Here.
For more, you also can visit HICANN.

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

liuwanke152, thanks for your pull request. All authors of the commits have signed the CLA. 👍

/approve

The MR can not be merged, because of CodeReview discussion not resolved

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