Falcon: 性能分析平台

Falcon 是一个多层架构的性能分析平台。它通过标准化的实验流水线，将不同场景（算法实验、Benchmark、精度对齐、Profiling、Kernel Bench）统一管理，解决团队间 benchmark 不透明、工具和方法不统一的问题，并通过 CLI（支持 --json 结构化输出）提供对人类和 AI 友好的操作方式。

核心理念

Falcon 采用多层数据模型，场景驱动实验，实验产出制品：

场景 (Benchmark / Profiling / 精度对齐 / ...)
  └─→ 实验 + 配置 (parallelism, remat, batch size, ...)
        └─→ 任务 (集群调度、资源分配)
              └─→ 制品 (XProf / Metrics / Log / Trace)
                    └─→ 数据分析 → 分析结果

实验是连接场景与任务的桥梁，完整记录每次运行的上下文：

┌─────────────────────────────────────────────────┐
│              Experiment                         │
│                                                 │
│  WHO: author, commit, branch, PR                │
│  WHAT: parallelism config, remat, batch size    │
│  WHERE: cluster, accelerator, device_num        │
│  RESULT: step_time, tflops, MFU, memory         │
│  TRACE: xplane, llo, hlo, trace                 │
│  STATUS: pending → running → completed          │
│                                                 │
└─────────────────────────────────────────────────┘

解决什么问题

痛点	现状	Falcon 方案
Benchmark 不透明	跑了什么、结果如何，只有跑的人知道	实验自动注册到共享 Registry，全团队可见
工具不统一	每人各自写脚本解析 profiling 数据	标准化 CLI（--json 结构化输出），统一查询/分析/对比
结果难复现	配置参数靠口头沟通或散落在 log 中	实验完整保存 config + env + result
优化重复劳动	不知道别人是否跑过类似配置	查重、目标认领、优化链追踪
分析门槛高	XProf/trace 分析需要专业知识	AI 驱动的自然语言分析，降低使用门槛
跨集群不通	不同集群各自为政	多集群统一调度与管理

整体架构

详细的架构图与各模块职责分界，请参阅：整体架构与模块分界

文档目录

• 集群编排层设计 — ClusterFabric 架构、xpk 任务生命周期、Cloud Logging 日志收集