3. Android 调度器演进：从CFS到HMP、EAS的引入
Android 内核调度器的演进，本质上是为应对移动设备独特的功耗与性能平衡挑战。从桌面 Linux 的完全公平调度器（CFS）开始，到针对大小核架构的 HMP 调度器，再到引入能量感知调度（EAS），每一步都深刻影响着系统的响应速度与续航表现。本章将梳理这一演进路径，并剖析各阶段的核心机制与性能权衡。
3.1 起点：CFS 在移动端的局限
CFS（Completely Fair Scheduler）是 Linux 内核默认调度器，其核心思想是使用红黑树维护任务，保证每个任务获得公平的 CPU 时间片。然而，CFS 在设计之初主要面向服务器和桌面环境，在移动端暴露出两个关键问题：
- 功耗盲区：CFS 仅关注 CPU 时间分配的公平性，完全不考虑不同 CPU 核心的功耗差异。在大小核（big.LITTLE）架构上，它可能将后台任务调度到大核上，造成不必要的功耗浪费。
- 迁移延迟：CFS 的任务迁移决策基于负载均衡，但缺乏对核心类型（大核/小核）的感知，导致任务在大小核之间频繁迁移，增加缓存失效和迁移开销。
关键指标：在 CFS 调度下，Android 设备后台应用的平均功耗比理想值高出 15%-25%，且 UI 线程的调度延迟（sched_latency）波动较大，直接影响滑动流畅度。
3.2 HMP 调度器：异构多核的初步适配
HMP（Heterogeneous Multi-Processing）调度器是 ARM 为 big.LITTLE 架构设计的调度方案。它不再将 CPU 视为同质资源，而是引入 CPU 容量（capacity） 的概念，将大核与小核区分对待。
3.2.1 HMP 的核心机制
- CPU 容量模型：每个 CPU 核心被赋予一个容量值（通常大核为 1024，小核为 400-600），调度器根据任务负载与 CPU 容量的匹配度进行调度。
- 负载跟踪：使用 PELT（Per-Entity Load Tracking）跟踪每个任务的运行时间，计算其平均负载。
- 迁移决策：当任务负载超过小核容量阈值时，将其迁移到大核；反之则迁移回小核。
HMP 的典型配置：在 Android 内核中，HMP 通过
/sys/kernel/hmp/ 下的参数进行调优，例如 down_threshold（下迁阈值）和 up_threshold（上迁阈值），控制任务在大小核之间的迁移时机。
3.2.2 HMP 的不足
HMP 虽然解决了大小核识别问题，但其调度决策仍然基于 负载阈值，而非真正的功耗模型。这导致以下问题：
| 问题 | 表现 | 影响 |
|---|---|---|
| 阈值震荡 | 任务负载在阈值附近波动时，频繁在大小核间迁移 | 增加迁移开销，降低性能 |
| 功耗估算粗糙 | 仅通过 CPU 频率和核心类型估算功耗，未考虑电压、温度等因素 | 功耗优化不精确 |
| 缺乏全局视角 | 每个 CPU 独立决策，未考虑整个系统的功耗预算 | 多任务场景下功耗失控 |
3.2.3 HMP 调度流程 SVG
3.3 EAS 调度器：能量感知的调度革命
EAS（Energy Aware Scheduling）是继 HMP 之后的重大演进，它从 Linux 4.x 开始合入主线，并在 Android 内核中得到广泛采用。EAS 的核心思想是：在保证性能满足需求的前提下，选择能耗最低的 CPU 核心执行任务。
3.3.1 EAS 的三大支柱
| 组件 | 功能 | 关键数据 |
|---|---|---|
| CPU 容量模型 | 量化每个 CPU 核心的最大计算能力 | 通过 /sys/devices/system/cpu/cpu*/cpu_capacity 暴露 |
| 能量模型（EM） | 提供每个 CPU 在不同频率下的功耗数据 | 通过 /sys/devices/system/cpu/cpu*/energy_model 暴露 |
| 负载跟踪（PELT） | 精确跟踪每个任务的 CPU 利用率 | 以毫秒级粒度更新，反映任务真实需求 |
3.3.2 EAS 的调度决策过程
- 任务唤醒：当任务被唤醒时，EAS 遍历所有可用的 CPU 核心。
- 性能预估：根据任务的 PELT 负载，预估将其调度到每个核心上所需的 OPP（Operating Performance Point，即频率/电压组合）。
- 能耗计算：利用能量模型，计算每个候选核心在对应 OPP 下的预估功耗。
- 最优选择：选择满足性能需求且能耗最低的核心。
注意：EAS 的能耗计算依赖于平台提供的能量模型数据。如果能量模型不准确（例如未考虑漏电流或温度效应），EAS 的调度决策可能反而导致功耗增加。因此，OEM 厂商需要根据实际硬件校准能量模型。
3.3.3 EAS 调度决策 SVG
3.4 CFS、HMP、EAS 对比总结
| 特性 | CFS | HMP | EAS |
|---|---|---|---|
| 核心架构 | 同质多核 | 异构多核（大小核） | 异构多核 + 能量模型 |
| 调度依据 | 时间片公平性 | 负载阈值 | 性能 + 能耗联合优化 |
| 功耗感知 | 无 | 间接（通过核心类型） | 直接（通过能量模型） |
| 迁移决策 | 负载均衡 | 固定阈值 | 动态能耗计算 |
| Android 引入版本 | Android 早期版本 | Android 5.x - 8.x | Android 9+（主线内核 4.x+） |
| 典型功耗优化 | 无 | 10%-15% | 20%-30% |
3.5 实践建议：EAS 调优方向
在 Android 系统性能优化中，针对 EAS 的调优通常关注以下方面：
- 能量模型校准：确保
/sys/devices/system/cpu/cpu*/energy_model中的数据与实际硬件功耗曲线匹配。可以使用powercap或perf工具进行验证。 - 负载跟踪参数：调整 PELT 的半衰期（
kernel.sched_pelt_period），在响应速度和稳定性之间取得平衡。 - 调度域配置：通过
/proc/sys/kernel/sched_domain/调整调度域的层级和标志位，控制任务迁移的范围和频率。 - 关键任务标记：使用
sched_setattr()系统调用为 UI 线程设置SCHED_FLAG_UTIL_CLAMP_MIN，确保其始终获得足够的 CPU 资源。
性能分析工具：使用
schedtop、trace-cmd 和 kernel.sched_schedstats=1 可以实时观察 EAS 的调度决策，识别任务迁移和能耗异常。