1. 课程导入

在工业控制、汽车电子、机器人、边缘计算与音视频处理等场景中，单一操作系统往往难以同时满足“强实时响应”和“丰富生态服务”的双重需求。多OS架构应运而生：它让实时操作系统（RTOS）负责硬实时任务，让通用操作系统（如 Linux、Android）负责图形、网络、存储与AI推理，两者通过共享内存、虚拟化或异构核间通信协同工作。本课程的目标，是帮助学习者建立从“能跑起来”到“跑得稳、跑得快、可度量、可优化”的完整能力体系。

一、学习目标：从现象到指标，从指标到手段

学习本课程后，你应当能够完成四类任务：第一，准确描述多OS系统的实时性能指标，包括中断延迟、调度延迟、任务抖动、最坏执行时间（WCET）、吞吐量与CPU占用率；第二，识别影响实时性的关键路径，如中断控制器、内核抢占、锁竞争、缓存与内存带宽、核间通信；第三，使用工具链完成测量与归因，如 cyclictest、ftrace、perf、trace-cmd、LTTng、OSADL 延迟测试；第四，针对具体场景给出调优方案，包括内核配置、CPU隔离、优先级分配、内存锁定、中断亲和性与实时补丁选择。

二、核心概念：多OS、实时性与调优边界

多OS并不等于“装两个系统”。它通常有三种形态：虚拟化型（Hypervisor 上运行 RTOS 与 Linux 两个客户机）、双核/异构型（Cortex-A 跑 Linux，Cortex-M/R 跑 RTOS，通过 RPMsg/共享内存通信）、混合内核型（如 Xenomai、PREEMPT_RT 在 Linux 内提供实时域）。不同形态的实时性上限不同：虚拟化型隔离好但虚拟化开销存在；异构型实时性最强但通信成本高；混合内核型生态兼容好但需处理内核补丁与驱动适配。

实时性可分为硬实时、软实时与准实时。硬实时要求“一次超时都不允许”，如电机换向、安全气囊触发；软实时允许偶发超时，如视频播放；准实时介于两者之间，如工业视觉检测。调优前必须先明确任务属于哪一类，否则会出现“过度调优”或“调优不足”。

三、整体知识框架：五层模型

本课程将知识组织为五层：硬件层（CPU架构、缓存、中断控制器、定时器、内存带宽）、内核层（调度器、抢占模型、中断线程化、锁机制、内存管理）、多OS协同层（Hypervisor、核间通信、共享内存、资源分区）、测量与归因层（延迟测量、跟踪、性能计数器、日志）、场景调优层（工业、汽车、机器人、音视频等）。五层之间是“自下而上支撑、自上而下约束”的关系。

四、实战路线图：从测量到调优的闭环

实战中，最忌讳“先改参数再测”。正确路线是：定义场景 → 建立基线 → 定位瓶颈 → 实施调优 → 回归验证。例如，一个工业机械臂控制器要求 1ms 周期内完成轨迹计算与总线通信，抖动不超过 50μs。第一步，用 cyclictest 在空载与满载下测出基线延迟；第二步，用 ftrace 跟踪中断与调度事件，发现网卡中断频繁抢占实时线程；第三步，将网卡中断绑定到非实时核，并启用 isolcpus 隔离实时核；第四步，重新测量，确认最坏延迟从 180μs 降至 35μs。

# 基线测量示例
cyclictest -t1 -p 80 -n -i 1000 -l 10000
# 跟踪调度延迟
trace-cmd record -e sched_switch -e irq_handler_entry
trace-cmd report | head -50
# 查看中断分布
cat /proc/interrupts

五、常见误区与复盘要点

本课程不追求“背参数”，而是训练一种系统化思维：先问“实时性要求是什么”，再问“当前最坏情况是多少”，最后问“哪一层引入了不可预测性”。掌握这套方法，你就能在工业、汽车、机器人等不同场景中，快速定位并解决多OS实时性能问题。