4. 卡顿问题分类与根因分析：丢帧、抖动、延迟的数学定义与测量方法

在 Camera HAL 调试中，“卡顿”是一个笼统的用户感知描述。要精准定位根因，必须将卡顿拆解为三个可量化、可测量的技术指标：丢帧（Frame Drop）、抖动（Jank） 和 延迟（Latency）。这三者相互关联，但成因与优化手段截然不同。

4.1 丢帧（Frame Drop）—— 帧序列的“空洞”

数学定义： 在预设的帧率窗口内，实际产生的帧数少于理论帧数。丢帧率 = (理论帧数 - 实际帧数) / 理论帧数 × 100%。

测量方法： 通过 HAL 层的 waitForNextFrame 或 processCaptureRequest 回调的时间戳序列进行统计。若连续两个时间戳的间隔超过 1.5 倍帧周期，则判定中间存在丢帧。

4.2 抖动（Jank）—— 帧间隔的“心律不齐”

数学定义： 相邻帧到达时间间隔（Frame Interval）的标准差或变异系数。常用指标为 帧间隔抖动率 = |实际间隔 - 理论间隔| / 理论间隔 × 100%。当该值超过 15% 时，人眼即可感知到不流畅。

测量方法： 采集连续 100 帧的 timestamp，计算相邻帧时间差序列 Δt[i] = t[i+1] - t[i]。统计 Δt 的均值 μ 与标准差 σ。抖动程度用 σ/μ 表示。

4.3 延迟（Latency）—— 从光子到像素的“总耗时”

数学定义： 从传感器曝光开始（SOF）到帧数据到达应用层（onImageAvailable）的时间差。通常分为三个子阶段：

测量方法： 在 HAL 的 processCaptureRequest 入口和 processCaptureResult 出口分别打上 ktime_get_ns() 时间戳。总延迟 = t_result - t_request。使用 perfetto 或 systrace 可以精确到每个 pipeline 阶段的耗时。

4.4 三类卡顿的对比与关联

4.5 综合测量框架：从 HAL 到应用的全链路监控

为了同时捕获丢帧、抖动和延迟，需要在 HAL 层植入统一的测量点。推荐在以下关键路径打上 ktime 时间戳：

1. SOF（Start of Frame）： Sensor 曝光开始中断。
2. Request 提交： processCaptureRequest 被调用。
3. ISP 输出： ISP 完成处理，生成结果 buffer。
4. Result 回调： processCaptureResult 被调用。
5. 应用层接收： onImageAvailable 回调。

通过这 5 个时间戳，可以计算出：

• 丢帧： 检查 SOF 序列号是否连续。
• 抖动： 计算相邻 SOF 时间差的标准差。
• 延迟： 计算 Request 提交到 Result 回调的时间差。

// 伪代码：HAL 层时间戳采集示例
void processCaptureResult(const CameraMetadata& result, const buffer_handle_t& buffer) {
    struct timespec ts;
    clock_gettime(CLOCK_MONOTONIC, &ts);
    int64_t now_ns = ts.tv_sec * 1000000000LL + ts.tv_nsec;

    // 记录当前帧号
    int32_t frame_number = result.find(ANDROID_SENSOR_TIMESTAMP).data.i32;

    // 计算延迟
    int64_t request_time = request_timestamps_[frame_number];
    int64_t latency_ns = now_ns - request_time;

    // 计算帧间隔
    int64_t prev_sof = last_sof_time_;
    int64_t interval_ns = now_ns - prev_sof;

    // 更新统计
    update_frame_stats(frame_number, latency_ns, interval_ns);
}