16.7 阶段 6 端云协同与 OTA
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:
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。