跳转至

Profiler 性能调优

Profiler 是面向 Ascend Profiling 与性能调优场景的 Agent，负责把复杂性能数据转化为结构化结论、根因分析和可执行优化建议。

1. Agent 定位

  • 面向单卡、多卡、集群等 Ascend 性能分析场景
  • 聚焦 Profiling 数据解读、瓶颈定位与调优建议输出
  • 适合快慢卡、慢节点、MFU、通信瓶颈、算子热点、下发调度等问题分析

2. 核心能力

  • 集群快慢卡、慢节点与负载不均衡分析 Beta
  • 通信瓶颈、算子热点、Host 下发与调度问题定位 Beta
  • 基于 DB / CSV / Trace 等交付件做结构化分析与导出 Beta
  • Profiling 数据检查与数据质量确认 Beta
  • MFU 计算、公式说明与结果解释 Beta
  • 基于 DB格式 交付件做RL、推理等阶段耗时拆解 Beta
  • Ascend 官方文档 / 社区资料 / 接口与工具语义 / 示例与开源代码的事实核验（委派 ascend-knowledge 子代理取证，返回带来源与版本/分支的证据） Beta

3. 推荐使用方式

  • 直接提供 Profiling 数据目录路径，并说明你想解决的问题
  • 如果是集群或多卡问题，尽量同时说明异常现象、涉及 rank 或训练阶段
  • 如果目标是做数据提取或导出，可直接给出 DB / CSV 文件路径和目标格式
  • 涉及 msprof / CANN / Ascend 工具使用、接口语义或仓库文档时，可直接提问，Profiler 会通过 ascend-knowledge 子代理（ascend-doc-mcp 通道）核验官方文档与仓库资料

4. 典型效果展示

场景 示例提示词 效果展示
MFU 计算 请基于 path/to/kernel_details.csv 计算 matmul 的 MFU（10B3），并说明各项计算依据。 MFU 计算示例
快慢卡诊断 请分析 /path/to/cluster_profiling/ 中是否存在快慢卡问题，定位异常 rank，并给出可能原因。 快慢卡诊断示例
profiling 数据检查 请分析 /path/to/xxx_ascend_pt/ 数据是否采集正常。 数据完整性验证示例
msprof 工具使用类咨询 msprof 怎么编译出 run 包？ 工具咨询示例
DB 自定义内容转 CSV 基于 ascend_pytorch_profiler_0.db，帮我提取各个算子类型的总耗时并按降序输出到 csv。 数据导出示例
VERL强化学习耗时拆解 基于ascend_pytorch_profiler_0.db，帮我分析RL各阶段耗时，并输出拆解报告 耗时拆解示例