LLMStatusCode

LLMException中status_code对应的枚举类，枚举值及解决方法如下表。

枚举值	含义	是否可恢复	解决办法
LLM_SUCCESS	成功	无	无
LLM_FAILED	通用失败	否	重启机器或容器。 保留现场，获取Host/Device日志，并备份。
LLM_PARAM_INVALID	参数错误	是	基于日志排查错误原因。
LLM_KV_CACHE_NOT_EXIST	KV不存在	是	- 检查对应全量侧报错日志中的请求是否完成。 - 检查是否存在重复拉取。 - 检查标记目标cache的参数是否错误。
LLM_REPEAT_REQUEST	重复请求	是	检查是否存在重复调用。
LLM_NOT_YET_LINK	没有建链	是	上层排查Decode与Prompt建链情况。
LLM_ALREADY_LINK	已经建过链	是	上层排查Decode与Prompt建链情况。
LLM_LINK_FAILED	建链失败	是	link_clusters第二个返回值中有该错误码时，需要检查对应集群之间的网络连接。
LLM_UNLINK_FAILED	断链失败	是	unlink_clusters第二个返回值中有该错误码时，需要检查对应集群之间的网络连接。
LLM_NOTIFY_PROMPT_UNLINK_FAILED	通知Prompt侧断链失败	是	1. 排查Decode与Prompt之间的网络连接。 2. 主动调Prompt侧的unlink_clusters清理残留资源。
LLM_CLUSTER_NUM_EXCEED_LIMIT	集群数量超过限制。	是	排查link_clusters和unlink_clusters传入参数，clusters数量不能超过16。
LLM_PROCESSING_LINK	正在处理建链	是	当前正在执行建链或断链操作，请稍后再试。
LLM_PREFIX_ALREADY_EXIST	前缀已经存在	是	检查是否已加载过相同Prefix Id的公共前缀。如果是，需要先释放。
LLM_PREFIX_NOT_EXIST	前缀不存在	是	检查Request中的Prefix Id是否已加载过。
LLM_EXIST_LINK	switch_role时，存在未释放的链接。	是	检查在切换当前LLMDataDist的角色前是否已经调用unlink_clusters断开所有的链接。
LLM_FEATURE_NOT_ENABLED	特性未使能	是	检查初始化LLMDataDist时是否传入了必要option。 如果是切换当前LLMDataDist的角色时抛出该异常，排查初始化时LLMConfig是否设置了enable_switch_role = True。
LLM_TIMEOUT	处理超时	是	- 如果是pull_cache、pull_blocks、transfer_cache_async等传输相关接口报错，该链路不可恢复，需重新建链。 - 其他接口报该异常，加大超时时间并重试。
LLM_LINK_BUSY	链路繁忙	是	检查同时调用的接口是否有冲突，例如：同时调用如下接口时，会报该错误码。 同时调用unlink和pull_cache。 使用相同链路同时调用pull_cache和transfer_cache_async。
LLM_OUT_OF_MEMORY	内存不足	是	检查内存池是否足够容纳申请的KV大小。 检查申请的内存是否没有释放。
LLM_DEVICE_MEM_ERROR	出现内存UCE（incorrect error，指系统硬件不能直接处理恢复内存错误）的错误虚拟地址	是	获取并修复内存UCE的错误虚拟地址。如果是KV Cache内存，需要再调用cache manager的remap_registered_memory接口修复注册给网卡的KV Cache内存。 说明： 本错误码为预留，暂不支持。
LLM_SUSPECT_REMOTE_ERROR	疑似是UCE内存故障	否	上层框架需要结合其它故障进行综合判断是UCE内存故障还是他故障。
LLM_UNKNOWN_ERROR	未知错误	否	保留现场，获取Host/Device日志，并备份。

请参考PyTorch的torch_npu.npu.restart_device接口的说明获取并修复内存UCE的错误虚拟地址。