2026年8月

「4就是大于8，数学真不是体育老师教的」

XCCL通信故障及国产 XPU TP=4 意外反超 TP=8 的通信诊断

摘要：本文记录一次昆仑芯 P800 八卡推理集群 XCCL 集合通信故障的完整诊断过程：从 TP=8 服务启动超时，到卡对二分测试定位四张问题卡，再到 TP=4 降级部署后吞吐意外反超 TP=8。结论部分诚实区分「带病基线」与「并行度收益…

「大象过窄门」

GLM-5.3-Flash 的 8 卡 P800 部署评估

328.4GB 官方 FP8 权重、8×96G 显存、34 层 KDA 线性注意力、11 层 DSA 稀疏注意力、288 个路由专家。模型已经开源，算子是否已经就绪，需要拆开来看。一、引言：一头 321B 的大象，站在窄门前GLM-5.3…

「水为什么排不干」

一次 bcache dirty 540G 脏数据事故的全景排查

是什么：一台 KVM 宿主的 bcache 脏数据最高冲到 540G+，长时间排不完，宿主 IO 持续劣化。为什么：多租户随机小写叠加 RAID6 的 RMW 写惩罚，持续入写（约 18MB/s）跑赢了底层 md0 的随机小写能力（约 1…

欢迎使用 Typecho

如果您看到这篇文章,表示您的 blog 已经安装成功.

「皇帝的新衣」

12.4B 扇区 mismatch 与 --assume-clean 的伪 RAID0

这次排查的结论：冗余配置最完整的地方，实际没有冗余。一次常规存储排查，把一套运行已久的「双盘冗余」打回了原形。一台 KVM 宿主运行 md0 RAID6（12×7T LUN），上层为 bcache writeback + ext4，承载数…