训推场景Atlas800T A2服务器多机间通信有问题，报错timeout，客户用hccn_tool测试了多机卡间能够互通，但是直接执行"dist.reduce_scatter(output, input_tensor_list, group=dp_group)" 还是会timeout。报错信息rank0 是error 4, rank1 是 error9
客户排查发现多机allreduce其实是有问题的，-n指定的是卡数，跑8及以下都可以，跑16就会报错
问题解决：
查看/root/ascend/log/debug/plog里的日志，发现100.97.160.41网口down掉了，换一张网卡，配置环境变量export HCCL_SOCKET_IFNAME=eno0解决。
环境配套问题：
同时，客户在docker外启动通信测试，但是物理机在set device的时候会报错：
执行测试代码
import torch
import torch_npu
torch.npu.set_device("npu:0")
发现，导入torch_npu没问题，set_device()报错。通过版本配套检查发现，客户torch和torch_npu是2.5.1的版本，CANN版本是8.0.0，CANN版本与torch版本不配套，将torch和torch_npu版本降到2.4.0.post2解决。
