Gloo 后端连接被阻断 | AI生成和翻译
现已全部清理。以下是情况说明：
Gloo 错误很明确：
failed to connect ... local=[192.168.1.36]:20614, remote=[192.168.1.28]:56711, error=Connection timed out
TCPStore 在端口 29500 上的 rendezvous 工作正常（worker→master）。但对于实际的 Gloo 数据传输，master 需要回连到 worker 的临时端口——而这被阻止了。Worker（192.168.1.28 / xiaoxin）的防火墙阻止了高端口上的入站连接，而且你没有 sudo 权限来开放它。
三个选项：
-
打开 worker 上的防火墙 — 需要 sudo 或物理访问来运行
sudo ufw allow from 192.168.1.36或sudo iptables -I INPUT -s 192.168.1.36 -j ACCEPT -
单节点多进程 — 在两个 rank 都在 1.36 上运行（有 62GB RAM，足够运行两个 d8 的 CPU worker）：
torchrun --nnodes=1 --nproc_per_node=2 --master_port=29500 ... -
使用
GLOO_SOCKET_IFNAME+ 显式端口范围 — 在 worker 上设置GLOO_PORT_RANGE为一个已知范围，然后仅开放那些端口（仍需要 sudo）
选项 2 是最快的路径——需要我设置吗？1.36 机器有 62GB RAM，因此两个 d8 worker（每个约 80M 参数）应该没问题。它不会像真正的双节点那样快，但确实能运行。