2. 任务载荷数据特征建模

任务载荷缓存与数据流管理的起点，不是先决定缓存多大、队列多深，而是先把载荷产生的数据“刻画清楚”。同一架平台上，遥感相机、通信电台、导航接收机、电子侦察设备的数据行为差异极大：有的以恒定高速率持续输出，有的长时间静默后瞬间爆发，有的必须严格按时间戳顺序处理，有的允许丢弃低价值样本。如果只用“平均数据率”一个指标描述，缓存设计必然在突发时溢出、在空闲时浪费。本节的任务，就是建立一套可量化的载荷数据特征模型，把数据率、突发性、时序性、优先级和生命周期统一到缓存需求与数据流约束的描述框架中。

一、五维特征：从“平均速率”走向“行为画像”

对每类载荷，建议用五个维度建立特征向量，而不是单一速率：

• 数据率：区分峰值速率 R_peak、平均速率 R_avg 和持续速率 R_sust。缓存容量主要由峰值与持续速率的差值决定。
• 突发性：用突发长度 L_burst（字节或时长）和突发间隔 T_gap 描述，进一步可定义突发度 B = R_peak/R_avg。
• 时序性：数据是否带时间戳、是否要求严格有序、允许的最大乱序窗口 W_order。
• 优先级：丢包或拥塞时的取舍等级，通常分为关键、重要、一般、可丢弃四级。
• 生命周期：从产生到必须被消费或落盘的最长时间 T_life，超时即失效。

这五个维度共同决定缓存“要多大、要多快、按什么顺序、先保谁、能存多久”。下面用一张关系图把特征维度与缓存约束对应起来。

二、量化描述：把特征写成可计算的约束

特征维度只有转化为公式，才能用于缓存容量和队列深度的设计。以下给出本节采用的量化描述方法，参数均为示例性定义，实际取值需按具体载荷标定。

缓存容量约束。设载荷峰值速率 R_peak、下游可持续消费速率 R_sust、最长突发时长 L_burst，则缓存至少应容纳一次完整突发中超出消费能力的部分：

C_min = (R_peak − R_sust) × L_burst

示例：R_peak = 800 Mbps，R_sust = 300 Mbps，
      L_burst = 0.5 s
      C_min = (800 − 300) × 0.5 = 250 Mb ≈ 31.25 MB

若考虑连续多次突发叠加，还需引入突发间隔 T_gap 判断缓存能否在间隔内排空：排空时间 T_drain = C / (R_sust − R_avg)，要求 T_drain ≤ T_gap，否则缓存会逐次累积直至溢出。

时序约束。对要求严格有序的载荷，重排窗口 W 必须覆盖最大乱序跨度：W ≥ W_order。若 W_order 以时间表示，则换算为字节数 W = W_order × R_avg。导航接收机的时序性最强，通常不允许乱序，W_order ≈ 0，缓存只需满足速率匹配。

优先级与生命周期约束。优先级决定拥塞时的丢弃顺序，生命周期决定数据在缓存中的最大驻留时间。二者结合可写成：对优先级为 p 的数据，其驻留时间 T_res(p) 必须满足 T_res(p) ≤ T_life(p)；当缓存将满时，优先丢弃优先级最低且剩余生命周期最短的数据。电子侦察数据优先级为“一般”，允许降采样或丢弃部分样本；遥感图像为“关键”，必须完整保留。

三、四类典型载荷的特征对比

把上述方法应用到四类典型载荷，可以得到一张可直接用于缓存设计的特征表。表中数值为教学示例，用于说明量级关系，不代表任何具体型号的实测值。

从表中可以读出几个关键结论。遥感相机突发度低但持续速率高，缓存压力主要来自持续写入带宽，容量需求相对温和；通信电台突发度高，缓存容量必须按突发长度设计，否则每次发射都会溢出；导航接收机速率极低但时序严格，缓存只需极小容量并保证顺序；电子侦察突发度高达 40，峰值 2 Gbps 远超平均 50 Mbps，若按平均速率设计缓存将严重不足，必须按峰值与突发时长计算容量，同时利用其“允许乱序、可降采样”的特性在拥塞时主动丢弃低价值样本。

四、从特征模型到数据流约束

特征建模的最终产出，是一组可直接写入缓存管理模块的约束参数。对每个载荷通道，至少应输出：峰值速率 R_peak、持续速率 R_sust、最小缓存容量 C_min、重排窗口 W、优先级等级 p、最大驻留时间 T_life。这些参数共同构成数据流约束，决定队列深度、调度权重和丢弃阈值。

例如，对电子侦察通道，若 R_peak = 2 Gbps、R_sust = 200 Mbps、L_burst = 100 ms，则 C_min = (2000 − 200) × 0.1 = 180 Mb ≈ 22.5 MB。若下游处理能力只有 200 Mbps，而突发间隔 T_gap = 1 s，排空时间 T_drain = 180 / (200 − 50) ≈ 1.2 s > 1 s，说明单次突发后缓存无法在下次突发前排空，需要增大下游消费速率或降低采样率。这就是特征模型直接指导设计决策的典型过程。

需要强调的是，所有参数都应来自对载荷实际行为的测量或合理假设，并在系统运行中持续校准。缓存管理不是一次性配置，而是随任务阶段、载荷工作模式和链路状态动态调整的过程。只有把数据特征量化清楚，后续的缓存分配、队列调度和流控策略才有可靠依据。