HCCL_IF_IP

配置 HCCL 的初始化 root 通信网卡 IP 。

环境变量 HCCL_IF_IP > 环境变量 HCCL_SOCKET_IFNAME > docker/lo 以外网卡(网卡名字典序升序) > docker 网卡 > lo 网卡。

1

export HCCL_IF_IP=10.10.10.1

HCCL_IF_BASE_PORT

指定 Host 网卡起始端口号，配置后系统默认占用以该端口起始的 16 个端口进行集群信息收集，取值范围为[1024,65520] 。

1

export HCCL_IF_BASE_PORT=50000

HCCL_SOCKET_IFNAME

HCCL 可通过该网卡名获取 Host IP

支持以下格式

• export HCCL_SOCKET_IFNAME=eth,enp，表示使用所有以 eth 或 enp 为前缀的网卡。
• export HCCL_SOCKET_IFNAME=^eth,enp，表示不使用任何以 eth 或 enp 为前缀的网卡。
• export HCCL_SOCKET_IFNAME==eth0,enp0，表示使用 eth0 网卡或 enp0 网卡。
• export HCCL_SOCKET_IFNAME=^=eth0,enp0，表示不使用 eht0 与 enp0 网卡。

HCCL_SOCKET_FAMILY

量指定通信网卡使用的 IP 协议

1
2

export HCCL_SOCKET_FAMILY=AF_INET       #IPv4
export HCCL_SOCKET_FAMILY=AF_INET6      #IPv6

HCCL_CONNECT_TIMEOUT

用于限制不同设备之间 socket 建链过程的超时等待时间，取值范围[120,7200]，默认值 120s。

1

export HCCL_CONNECT_TIMEOUT=200

HCCL_EXEC_TIMEOUT

控制设备间执行时同步等待的时间，取值范围不同设备有差异，默认值为 1836s。

1

export HCCL_EXEC_TIMEOUT=1800

HCCL_INTRA_PCIE_ENABLE

配置 Server 内是否使用 PCIe 环路进行多卡间的通信

1

export HCCL_INTRA_PCIE_ENABLE=1

HCCL_INTRA_ROCE_ENABLE

配置 Server 内是否使用 RoCE 环路进行多卡间的通信

1

export HCCL_INTRA_ROCE_ENABLE=1

HCCL_WHITELIST_FILE

当已通过 HCCL_WHITELIST_DISABLE 开启了通信白名单校验功能时，需要通过此环境变量配置指向 HCCL 通信白名单配置文件的路径，只有在通信白名单中的 IP 地址才允许进行集合通信

1

export HCCL_WHITELIST_FILE=/home/test/whitelist

文件格式 { "host_ip": ["ip1", "ip2"], "device_ip": ["ip1", "ip2"] }

HCCL_WHITELIST_DISABLE

配置在使用 HCCL 时是否关闭通信白名单，1 表示关闭白名单，0 表示开启，默认值为 1。

1

export HCCL_WHITELIST_DISABLE=1

HCCL_RDMA_TC

配置 RDMA 网卡的 traffic class，默认值为 132。

1

export HCCL_RDMA_TC=100

HCCL_RDMA_SL

配置 RDMA 网卡的 service level，该值需要和网卡配置的 PFC 优先级保持一致，若配置不一致可能导致性能劣化，取值范围[0,7]，默认值 4。

HCCL_BUFFSIZE

HCCL 通信缓存的大小。

通过在计算节点上预分配一定数量的内存空间，用于存储通信数据，避免频繁的内存分配和释放操作，从而提高了通信效率。HCCL_BUFFSIZE 默认值为 100 MB。

1

export HCCL_BUFFSIZE=200

HCCL_RDMA_TIMEOUT

配置 RDMA 网卡重传超时时间的系数 timeout，默认值为 20

1

export HCCL_RDMA_TIMEOUT=6

HCCL_RDMA_RETRY_CNT

配置 RDMA 网卡的重传次数，需要配置为整数，取值范围为[1,7]，默认值为 7。

1

export HCCL_RDMA_RETRY_CNT=5

HCCL_BUFFSIZE

控制两个 NPU 之间共享数据的缓存区大小。单位为 M，需要配置为整数，取值大于等于 1，默认值是 200M。

计算公式: (MircobatchSize SequenceLength hiddenSize sizeOf (DataType) )/(10241024)，向上取整。

1

export HCCL_BUFFSIZE=200

HCCL_ALGO

配置集合通信 Server 间跨机通信算法，支持全局配置算法类型与按算子配置算法类型两种配置方式

• 全局配置

1

export HCCL_ALGO="level0:NA;level1:<algo>"

algo 取值范围 ring、H-D_R、NHR、NHR_V1、NB、pipeline、pairwise

• 按算子配置

1

export HCCL_ALGO="<op0>=level0:NA;level1:<algo0>/<op1>=level0:NA;level1:<algo1>"

algo 取值范围 op、algo

HCCL_DIAGNOSE_ENABLE

配置集合通信是否缓存部分任务的详细信息，以便任务执行失败时，打印详细日志，用于问题定位，1 表示开启，0 表示关闭，默认值为 0。

1

export HCCL_DIAGNOSE_ENABLE=1

HCCL_ENTRY_LOG_ENABLE

控制集合通信算子调用行为日志的打印方式，1 为调用一次打印一次，0 为统一打印，默认值为 0。

1

export HCCL_ENTRY_LOG_ENABLE=1

HCCL_OP_EXPANSION_MODE

配置通信算法的编排展开位置，取值范围:

• AI_CPU，代表通信算法的编排展开位置在 Device 侧的 AI CPU 计算单元
• AIV，代表通信算法的编排展开位置在 Device 的 AI Vector Core 计算单元
• 默认为空，保持原有算法编排位置

1

export HCCL_OP_EXPANSION_MODE="AI_CPU"

HCCL_DETERMINISTIC

配置是否开启归约类通信算子的确定性计算，其中归约类通信算子包括 AllReduce、ReduceScatter、Reduce，默认值 false，不开启。

1

export HCCL_DETERMINISTIC=true