Dynamo 互联检查
给已部署的 Dynamo disagg 服务,只读检查 NIXL/UCX 传输与 InfiniBand、GPUDirect、NVLink 是否就绪,给出是否可信的结论。
功能与用途
多节点或分离式部署的推理服务,常常接口冒烟测试能过,但 KV 传输其实已经悄悄退化到慢路径,基准数字全是假的。这个 Skill 用只读方式去查 recipe 里的传输环境变量、worker pod 节点的 InfiniBand/RDMA/NVLink 能力和 NIXL 可达性,每项给 ok/warn/fail/skipped,最后汇总说明这套 disagg 到底能不能信。它不动集群、不打印密钥,但需要你能 kubectl exec 到 worker pod。
适用场景
- 刚用 recipe-runner 把多节点 disagg r:刚用 recipe-runner 把多节点 disagg recipe 拉起来,要在对外报吞吐前先确认 KV 传输走的是 RDMA 而不是退化路径
- aggregated 模式跑得好好的,一切到 disagg :aggregated 模式跑得好好的,一切到 disagg 就变慢、卡住或输出错乱,怀疑是网络结构而不是模型的问题
- 准备做分离式推理压测,需要先确认底层 fabric 和 NI:准备做分离式推理压测,需要先确认底层 fabric 和 NIXL 可达性没问题,免得采到一堆废数据
- 上生产前做一次只读巡检,核查集群 side 的 Infini:上生产前做一次只读巡检,核查集群 side 的 InfiniBand Active 链路和 nvidia_peermem 模块是否满足分离式服务要求
适用人群
- GPU 集群运维工程师
- 推理服务部署工程师
- 大模型基础设施研发
使用步骤
- 先跑 env 子命令指向你的 recipe 目录,看 NIXL/UCX/NCCL 传输变量哪些设置了、disagg 关键项(如 UCX_TLS、UCX_NET_DEVICES、NCCL_IB_HCA)哪些缺失。
- 在 GPU 节点上或 worker pod 内跑 node 子命令,逐项探测 InfiniBand 设备与 Active 链路、GPUDirect RDMA、GDRCopy 和 NVLink 拓扑,缺工具的项会标 skipped。
- 跑 nixl 子命令检查 pod 里有没有 NIXL 测试工具,拿到下一步做 pairwise prefill↔decode 传输测试的确切命令。
- 汇总三项结果,对照输出契约判断 disagg 传输能不能信,或者先按提示修哪一项(例如让管理员加载 nvidia-peermem)。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- IT运维与安全
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-09-18
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
使用前准备
- 操作机需 Python 3.10+,并有目标 Dynamo 部署 worker pod 的 kubectl exec 权限与 recipe 目录读权限。
依赖与权限
- 读取用户主动提供的内容