4. Stream复用策略设计：基于分辨率、格式、Usage与动态复用

在Camera HAL层开发中，Stream复用（Stream Reuse）是提升内存效率、降低延迟、减少带宽消耗的核心技术。复用策略的核心在于：在满足下游消费者（Preview、Video、Snapshot、Analysis）需求的前提下，尽可能共享Buffer或Stream管道，避免重复分配和拷贝。本章将系统阐述四种主流复用策略：基于分辨率、基于格式、基于Usage以及动态复用策略。

4.1 基于分辨率的复用策略

分辨率复用是最直观、最常用的策略。当多个Consumer请求的分辨率相同或存在整数倍缩放关系时，可以共享同一个Stream的输出Buffer，或通过Scale/Downscale共享数据。

4.1.1 策略模型

• 完全匹配复用： 多个Consumer请求完全相同的分辨率（如Preview和Video都请求1920x1080），直接共享同一个Stream ID和Buffer队列。
• 整数倍缩放复用： 高分辨率Stream（如4K）通过硬件Downscaler输出低分辨率（如1080p），供多个Consumer使用。
• 裁剪复用： 从大分辨率Stream中裁剪出感兴趣区域（ROI），供不同Consumer使用。

4.2 基于格式的复用策略

格式复用关注的是Pixel Format的兼容性。当不同Consumer请求的格式在内存布局上兼容时，可以共享Buffer，仅通过不同的解析方式（Interpretation）来满足各自需求。

4.2.1 格式兼容性矩阵

4.2.2 典型场景：NV12与Y8复用

// 格式复用示例：NV12 Buffer同时用于Preview（NV12）和Face Detection（Y8）
struct BufferReuseConfig {
    int stream_id;
    uint32_t width;
    uint32_t height;
    uint32_t format;          // HAL_PIXEL_FORMAT_YCbCr_420_SP
    uint32_t usage;           // GRALLOC_USAGE_HW_TEXTURE | GRALLOC_USAGE_SW_READ_OFTEN
    
    // 复用描述
    struct ReusePlane {
        int consumer_id;
        uint32_t plane_index;  // 0: Y plane, 1: UV plane
        uint32_t offset;
        uint32_t stride;
    } planes[2];
};

// 初始化：NV12 Buffer，Y plane供Face Detection使用
struct BufferReuseConfig config = {
    .stream_id = 1,
    .width = 1920,
    .height = 1080,
    .format = HAL_PIXEL_FORMAT_YCbCr_420_SP,
    .usage = GRALLOC_USAGE_HW_TEXTURE | GRALLOC_USAGE_SW_READ_OFTEN,
    .planes = {
        { .consumer_id = 0, .plane_index = 0, .offset = 0, .stride = 1920 },  // Y plane
        { .consumer_id = 1, .plane_index = 1, .offset = 1920*1080, .stride = 1920 } // UV plane
    }
};

4.3 基于Usage的复用策略

Usage复用关注的是Buffer的访问模式（CPU读/写、GPU纹理、HW Video Encoder、Display等）。当多个Consumer的Usage位掩码兼容时，可以共享同一块物理内存，避免重复分配。

4.3.1 Usage兼容性分析

• HW_TEXTURE + HW_COMPOSER： 高度兼容，GPU和Display都可以从同一Buffer读取。
• HW_VIDEO_ENCODER + SW_READ_OFTEN： 部分兼容，Encoder需要连续物理内存，CPU读可能触发Cache同步。
• SW_WRITE_OFTEN + HW_TEXTURE： 不推荐，CPU写后GPU读需要显式Cache Flush，性能开销大。
• HW_CAMERA_WRITE + HW_VIDEO_ENCODER： 最佳复用组合，Camera直接写入Encoder可访问的内存区域，零拷贝。

4.4 动态复用策略

动态复用策略是前三种策略的融合与运行时优化。它根据当前系统负载、Consumer活跃状态、Buffer分配压力等因素，在运行时动态调整复用关系。

4.4.1 动态复用决策引擎

4.4.2 动态复用状态机

// 动态复用状态机伪代码
enum ReuseState {
    REUSE_INDEPENDENT,   // 独立分配，无复用
    REUSE_SHARED_BUFFER, // 共享Buffer
    REUSE_SHARED_STREAM  // 共享整个Stream管道
};

struct DynamicReuseManager {
    // 当前复用状态
    ReuseState current_state;
    
    // 决策阈值
    float bandwidth_threshold;    // 带宽利用率阈值，超过则强制复用
    float cache_sync_cost;        // 当前Cache同步开销（us）
    float cache_sync_limit;       // Cache同步开销上限（us）
    
    // 动态决策函数
    ReuseState evaluate_reuse(const ConsumerGroup &group) {
        // 1. 检查带宽压力
        if (get_bandwidth_usage() > bandwidth_threshold) {
            return REUSE_SHARED_STREAM;  // 带宽不足，强制共享Stream
        }
        
        // 2. 检查Cache同步开销
        if (cache_sync_cost > cache_sync_limit) {
            return REUSE_INDEPENDENT;    // Cache同步太贵，独立分配
        }
        
        // 3. 检查Consumer兼容性
        if (group.has_compatible_resolution() && 
            group.has_compatible_format() &&
            group.has_compatible_usage()) {
            return REUSE_SHARED_BUFFER;  // 完全兼容，共享Buffer
        }
        
        // 4. 默认：独立分配
        return REUSE_INDEPENDENT;
    }
    
    // 状态切换回调
    void on_state_change(ReuseState old_state, ReuseState new_state) {
        // 重新配置ISP输出通道
        // 更新Gralloc Buffer分配策略
        // 通知Consumer重新配置
    }
};

4.5 复用策略对比与选型指南

4.6 本章小结

Stream复用策略是Camera HAL层性能优化的核心手段。基于分辨率的复用最易实现且收益显著；基于格式的复用适用于特定场景（如Y plane共享）；基于Usage的复用需要深入理解Gralloc和硬件访问模式；动态复用策略则是在前三种基础上的智能化升级，能够根据运行时状态自适应调整。在实际项目中，建议优先实现分辨率复用，然后根据性能瓶颈逐步引入格式和Usage复用，最后在资源紧张的高端平台上部署动态复用引擎。