罗罗编程学习记录 全栈面试题库
本页导航 展开查看

16.7 阶段 6 端云协同与 OTA

所属:全栈开发面试题库 / 学习路径 / 16 物联网设备端

本页目录

一、阶段定位

本阶段解决「让设备和云长期协同、并能在不拆机的情况下升级」。前面阶段设备能连上云、能安全启动了,但那只是「一次性连上」。量产设备要面对:云下发的指令设备暂时离线、设备和云状态不一致、固件要在用户完全无感知下升级、升级到一半掉电不能变砖、升级出问题要自动回滚、还要按灰度分批放量。这一阶段的核心是设备影子和 A/B 分区 OTA——它们决定了你的设备是「装上去就不能动」还是「可持续运营」。面试里「OTA 变砖怎么救」「设备离线期间云的指令怎么办」是必问题。

不掌握本阶段会在后面具体卡在哪:

  • 用单分区 OTA:下载写入时掉电,设备既不是旧版也不是新版,直接变砖。
  • 没有设备影子,设备离线时云下发的设置全丢,上线后设备状态和云对不上。
  • OTA 全量推送,一推十万台,新版本有 bug,十万台一起翻车。
  • 升级后没有确认机制,新固件启动失败也不回滚,靠用户断电碰运气。

判断自己卡住的标志:(1) 让你解释 A/B 分区为什么能防掉电变砖;(2) 让你说明设备影子的「期望」和「上报」两条通道;(3) 让你设计灰度放量与失败率熔断。出现任一现象,先把本阶段六个模块过一遍再进 阶段 7 边缘与批量运维。

二、阶段目标与投入

学完本页,应当能用可观察的行为证明以下能力:

能力目标(可验证的行为) 验证方式
能实现连接保活与离线缓存补发 离线期间数据上线后补齐
能讲清设备影子的上报/期望双通道与状态同步 云改设置后设备生效
能设计 A/B 双分区 OTA 流程 升级中掉电仍可恢复
能实现分片下载与断点续传 网络中断后接着下
能设计灰度分批与失败率熔断 按批次放量、超阈值停止
能讲清新固件启动失败自动回滚 坏版本不被设为运行槽

建议学时:

  • 全职(每天有效学习 4–6 小时):2 周,约 40 小时。其中保活与影子 8 小时、A/B 分区 10 小时、分片与续传 6 小时、灰度与熔断 8 小时、回滚与确认 8 小时。
  • 在职(每天 2 小时、周末补 4 小时):4 周,约 40 小时。没有两块分区的开发板时,用分区表模拟理解流程。

学时分配:保活/影子 20%、A/B 分区 25%、分片续传 15%、灰度熔断 20%、回滚确认 20%。

三、先修自检

先修项 合格标准 不合格时怎么办
MQTT 连接 阶段 3 能上报订阅 回阶段 3
安全启动 阶段 5 信任链验签 回阶段 5
Flash 分区 知道 Flash 地址划分 回顾阶段 0/5
状态机 能画下载/校验/切换流程 补状态机

四、知识地图

模块 知识点 掌握程度 对应题库章节
连接与影子 保活、退避、设备影子、期望/上报、离线缓存 能讲清原理 14.7.1 设备接入与设备影子
OTA 架构 A/B 双分区、运行槽/备用槽、镜像头、验签 能讲清原理 14.7.2 OTA 架构、灰度与回滚
分片与续传 分片下载、断点续传、差分、CRC 校验 会用 14.7.2 OTA 架构、灰度与回滚
灰度与熔断 分批放量、失败率、强制更新、版本策略 能讲清原理 14.7.2 OTA 架构、灰度与回滚
回滚确认 启动确认、看门狗配合回滚、防变砖 能讲清原理 14.7.2 OTA 架构、灰度与回滚
生命周期 设备状态机、激活/在线/离线 了解 14.7.5 设备生命周期与量产工程

进度管理建议:A/B 分区与回滚确认两项必须能白板讲清,再进 阶段 7。

五、分模块精讲

5.1 连接保活与离线缓存

为什么需要它:电池设备和弱网环境下,连接会频繁断。设备不能假设「一直在线」,要缓存离线期间的数据,上线后补齐。

核心机制:

  • 保活:MQTT keepalive + 应用层心跳;超时判定离线。
  • 退避重连:阶段 3 已实现,这里强调「离线期间数据先存本地 Flash/RAM」。
  • 离线缓存:遥测数据存环形缓冲,上线后按时间补发;本地缓存满了按策略丢弃最旧或最不重要数据。
  • 下行指令:离线期间云下发的指令不丢,靠设备影子(下一节)保存。

最小可运行示例:

/* 离线缓存(文字示意) */
void on_publish(uint64_t ts, float temp) {
    if (!net_online()) {
        ringbuf_push(ts, temp); /* 存本地 */
    } else {
        mqtt_publish(ts, temp);
        if (ringbuf_count()) flush_cached(); /* 补发 */
    }
}

常见坑:

现象 原因 修法
离线数据全丢 无本地缓存 环形缓冲补发
上线瞬间刷屏 缓存一次全发 限速分批补发
时间错乱 没带本地 RTC 时间戳 关键数据带离线时间戳

面试考法:问「设备离线期间数据怎么办」。要答到「本地环形缓存,上线后限速补发,关键数据带离线时间戳」。

5.2 设备影子与物模型

为什么需要它:设备离线时云下发的设置不能丢,上线后要能「对一遍状态」。设备影子就是设备在云上的「状态备份」。

核心机制:

  • 上报(reported):设备把当前状态写进影子,云看到设备实际值。
  • 期望(desired):云想让设备变成的值写进影子;设备上线后 diff 出差异并执行,再用 reported 覆盖。
  • 双向同步:设备离线时 desired 被改,上线后设备拉取影子、对齐状态、回报 reported。
  • 物模型:把设备抽象成「属性 + 事件 + 命令」,属性可读写、事件可上报、命令可下发。

最小可运行示例:

// 设备影子(文字示意)
{
  "reported": { "power": "on", "brightness": 80 },
  "desired":  { "brightness": 60 }
}
// 设备上线 diff:desired 60 ≠ reported 80
// → 执行调到 60 → reported 写 60 → desired 被清掉

常见坑:

现象 原因 修法
云改了设置设备没反应 没拉影子 diff 上线后拉影子、对 desired
设备状态云侧过期 不及时上报 状态变化即 reported
死循环对不上 desired/reported 互相触发 执行后 reported 覆盖 desired

面试考法:问「设备影子解决什么」。要答到「设备离线时云的期望不丢,上线后按 reported/desired diff 对齐状态」。

5.3 OTA 架构与 A/B 分区

为什么需要它:单分区 OTA 在写入途中掉电必变砖。A/B(双分区)让新固件写到备用槽,验签通过后才切换启动槽,全程旧槽可运行。

核心机制:

  • 两个固件槽:slot A(运行中)、slot B(下载写入);另有独立的 Bootloader 与分区表。
  • 流程:下载新镜像到 B → 校验签名与版本 → 设置下次启动 B → 重启。
  • 启动确认:B 起来后必须主动「确认(confirm/mark good)」,否则 Bootloader 下次自动回退到 A。
  • 配合看门狗:新固件启动超时未 confirm,看门狗复位,Bootloader 回滚到 A。

最小可运行示例:

# A/B 分区 OTA(文字示意)
1. 当前从 A 运行
2. 下载新镜像到 B 分区,验签
3. 设置启动标志为 B,重启
4. Bootloader 跳 B;B 启动成功并联网 confirm
5. 若 B 崩溃/未 confirm → 看门狗复位 → Bootloader 回 A

常见坑:

现象 原因 修法
升级掉电变砖 单分区 改 A/B,写 B 不动 A
坏版本被设为运行 无 confirm 机制 启动后强制 confirm
回滚后又切回坏版 标志没清 回滚时把坏版标志清掉

面试考法:问「A/B 分区为什么防变砖」。要答到「新旧槽分离,写新不动旧,新固件未确认就回退旧槽」。

5.4 分片下载与断点续传

为什么需要它:固件动辄几百 KB 到几 MB,NB-IoT/弱网上一次下完不现实。要分片、支持断点续传。

核心机制:

  • 分片:镜像按固定大小(如 4KB/16KB)切片,每片带序号与 CRC。
  • 断点续传:记录已写到的分片号,断线重连后从该分片继续,不重头下。
  • 差分(可选):只下发新旧版本差异块(bsdiff 类),省带宽;MCU 上差分有 RAM/Flash 成本。
  • 全量校验:所有分片下完后对整包做哈希/签名校验,任一片错重下。

最小可运行示例:

/* 分片下载状态(文字示意) */
typedef struct { uint32_t total; uint32_t done; uint8_t sha[32]; } ota_state_t;
/* 每片:GET /ota/fw?chunk=N → 写 B 分区偏移 N*CHUNK → done++ */
/* 断线:重连后从 done 继续 */
/* 下完:校验整包 sha/签名 → 切槽 */

常见坑:

现象 原因 修法
断线重头下 无续传记录 持久化 done 分片号
某片损坏被忽略 只验整包 每片 CRC + 整包签名
写 Flash 时掉电 写一半 写 B 槽,配合 A/B 回滚

面试考法:问「弱网怎么做 OTA」。要答到「分片 + 断点续传 + 每片校验 + 整包签名,A/B 槽写入防变砖」。

5.5 灰度、失败率熔断与版本策略

为什么需要它:新版本有 bug 时,全量推送就是事故。灰度分批放量,按失败率自动熔断。

核心机制:

  • 灰度:先推 1% 设备 → 观察指标 → 再 10% → 50% → 100%。
  • 失败率熔断:统计升级成功率、启动失败率、回滚率;超过阈值自动停止推送。
  • 强制更新:有安全漏洞的版本,要求所有设备升到最低安全版本。
  • 版本策略:版本号单调递增,配套阶段 5 防回滚。

最小可运行示例:

# 灰度放量(文字示意)
批次 1:1% 设备 → 成功率 99%,无回滚
批次 2:10% → 成功率 92%(低于阈值 95%)→ 熔断停止
分析失败机型/地区 → 修复后重新灰度

常见坑:

现象 原因 修法
一次推十万台翻车 无灰度 分批放量 + 熔断
失败了还在推 无指标监控 超阈值自动停
安全漏洞版被绕过 无强制更新 强制最低安全版本

面试考法:问「怎么安全地推 OTA」。要答到「灰度分批 + 失败率熔断 + 强制更新底线 + A/B 回滚兜底」。

5.6 远程运维:日志与命令的边界

为什么需要它:设备在现场出问题,不能靠用户描述。要能分级回传日志、远程下命令,但不能被滥用。

核心机制:

  • 日志分级:DEBUG/INFO/WARN/ERROR,量产默认 WARN 以上,按需开启 DEBUG。
  • 限流回传:日志不能无限制上报,按条数/时间窗口限流,弱网下优先 ERROR。
  • 远程命令:下行命令要鉴权、带审计(谁、何时、对哪台、做了什么),危险操作(擦除、复位)二次确认。
  • 远程日志开关:云侧下发临时开 DEBUG,抓一段时间自动关,避免长期耗流量。

最小可运行示例:

# 远程日志流(文字示意)
设备正常:只上报 ERROR + 周期心跳
现场报障:云下发开 DEBUG → 设备回传分级日志 → 限流
定位完成:云下发关 DEBUG → 恢复正常上报

常见坑:

现象 原因 修法
日志耗光流量 全量 DEBUG 分级 + 限流
远程命令被滥用 无鉴权审计 命令鉴权 + 审计
用户隐私被上报 日志含敏感数据 脱敏

面试考法:问「设备日志怎么回传」。要答到「分级 + 限流 + 云侧按需开 DEBUG,敏感数据脱敏,命令带审计」。

六、分层练习

6.1 复现型

练习 要求 验收标准 预计耗时
离线缓存补发 断网产生数据,上线后补齐 数据不丢 3 小时
设备影子 diff 云改 desired,设备生效 reported 覆盖 3 小时
画 A/B 流程 画下载→校验→切槽→回滚 白板讲清 1.5 小时
分片下载 实现分片与 done 记录 断线续传 4 小时

6.2 改造型

练习 要求 验收标准 预计耗时
模拟升级掉电 写到一半断电 旧槽仍可运行 2.5 小时
实现启动确认 新固件不 confirm 则回滚 看门狗配合回滚 3 小时
灰度熔断表 设计分批与阈值 超阈值停止 2 小时
日志分级限流 只回传 ERROR + 限流 流量可控 2 小时

6.3 设计型

练习 要求 验收标准 预计耗时
设计完整 OTA 状态机 含下载/校验/切槽/回滚 画状态迁移 2.5 小时
设计影子同步协议 reported/desired/版本 字段完整 2 小时
设计灰度与强制策略 批次+熔断+最低版本 讲清事故兜底 2 小时

七、排障表

现象 可能原因 排查步骤 解决办法
升级掉电变砖 单分区 看是否 A/B 改 A/B,写 B 不动 A
坏版本被运行 无 confirm 看启动标志 启动后强制 confirm
离线数据丢失 无本地缓存 看缓存逻辑 环形缓冲补发
云改设置不生效 不拉影子 diff 看是否拉 desired 上线 diff 执行并 reported
断线重头下 无续传 看 done 记录 持久化分片进度
升级失败率高 无灰度 看批次指标 分批 + 熔断
日志耗流量 全量 DEBUG 看日志级别 分级限流
回滚后又切坏版 标志未清 看启动槽标志 回滚时清坏版标志

八、出口条件

全部勾选后进入 阶段 7 边缘与批量运维。

  • [ ] 能实现离线缓存与上线限速补发
  • [ ] 能讲清设备影子 reported/desired diff 同步
  • [ ] 能白板画出 A/B 分区 OTA 与回滚流程
  • [ ] 能实现分片下载与断点续传
  • [ ] 能设计灰度分批、失败率熔断与强制更新
  • [ ] 能讲清新固件启动确认与看门狗回滚配合
  • [ ] 排障表里随机抽三个现象,能在 5 分钟内给出排查路径

自测题:

  1. A/B 分区为什么能防掉电变砖?
    • 要点:新旧槽分离,写新不动旧,新固件未确认自动回退旧槽。
  2. 设备影子的 reported 和 desired 各是什么?
    • 要点:reported 是设备实际值,desired 是云期望值,上线 diff 后对齐。
  3. 弱网怎么做 OTA?
    • 要点:分片 + 断点续传 + 每片校验 + 整包签名,A/B 槽写入。
  4. 怎么安全地推送 OTA?
    • 要点:灰度分批 + 失败率熔断 + 强制更新底线 + 回滚兜底。
  5. 设备离线期间云下发的指令怎么办?
    • 要点:靠设备影子保存 desired,上线后 diff 执行。
  6. 远程日志为什么要分级限流?
    • 要点:弱网流量有限,量产只回 ERROR,按需开 DEBUG 并自动关。