写Ascend C算子最怕的不是编译失败——编译失败有明确的错误信息。最怕的是运行时Segmentation Fault什么都没告诉你NPU直接挂了。没有堆栈、没有日志、只有一行Killed。这篇整理了算子开发中常见的运行时错误、调试方法、以及定位根因的完整流程。运行时错误的分类在算子开发中我们通常会遇到以下几类运行时错误内存错误Segmentation Fault通常由越界访问或空指针引起。Bus Error通常由未对齐访问引起。内存泄漏UBUnified Buffer未释放、pipe未关闭等导致。计算错误NaN/Inf输出除零、溢出、数据未初始化等原因导致。精度偏差类型转换不当、浮点误差累积导致。结果全零UB数据还没搬过来就开始计算。调度错误算子注册失败算子名重复、参数不匹配。Kernel Launch失败block_dim超限、内存不足。Shape不匹配tiling参数配置错误。同步错误死锁缺少pipe_barrier导致流水线卡死。数据竞争双缓冲交换时机错误。结果未就绪DMA异步搬运但没等待完成就读取。调试工具一printf调试法最实用Ascend C支持printf但有特定限制它主要在CPU模拟模式下使用在NPU上运行时printf的输出会重定向到/var/log/npu/slog/host-0/目录下的日志文件中且printf会影响性能调试完记得删掉。// debug_printf.cpp - 用printf调试Ascend C kernel#includekernel_operator.husingnamespaceAscendC;classDebugKernel{public:__aicore__inlinevoidInit(GM_ADDR input,GM_ADDR output,int32_tsize){this-sizesize;input_gm.SetGlobalBuffer((__gm__ half*)input,size);output_gm.SetGlobalBuffer((__gm__ half*)output,size);pipe.InitBuffer(in_ub,size*sizeof(half));pipe.InitBuffer(out_ub,size*sizeof(half));// ★ 调试技巧1打印参数printf([Init] size%d, input%p, output%p\n,size,input,output);}__aicore__inlinevoidProcess(){LocalTensorhalfin_localin_ub.Gethalf();LocalTensorhalfout_localout_ub.Gethalf();// 搬入数据DataCopy(in_local,input_gm,size);pipe_barrier();// ★ 调试技巧2打印搬运后的数据前10个printf([After DataCopy] First 10 values:\n);for(inti0;i10isize;i){// half需要转成float才能打印printf不支持half格式printf( in[%d] %f\n,i,(float)in_local.GetValue(i));}// 计算for(inti0;isize;i){half valin_local.GetValue(i);// ★ 调试技巧3打印中间结果if(i5){printf( Processing: in[%d]%f\n,i,(float)val);}out_local.SetValue(i,val*(half)2.0);}// 搬出数据DataCopy(output_gm,out_local,size);pipe_barrier();// ★ 调试技巧4打印完成信息printf([Process] Done. Processed %d elements.\n,size);}private:GlobalTensorhalfinput_gm,output_gm;TBufUBin_ub,out_ub;int32_tsize;TPipe pipe;};调试工具二CPU模拟模式CPU模拟模式允许我们在CPU上运行kernel从而可以使用gdb等传统工具进行单步调试。# 编译CPU模式atc--singleop\--kerneldebug_kernel.cpp\--outputdebug_kernel_cpu.so\--socVersionAscend910\--simulate_modecpu# ★ 关键参数CPU模拟模式# 运行测试脚本python3 test_kernel.py对应的测试脚本test_kernel.py示例importtorchimportnumpyasnp# 准备测试数据input_datanp.array([1.0,2.0,3.0,4.0,5.0],dtypenp.float16)output_datanp.zeros(5,dtypenp.float16)# 用CPU模拟模式加载并运行kernelcann.AscendCKernel(debug_kernel_cpu.so)kernel.run(input_data,output_data,len(input_data))print(fInput:{input_data})print(fOutput:{output_data})CPU模拟模式的优劣势优势可以用gdb单步调试printf正常输出到终端地址检查工具可用如valgrind, ASan崩溃时有完整的堆栈信息。劣势不能测试NPU特有的行为比如Cube Unit的tile对齐要求性能数据无参考价值某些NPU指令在CPU上没有对应实现。使用gdb调试的方法gdb--argspython3 test_kernel.py(gdb)breakdebug_kernel.cpp:45(gdb)run(gdb)print size(gdb)step(gdb)continue调试工具三NPU日志系统slog昇腾NPU拥有完善的日志系统可以通过分析日志来定位问题。importsubprocessimportosdefconfigure_npu_logging(levelWARNING): 配置NPU日志级别 level: DEBUG/INFO/WARNING/ERROR # 通过环境变量控制os.environ[ASCEND_SLOG_PRINT_TO_STDOUT]1# 同时输出到终端os.environ[ASCEND_GLOBAL_LOG_LEVEL]level# 或者通过npu-smi配置resultsubprocess.run([npu-smi,info,-t,log,-l,level],capture_outputTrue,textTrue)print(f日志级别已设为:{level})defget_recent_npu_logs(lines50):获取最近的NPU日志log_dir/var/log/npu/slog/host-0/device-0/# 找最新的日志文件log_filessorted(os.listdir(log_dir),reverseTrue)iflog_files:latest_logos.path.join(log_dir,log_files[0])resultsubprocess.run([tail,-n,str(lines),latest_log],capture_outputTrue,textTrue)returnresult.stdoutreturn没有找到NPU日志defanalyze_npu_error(log_content):分析NPU日志中的错误errors[]warnings[]forlineinlog_content.split(\n):ifERRORinline:errors.append(line)elifWARNINGinline:warnings.append(line)print(f发现{len(errors)}个错误,{len(warnings)}个警告)iferrors:print(\n错误列表)forerrinerrors[-10:]:# 最近的10个错误print(f{err})# 常见错误模式匹配error_patterns{out of memory:显存不足减小batch size或tiling参数,invalid address:地址越界检查数组索引和指针计算,kernel launch failed:kernel启动失败检查block_dim和共享内存,timeout:执行超时可能死锁检查pipe_barrier,ECC:硬件ECC错误可能是内存硬件故障,}forpattern,suggestioninerror_patterns.items():forerrinerrors:ifpatterninerr.lower():print(f\n 可能原因:{suggestion})break调试工具四AddressSanitizerASanASan是检测内存越界、use-after-free、内存泄漏的神器。# 编译时加ASanexportCXXgexportCXXFLAGS-fsanitizeaddress -fno-omit-frame-pointer -gexportLDFLAGS-fsanitizeaddressatc--singleop\--kerneldebug_kernel.cpp\--outputdebug_kernel_asan.so\--socVersionAscend910\--simulate_modecpu\--extra_cflags-fsanitizeaddress -g\--extra_ldflags-fsanitizeaddress# 运行python3 test_kernel.py如果有内存问题ASan会输出非常详细的报告例如 12345ERROR: AddressSanitizer: heap-buffer-overflow on address 0x602000000028 READ of size 2 at 0x602000000028 thread T0 #0 0x7f8a1b2c3d4e in DebugKernel::Process() debug_kernel.cpp:35 #1 0x7f8a1b2c4d5e in main test_kernel.py:42 0x602000000028 is located 0 bytes to the right of 16-byte region [0x602000000018,0x602000000028)
CANN算子开发调试实战：从“Segmentation Fault“到定位根因的完整流程
发布时间：2026/5/23 22:53:57
写Ascend C算子最怕的不是编译失败——编译失败有明确的错误信息。最怕的是运行时Segmentation Fault什么都没告诉你NPU直接挂了。没有堆栈、没有日志、只有一行Killed。这篇整理了算子开发中常见的运行时错误、调试方法、以及定位根因的完整流程。运行时错误的分类在算子开发中我们通常会遇到以下几类运行时错误内存错误Segmentation Fault通常由越界访问或空指针引起。Bus Error通常由未对齐访问引起。内存泄漏UBUnified Buffer未释放、pipe未关闭等导致。计算错误NaN/Inf输出除零、溢出、数据未初始化等原因导致。精度偏差类型转换不当、浮点误差累积导致。结果全零UB数据还没搬过来就开始计算。调度错误算子注册失败算子名重复、参数不匹配。Kernel Launch失败block_dim超限、内存不足。Shape不匹配tiling参数配置错误。同步错误死锁缺少pipe_barrier导致流水线卡死。数据竞争双缓冲交换时机错误。结果未就绪DMA异步搬运但没等待完成就读取。调试工具一printf调试法最实用Ascend C支持printf但有特定限制它主要在CPU模拟模式下使用在NPU上运行时printf的输出会重定向到/var/log/npu/slog/host-0/目录下的日志文件中且printf会影响性能调试完记得删掉。// debug_printf.cpp - 用printf调试Ascend C kernel#includekernel_operator.husingnamespaceAscendC;classDebugKernel{public:__aicore__inlinevoidInit(GM_ADDR input,GM_ADDR output,int32_tsize){this-sizesize;input_gm.SetGlobalBuffer((__gm__ half*)input,size);output_gm.SetGlobalBuffer((__gm__ half*)output,size);pipe.InitBuffer(in_ub,size*sizeof(half));pipe.InitBuffer(out_ub,size*sizeof(half));// ★ 调试技巧1打印参数printf([Init] size%d, input%p, output%p\n,size,input,output);}__aicore__inlinevoidProcess(){LocalTensorhalfin_localin_ub.Gethalf();LocalTensorhalfout_localout_ub.Gethalf();// 搬入数据DataCopy(in_local,input_gm,size);pipe_barrier();// ★ 调试技巧2打印搬运后的数据前10个printf([After DataCopy] First 10 values:\n);for(inti0;i10isize;i){// half需要转成float才能打印printf不支持half格式printf( in[%d] %f\n,i,(float)in_local.GetValue(i));}// 计算for(inti0;isize;i){half valin_local.GetValue(i);// ★ 调试技巧3打印中间结果if(i5){printf( Processing: in[%d]%f\n,i,(float)val);}out_local.SetValue(i,val*(half)2.0);}// 搬出数据DataCopy(output_gm,out_local,size);pipe_barrier();// ★ 调试技巧4打印完成信息printf([Process] Done. Processed %d elements.\n,size);}private:GlobalTensorhalfinput_gm,output_gm;TBufUBin_ub,out_ub;int32_tsize;TPipe pipe;};调试工具二CPU模拟模式CPU模拟模式允许我们在CPU上运行kernel从而可以使用gdb等传统工具进行单步调试。# 编译CPU模式atc--singleop\--kerneldebug_kernel.cpp\--outputdebug_kernel_cpu.so\--socVersionAscend910\--simulate_modecpu# ★ 关键参数CPU模拟模式# 运行测试脚本python3 test_kernel.py对应的测试脚本test_kernel.py示例importtorchimportnumpyasnp# 准备测试数据input_datanp.array([1.0,2.0,3.0,4.0,5.0],dtypenp.float16)output_datanp.zeros(5,dtypenp.float16)# 用CPU模拟模式加载并运行kernelcann.AscendCKernel(debug_kernel_cpu.so)kernel.run(input_data,output_data,len(input_data))print(fInput:{input_data})print(fOutput:{output_data})CPU模拟模式的优劣势优势可以用gdb单步调试printf正常输出到终端地址检查工具可用如valgrind, ASan崩溃时有完整的堆栈信息。劣势不能测试NPU特有的行为比如Cube Unit的tile对齐要求性能数据无参考价值某些NPU指令在CPU上没有对应实现。使用gdb调试的方法gdb--argspython3 test_kernel.py(gdb)breakdebug_kernel.cpp:45(gdb)run(gdb)print size(gdb)step(gdb)continue调试工具三NPU日志系统slog昇腾NPU拥有完善的日志系统可以通过分析日志来定位问题。importsubprocessimportosdefconfigure_npu_logging(levelWARNING): 配置NPU日志级别 level: DEBUG/INFO/WARNING/ERROR # 通过环境变量控制os.environ[ASCEND_SLOG_PRINT_TO_STDOUT]1# 同时输出到终端os.environ[ASCEND_GLOBAL_LOG_LEVEL]level# 或者通过npu-smi配置resultsubprocess.run([npu-smi,info,-t,log,-l,level],capture_outputTrue,textTrue)print(f日志级别已设为:{level})defget_recent_npu_logs(lines50):获取最近的NPU日志log_dir/var/log/npu/slog/host-0/device-0/# 找最新的日志文件log_filessorted(os.listdir(log_dir),reverseTrue)iflog_files:latest_logos.path.join(log_dir,log_files[0])resultsubprocess.run([tail,-n,str(lines),latest_log],capture_outputTrue,textTrue)returnresult.stdoutreturn没有找到NPU日志defanalyze_npu_error(log_content):分析NPU日志中的错误errors[]warnings[]forlineinlog_content.split(\n):ifERRORinline:errors.append(line)elifWARNINGinline:warnings.append(line)print(f发现{len(errors)}个错误,{len(warnings)}个警告)iferrors:print(\n错误列表)forerrinerrors[-10:]:# 最近的10个错误print(f{err})# 常见错误模式匹配error_patterns{out of memory:显存不足减小batch size或tiling参数,invalid address:地址越界检查数组索引和指针计算,kernel launch failed:kernel启动失败检查block_dim和共享内存,timeout:执行超时可能死锁检查pipe_barrier,ECC:硬件ECC错误可能是内存硬件故障,}forpattern,suggestioninerror_patterns.items():forerrinerrors:ifpatterninerr.lower():print(f\n 可能原因:{suggestion})break调试工具四AddressSanitizerASanASan是检测内存越界、use-after-free、内存泄漏的神器。# 编译时加ASanexportCXXgexportCXXFLAGS-fsanitizeaddress -fno-omit-frame-pointer -gexportLDFLAGS-fsanitizeaddressatc--singleop\--kerneldebug_kernel.cpp\--outputdebug_kernel_asan.so\--socVersionAscend910\--simulate_modecpu\--extra_cflags-fsanitizeaddress -g\--extra_ldflags-fsanitizeaddress# 运行python3 test_kernel.py如果有内存问题ASan会输出非常详细的报告例如 12345ERROR: AddressSanitizer: heap-buffer-overflow on address 0x602000000028 READ of size 2 at 0x602000000028 thread T0 #0 0x7f8a1b2c3d4e in DebugKernel::Process() debug_kernel.cpp:35 #1 0x7f8a1b2c4d5e in main test_kernel.py:42 0x602000000028 is located 0 bytes to the right of 16-byte region [0x602000000018,0x602000000028)
)
