问题描述

mc2/distribute_barrier/op_api/distribute_barrier_base.cpp 的 BarrierCheckParams 声明为 aclnnStatus，但 group 取值非法（空串 / 超长）分支里写的是 return false;：

aclnnStatus BarrierCheckParams(const aclTensor* xRef, const char* group)
{
    CHECK_RET(BarrierCheckNullStatus(xRef, group), ACLNN_ERR_PARAM_NULLPTR);
    auto groupStrnLen = strnlen(group, HCCL_GROUP_NAME_MAX);
    if ((groupStrnLen >= HCCL_GROUP_NAME_MAX) || (groupStrnLen == 0)) {
        OP_LOGE_FOR_INVALID_VALUE_WITH_REASON("aclnnDistributeBarrier", "group", ...);
        return false;                 // ← 0 == ACLNN_SUCCESS，"取值非法"被吞成成功
    }
    return ACLNN_SUCCESS;
}

false 转 aclnnStatus 即 0 = ACLNN_SUCCESS，于是调用点的 CHECK_RET(retParam == ACLNN_SUCCESS, retParam) 直接放行，这段取值校验完全没有生效：接口继续带着空 groupBuf 进入 aclnnInnerDistributeBarrierGetWorkspaceSize。

用户可见后果：group 为空串 / 超长时返回 161001（资料定义为「必选参数 Tensor 是空指针」），与 group=nullptr 的返回码完全一样，无法区分「指针为空」与「取值非法」；日志里打印的是 value must be in the range (0, HCCL_GROUP_NAME_MAX)，返回码却是空指针语义，定位会走偏。资料 docs/aclnnDistributeBarrier.md 的错误码表只列了 161001 = 输入的必选参数 Tensor 是空指针，没有覆盖「group 取值非法」这一实际路径。

实测（A2 910B2）：

三种情况 workspaceSize 均为 0，进程不崩溃。

环境信息

• 硬件：Atlas A2 训练系列 910B2（npu-smi 26.1.1）
• CANN：9.2.0，Linux aarch64，g++ 11.4.0
• 仓：cann/ops-transformer master ce0faee2（2026-10-23 09:52）

复现脚本

// 编译: g++ -std=c++17 -O2 dbarrier.cpp -o dbarrier \
//         -I$ASCEND_HOME_PATH/include -L$ASCEND_HOME_PATH/lib64 \
//         -lascendcl -lopapi -lnnopbase
// 运行: ./dbarrier
#include <acl/acl.h>
#include <aclnnop/aclnn_distribute_barrier.h>
#include <cstdio>
#include <cstring>
#include <vector>

static aclTensor *mkT(std::vector<int64_t> s, aclDataType dt, void *d)
{
    std::vector<int64_t> st(s.size());
    int64_t k = 1;
    for (int i = (int)s.size() - 1; i >= 0; --i) { st[i] = k; k *= s[i]; }
    return aclCreateTensor(s.data(), s.size(), dt, st.data(), 0, ACL_FORMAT_ND, s.data(), s.size(), d);
}

static void trial(const char *tag, const char *group)
{
    void *dx = nullptr;
    aclrtMalloc(&dx, 64, ACL_MEM_MALLOC_HUGE_FIRST);
    std::vector<float> h(2, 1.0f);
    aclrtMemcpy(dx, 8, h.data(), 8, ACL_MEMCPY_HOST_TO_DEVICE);
    aclTensor *x = mkT({2}, ACL_FLOAT, dx);

    uint64_t ws = 0;
    aclOpExecutor *ex = nullptr;
    printf("-- %-34s group=%s\n", tag, group ? (group[0] ? group : "<empty>") : "nullptr");
    aclnnStatus r = aclnnDistributeBarrierGetWorkspaceSize(x, group, 1, &ws, &ex);
    printf("   ret=%d  ws=%llu\n", (int)r, (unsigned long long)ws);
}

int main()
{
    aclInit(nullptr);
    aclrtSetDevice(0);
    trial("CTRL nullptr group", nullptr);
    trial("BUG  empty group", "");
    char longg[128];
    memset(longg, 'a', sizeof(longg) - 1);
    longg[127] = 0;
    trial("BUG  overlong group", longg);
    aclrtResetDevice(0);
    aclFinalize();
    return 0;
}

实测输出：

-- CTRL nullptr group                      group=nullptr
   ret=161001  ws=0
-- BUG  empty group                        group=<empty>
   ret=161001  ws=0
-- BUG  overlong group                     group=aaaaaaaa...（127 字符）
   ret=161001  ws=0

期望行为

BarrierCheckParams 的取值非法分支返回 ACLNN_ERR_PARAM_INVALID（161002），使「group 为空指针」与「group 取值非法」两条路径可区分；同时资料错误码表补一行「group 为空串或长度 ≥ HCCL_GROUP_NAME_MAX」的说明。

影响

aclnnDistributeBarrier / aclnnDistributeBarrierV2（共用 distribute_barrier_base.cpp）在 group 参数写错时，给用户的返回码与「传了空指针」完全一致，日志文案又指向「取值范围」，排障时容易被引到错误方向；且 aclnn 层这道校验实际是死代码，后续 Inner 若变更对空 group 的处理，将直接落到 kernel 侧。