torch_npu profiler 输出的 trace JSON 与 Perfetto 不兼容：ts 为字符串类型 + 绝对时间戳导致精度丢失

[JiaryCoder]

• 严格来说这个不算是bug,只是把我发现的问题+分析结论+解决方案贴在这里,供遇到类似问题的同学/AI索引解决类似的问题 *

问题描述

torch_npu profiler 导出的 trace_view.json 在 Perfetto (ui.perfetto.dev) 中打开时显示异常：

1. GPU 算子缺失（约 20% 的 NPU kernel 被错误嵌套为其他算子的子事件）
2. Flow 箭头连接错误（一个 CPU 算子连接到多个不相关的 GPU 算子）

同一文件在 MindStudio Insight 中显示正常。

根因分析

trace_view.json 的格式与 https://docs.google.com/document/d/1CvAClvFfyA5R-PhYUmn5OOQtYMH4h6I0nSsKchNAySU 存在三处不兼容：

1. ts 字段是字符串类型（应为数字）

// 当前输出
"ts": "1778655624745710.730"

// Chrome Trace Format 规范
"ts": 1778655624745710.730

2. ts 使用绝对时间戳（epoch 微秒），数值在 10^15 量级

在此量级下 float64 的精度步长为 0.5 微秒。Perfetto 的 JSON parser 将字符串 ts 解析为 double 后，亚微秒精度丢失，导致相邻算子的时间区间产生虚假重叠。

原始数据：
RmsNorm: ts=1778655624745710.730, dur=5.16 → end=1778655624745715.890
MatMul: ts=1778655624745715.910 → gap=0.020µs（无重叠）

经 float64 解析后（Perfetto 实际行为）：
RmsNorm: ts=1778655624745710848ns, dur=5160ns → end=1778655624745716008ns
MatMul: ts=1778655624745715968ns → overlap=40ns（虚假重叠！）

Perfetto 将重叠的 slice 视为父子关系（nested），导致后面的算子"消失"在前面算子的折叠层中。

实测：修复前 GPU track 有 22,085 个 slice 被错误嵌套（depth>0），修复后全部 133,652 个 slice 正确平铺在 depth=0。

3. Flow event 的 id 超过 2^53

"id": 1778655624745710730 // > 9007199254740992 (2^53)

超过 JavaScript Number 安全整数范围，在 Perfetto UI（TypeScript）中可能产生精度丢失。

可以执行的修复方案

1. ts 使用数字类型，不要加引号
2. 使用相对时间戳（减去 profiling 起始时间），使数值降到 10^6~10^9 量级，彻底避免 float64 精度问题
3. Flow id 控制在 2^53 以内，或使用字符串类型 id（Perfetto 支持 "id": "string_id"）

环境信息

• 硬件：Ascend 910C
• torch_npu 版本：（填写你的版本）
• CANN 版本：（填写你的版本）
• 复现方式：使用 torch.profiler 导出 trace，用 Perfetto 打开

Workaround

在打开 Perfetto 之前，对 JSON 做预处理：将 ts 字符串转为数字并减去基准时间戳，将超大 flow id 重映射为小整数。
附:json fix code:https://github.com/JiaryCoder/Ascend-Profile/blob/main/fix_ascend_trace.py

[JiaryCoder]

不过,还是希望能兼容,作为 PyTorch的后端扩展，用户会期待输出与上游一致.

[JiaryCoder]

另外还发现有时钟漂移的问题,导致CPU launch晚于GPU kernel