1. 课程导入
智能座舱进入多屏时代后，一颗SoC要同时驱动仪表、中控、副驾娱乐、HUD甚至后排屏，用户对“流畅”的感知不再取决于单屏帧率，而取决于多屏并发时的资源调度是否稳定。高通8295（SA8295P）作为当前主流座舱平台，集成了Kryo CPU、Adreno GPU、Hexagon NPU、Spectra ISP以及多路DP/eDP输出，具备强大的多屏渲染能力，但“能驱动”与“驱动得好”之间，隔着一条完整的性能优化工程链路。本课程的目标，就是把这套链路拆解成可学习、可复现、可度量的工程方法。
学习目标：从“会调”到“会算”
本课程不满足于教会几个命令或参数，而是希望建立三层能力：第一层是认知层，理解8295的显示子系统架构、SurfaceFlinger合成路径、GPU渲染管线与带宽模型；第二层是方法层，掌握帧率、抖动、延迟、带宽、功耗五类指标的采集与归因方法；第三层是工程层，能够针对多屏并发场景设计优化方案，并用数据证明优化有效。学完本课程，你应当能独立完成一次多屏卡顿的根因定位，并给出可落地的优化配置。
核心概念：五个必须建立的心智模型
- 合成路径：应用图层经SurfaceFlinger合成，可选择GPU合成或硬件合成器（DPU）叠加，路径不同，带宽与延迟差异显著。
- 帧预算：60fps对应16.67ms，120fps对应8.33ms。多屏并发时，每块屏的帧预算独立计算，但共享GPU与DDR带宽。
- 带宽墙：多块高分辨率屏同时刷新时，DDR带宽可能先于GPU算力成为瓶颈，表现为掉帧与抖动。
- 同步与抖动：VSync对齐、fence传递、BufferQueue深度都会影响帧的准时性，抖动比平均帧率更影响体感。
- 功耗-性能耦合：8295的DVFS策略会在温度与功耗约束下降频，性能优化必须考虑热设计功耗（TDP）边界。
整体框架：四层优化模型
本课程将多屏性能优化组织为四层模型，自下而上分别是：硬件资源层（CPU/GPU/DPU/DDR）、系统框架层（SurfaceFlinger、HWC、Gralloc、调度器）、应用渲染层（UI线程、RenderThread、纹理与布局）、场景策略层（多屏优先级、动态分辨率、内容感知刷新）。四层之间通过指标与配置相互约束，任何一层的问题都会向上表现为卡顿，向下表现为资源争用。
方法流程：五步闭环
性能优化不是一次性动作，而是闭环。第一步基线采集：在固定场景下记录各屏帧率、抖动、GPU占用、DDR带宽与温度，形成可比基线。第二步瓶颈归因：用systrace/perfetto观察合成路径，判断是GPU合成过多、带宽饱和还是调度延迟。第三步方案设计：针对根因选择硬件合成、降低分辨率、调整BufferQueue深度或提升渲染线程优先级。第四步灰度验证：在真实多屏场景下对比优化前后指标，排除单屏测试的误导。第五步指标复盘：确认优化未引入功耗或热问题，并沉淀为配置基线。
# 典型基线采集命令（示意）
adb shell dumpsys SurfaceFlinger --latency
adb shell cat /sys/class/kgsl/kgsl-3d0/gpubusy
adb shell cat /proc/meminfo | grep -i ddr
adb shell dumpsys thermalservice
案例场景：三屏并发下的“中控掉帧”
某车型在仪表+中控+副驾三屏同时运行时，中控滑动出现周期性掉帧。初步怀疑GPU算力不足，但采集发现GPU占用仅65%，DDR带宽却接近峰值。进一步用perfetto观察，发现副驾视频播放层与中控UI层同时走GPU合成，导致每帧带宽需求叠加。将副驾视频层改为硬件叠加（HWC overlay），并降低中控非焦点区域的刷新率后，带宽峰值下降约28%，中控抖动从12ms降至4ms以内。这个案例说明：多屏优化的第一反应不应是“加算力”，而是“减合成、分带宽、控刷新”。
常见误区与复盘清单
| 误区 | 表现 | 正确做法 |
|---|---|---|
| 只看平均帧率 | 平均60fps但体感卡顿 | 同时看1% low与抖动分布 |
| 单屏测试代替多屏 | 单屏流畅，多屏崩溃 | 必须在目标多屏组合下验证 |
| 盲目提升GPU频率 | 功耗与温度恶化，收益有限 | 先查合成路径与带宽瓶颈 |
| 忽略热约束 | 短时流畅，长时降频 | 做持续负载与温升测试 |
| 优化后不复盘 | 问题反复出现 | 沉淀配置基线与回归用例 |
本课程后续将沿着四层模型逐层展开：先建立8295显示与渲染的硬件认知，再深入SurfaceFlinger与HWC的合成机制，随后进入应用渲染调优与多屏策略设计，最终以完整实战项目收束。你现在需要做的，是先把“帧预算、带宽墙、合成路径、抖动、热约束”这五个词刻进脑子里——它们将贯穿全部30章。