NCCL 测试结果怎么看：单节点基线、多节点扩展与验收记录 NEWS DETAIL

NCCL 测试不能只看一行最大带宽。结果受集合通信类型、消息大小、GPU 数量、进程布局、拓扑、网络路径和软件版本影响。验收的核心是建立可重复的单节点基线，再观察增加节点后的扩展变化和稳定性。

先固定测试环境

记录服务器、GPU、网卡、交换机和介质，保存 BIOS、驱动、CUDA、NCCL、网卡固件和网络系统版本。还要记录容器镜像、环境变量、拓扑文件、CPU 与 NUMA 绑定。缺少这些信息，即使结果很好也难以复现。

理解算法带宽和总线带宽

算法带宽描述应用数据完成集合操作的有效速率；总线带宽根据集合通信方式对数据移动量进行归一化，便于在一定条件下比较。两者都需要结合具体 collective、GPU 数量和消息大小解释，不能直接等同于单条物理链路速率。

按规模递增定位边界

1. 单 GPU 与单机多 GPU，确认服务器内部路径。
2. 双节点，确认网络和跨节点基本配置。
3. 逐步增加节点，观察扩展效率和波动。
4. 覆盖小、中、大消息，避免只测最有利区间。
5. 延长运行时间并保留失败、重试和错误日志。

验收应同时看性能和稳定性

正式验收前应约定测试命令、规模、通过阈值和允许波动，并把原始输出纳入交付资料。业务模型与 NCCL 合成测试关注点不同，最终仍需用代表性训练或推理任务做一次端到端复验。