diff --git a/profiler/merge_profiling_timeline/README.md b/profiler/merge_profiling_timeline/README.md
index 822cce3e80c8e03424fb7cc709a89d68ab9ce494..22516739cd7d1a5d0654faae5bc1cea6c3e5e643 100644
--- a/profiler/merge_profiling_timeline/README.md
+++ b/profiler/merge_profiling_timeline/README.md
@@ -9,7 +9,7 @@
 
 ### 1.1 数据采集
 
-使用msporf采集数据，将采集到的所有节点的profiling数据拷贝到当前机器同一目录下，以下假设数据在/home/test/cann_profiling下
+使用msprof采集数据，将采集到的所有节点的profiling数据拷贝到当前机器同一目录下，以下假设数据在/home/test/cann_profiling下
 
 e2e profiling数据目录结构如下：
 
@@ -43,40 +43,38 @@ ascend pytorch profiler数据目录结构如下：
 可选参数：
 
 - -d: **必选参数**，profiling数据文件或文件夹路径
-- -o: 可选参数，指定合并后的timeline文件输出的路径，默认为'-d'输入的路径
-- --rank：可选参数，指定需要合并timeline的卡号，默认全部合并
-- --items：可选参数，指定需要合并的profiling数据项，默认全部合并
-- --type: 指定需要合并timeline场景，可选参数：`pytorch`, `e2e`, `custom`
+- --type: **必选参数**,指定需要合并timeline场景，可选参数有：`pytorch`, `e2e`, `custom`
   - `pytorch`：通过ascend pytorch方式采集profiling数据，合并所有卡的trace_view.json
   - `e2e`：通过e2e方式采集profiling数据，优先合并总timeline，没有生成则选择合并device目录下的msprof_*.json
   - `custom` ：自定义需要合并的timeline数据，具体参考示例
-
-
+- -o: 可选参数，指定合并后的timeline文件输出的路径（路径末尾可以设置文件名，具体用法参考示例），默认为'-d'输入的路径
+- --rank：可选参数，指定需要合并timeline的卡号，默认全部合并
+- --items：可选参数，指定需要合并的profiling数据项（python，Ascend Hardware，CANN，HCCL，PTA，Overlap Analysis），默认全部合并
 
 
 **使用示例**：
-
-1、合并单机多卡timeline，默认合并所有卡、所有数据项：
+1、合并单机多卡timeline，默认合并所有卡、所有数据项，生成first_merge.json在path/to/cann_profiling/output/目录下(不设置-o参数时默认生成_merge.json在数据目录（path/to/cann_profiling/）下：
 
 ```
-python3 main.py -d path/to/cann_profiling/
+python3 main.py -d path/to/cann_profiling/ -o path/to/cann_profiling/output/first --type pytorch
 ```
 
 2、合并单机多卡timeline，只合并0卡和1卡：
 
 ```
-python3 main.py -d path/to/cann_profiling/ --rank 0,1
+python3 main.py -d path/to/cann_profiling/ -o path/to/cann_profiling/output/2p --type pytorch --rank 0,1
 ```
 
 3、合并单机多卡timeline，合并所有卡的CANN层和Ascend_Hardware层数据
 
 ```
-python3 main.py -d path/to/cann_profiling/ --items CANN,Ascend_Hardware
+python3 main.py -d path/to/cann_profiling/ --type pytorch --items CANN,Ascend_Hardware
 ```
 
 4、合并多timeline(自定义)
 
-以上场景不支持的情况下，可以使用自定义的合并方式，将需要合并的timeline文件放在同一目录下，数据目录结构示意如下：
+以上场景不支持的情况下，可以使用自定义的合并方式，将需要合并的timeline文件放在同一目录下（附：该场景比较特殊，与正常合并不同，无法直接读取info.json中的rank_id, 因此该场景下的rank_id为默认分配的序号，用于区分不同文件的相同层，不代表实际rank_id）
+数据目录结构示意如下：
 
 ```
 |- timeline
@@ -101,18 +99,21 @@ python3 main.py -d path/to/timeline/ --type custom
 
 合并timeline查看：
 
-> 在 -o 指定的目录（默认在-d指定的目录下）的msprof_merged_*p.json为合并后的文件
+> 在 -o 指定的目录（默认在-d指定的目录下）的_merged.json为合并后的文件
 
 
 ## 2 超大timeline文件查看
 
 下载whl包并安装（windows）：
 https://gitee.com/aerfaliang/trace_processor/releases/download/trace_processor_37.0/trace_processor-37.0-py3-none-any.whl
+```
+pip3 install trace_processor-37.0-py3-none-any.whl
+```
 
 安装完成后直接使用以下命令
 
 ```
-python3 ./trace_processor --httpd path/to/msprof_merged_*p.json 
+python -m trace_processor --httpd path/to/xxx_merged.json 
 ```
 
-等待加载完毕，刷新[perfetto](https://ui.perfetto.dev/)界面，点击`YES, use loaded trace`即可展示timeline
\ No newline at end of file
+等待加载完毕，刷新[perfetto](https://ui.perfetto.dev/)界面，点击Use old version regardless，再点击`YES, use loaded trace`即可展示timeline
diff --git a/profiler/merge_profiling_timeline/main.py b/profiler/merge_profiling_timeline/main.py
index c2b3be9ca160fefede5737ba8e119c653561830d..5ac4b89e0c8c25acd266d7b96ac40f7985bf89a1 100644
--- a/profiler/merge_profiling_timeline/main.py
+++ b/profiler/merge_profiling_timeline/main.py
@@ -22,7 +22,7 @@ from argparse import ArgumentParser
 
 
 FILTER_DIRS = [".profiler", "HCCL_PROF", "timeline", "query", 'sqlite', 'log']
-MAX_INDEX_COUNT = 1000
+RANK_ID_POS = 1000
 
 
 # 获取时间差异文件中的node和时间差的对应关系，保存到字典中
@@ -144,6 +144,9 @@ def merge_timeline_general(args):
         rank_ids = list(timeline_info.keys())
 
     for rank_id in rank_ids:
+        if not timeline_info.get(rank_id):
+            print(f"main.py: error rank_id '{rank_id}' ")
+            return
         timeline_files_dict[rank_id] = timeline_info.get(rank_id)
     merge_timeline_events(timeline_files_dict, process_list)
 
@@ -219,21 +222,24 @@ def merge_timeline_events(timeline_file_dict, process_list):
                 if event.get("args") is not None and event["args"].get("name") is not None:
                     event["args"]["name"] = event["args"]["name"] + f"_{rank_id}"
 
+            #modify connect id
+            if event.get('id') and (event.get('ph') == 's' or event.get('ph') == 'f'):
+                event['id'] = float(event.get('id')) * RANK_ID_POS + rank_id
+
             new_events.append(event)
 
-    output_path = os.path.join(args.output, f"msprof_merged_{len(timeline_file_dict)}p.json")
-    with open(output_path, 'w') as f:
+    out_path =  f"{args.output}_merged.json"
+    with open(out_path, 'w') as f:
         json.dump(new_events, f)
-    print(f"timeline merged output path: {output_path}")
+    print(f"timeline merged output path: {out_path}")
 
 
 def parse_args():
     parser = ArgumentParser(description="Merge timeline for multi card")
     parser.add_argument("--data", "-d", default=None, help="root dir of PROF_* data")
-    parser.add_argument("--timediff", "-t", default=None, help="JSON file for saving startup time differences")
     parser.add_argument("--output", "-o", default=None, help="save path of msprof_merged.json ")
     parser.add_argument("--rank", default=None, help="List of ranks to be merged. By default, all ranks are merged")
-    parser.add_argument("--items", default=None, help="Specify the data items to be merged. in the timeline.")
+    parser.add_argument("--items", default=None, help="Specify the data items (python，CANN，Ascend Hardware，HCCL，..)to be merged. in the timeline.")
     parser.add_argument("--type", choices=('pytorch', 'e2e', 'custom'), help="Customize the timeline file to be merged.")
     arg = parser.parse_args()
     return arg