oneDNN项目中aarch64架构下benchdnn解析器错误的分析与解决

问题背景

在oneDNN项目的持续集成测试中，aarch64架构的夜间构建(nightly build)突然出现了失败。经过排查，发现问题源于一个涉及BF16数据类型的测试用例提交后引发的benchdnn解析器错误。这个问题特别值得关注，因为它影响了整个aarch64架构的测试流程。

问题现象

当运行benchdnn工具的矩阵乘法(matmul)测试时，系统会报出以下错误信息：

ERROR: dims are expected to start with an integer value.
Given input: 'tails"'
Error: Function 'parse_prb_vdims' at (/home/sidmen01/oneDNN/tests/benchdnn/utils/parser.cpp:851) returned '1'

值得注意的是，这个问题仅在批量模式(batch mode)下出现，单独运行测试用例时不会触发错误。

技术分析

经过深入分析，我们发现问题的根源在于benchdnn工具的批量解析器处理字符串的方式。具体来说：

1. 字符串读取机制：批量解析器使用C++的>>操作符来读取输入字符串，这个操作符默认使用空白字符(空格、制表符等)作为分隔符。

2. 测试用例格式：出错的测试用例包含了一个带有空格的字符串"k tails"，格式为8x2664:2664x256_n"k tails"。

3. 解析过程：当解析器遇到这个字符串时，它会将8x2664:2664x256_n"k作为第一个token读取，然后尝试将tails"解释为维度参数，这显然不符合预期。

解决方案

针对这个问题，开发团队采取了以下修复措施：

1. 测试用例修改：移除了测试用例名称中的空格字符，确保名称可以被正确解析。

2. 根本原因解决：虽然直接修改测试用例可以解决问题，但从长远来看，可能需要考虑增强解析器的鲁棒性，使其能够正确处理包含空格的字符串。

经验总结

这个案例给我们提供了几个重要的经验教训：

1. 输入验证的重要性：即使是内部测试工具，也需要对输入进行严格的验证，特别是当输入可能包含特殊字符时。

2. 批量模式与单独模式的差异：测试时需要考虑不同运行模式下的行为差异，确保在各种场景下都能正常工作。

3. 持续集成的价值：这个问题是通过持续集成系统发现的，凸显了自动化测试在软件开发中的重要性。

对开发者的建议

对于使用oneDNN或开发类似深度学习框架的开发者，我们建议：

1. 在编写测试用例时，避免在名称中使用特殊字符，特别是空格。

2. 当设计解析器时，考虑使用更健壮的字符串处理方法，比如支持引号包围的字符串。

3. 充分利用持续集成系统，确保代码变更不会引入回归问题。

通过这次问题的分析和解决，oneDNN项目在aarch64架构下的稳定性得到了保障，同时也为类似问题的预防和处理积累了宝贵经验。