Ascend/ssh-dev-suite/debug

ssh-debug

概述

引导agent按结构化流程排查远程服务器问题，避免盲目执行命令。所有远程命令通过connect/scripts/ssh-exec.sh执行。

适用场景

• 服务异常（进程崩溃、服务不可用）
• 性能问题（CPU/内存/磁盘/GPU）
• 部署失败排查
• 容器内应用调试

流程步骤

1. 确认目标

• 获取问题描述，确认profile和排查方向
• 产出：profile名称 + 问题分类

2. 上下文感知环境检查

• 读取本地工程文件推断依赖，动态生成检查项
• 基础检查：uptime, df -h, free -m, top -bn1 | head -20
• 按规则表执行额外检查
• 产出：环境状态概览

3. 日志分析

• 定位日志：journalctl -u <service> --since "1h ago", /var/log/
• 搜索关键词：grep -i "error\|fatal\|exception" <log> | tail -50
• 容器：docker logs <container> --tail 200

Token优化策略:

• 日志分析：先用grep搜索错误关键词，找到问题再扩展上下文

• 大日志文件：只读tail -50，不读全文

• 环境检查：输出摘要，不粘贴完整命令结果

• 产出：错误信息摘要

4. 深入排查

• 根据线索执行针对性命令，每次验证一个假设
• 检查配置文件、环境变量、依赖版本
• 产出：根因或最可能原因

5. 总结报告

• 输出发现（现象、根因、影响）和修复建议
• 产出：结构化排查报告

上下文感知规则表

| 检测到的依赖 | 额外检查命令 | |---|---| | PyTorch / TensorFlow | nvidia-smi, GPU显存占用 | | 华为 CANN / MindSpore | npu-smi info, NPU状态 | | Docker / docker-compose | docker ps -a, docker stats --no-stream | | 数据库连接配置 | 连通性测试、活跃连接数 |

常用排查命令速查

| 场景 | 命令 | |---|---| | 进程 | ps aux \| grep <app>, systemctl status <svc> | | 资源 | df -h, free -m, top -bn1 \| head -20 | | 日志 | tail -100 <log>, journalctl -u <svc> --since "1h ago" | | 网络 | ss -tlnp, curl -sv localhost:<port> | | 容器 | docker logs <c> --tail 100, docker stats --no-stream | | GPU | nvidia-smi, npu-smi info |

容器内调试

profile配置container字段时，ssh-exec.sh自动路由命令到容器内。注意：

• 容器内工具可能缺失，优先用基础命令（cat, ls, env）
• 需宿主机信息时，用不带container的profile

Token约束

• 日志分析：先grep错误关键词，再按需扩展上下文
• 环境检查：输出摘要而非完整命令结果
• 深入排查：每次验证一个假设，不批量执行命令
• 重复信息：不复述已知内容