# device-lost 的回复容忍与纹理上传的等待粒度(handoff §4 / §5.1 落地记录) > 2026-09-25。分支 `feat/disaggregated` @ `c984d952` 加本轮工作树改动。对应会话语料 > [`MOBILEGL-CS-HANDOFF.md`](../../../../MOBILEGL-CS-HANDOFF.md) 的 §5.1(A:进世界后的崩溃)与 §4(B:纹理上传等待粒度)。 ## 0. 一句话 - **A**:客户端不再把 **DECLINED 回包**当作协议损坏。那正是进世界后 `Fatal{ProtocolCorruption, "Fence.reply"}` (rc=134)的来源:device-lost 闩锁之后每个 verb 按设计 DECLINED,而 fence/query 两个消费点把它和 ERROR 折进了同一个 abort。 - **B**:wire 臂上纹理那半 `resource_subdata` 不再逐条买回包,等待点从「每条记录」落到「SEG_STAGE 窗口用尽」。 一帧 55,428 次回包等待(handoff §3.2 的实测)在机制上归零;真机端到端墙钟仍待复测(§3)。 ## 1. A —— 一个 DECLINED 是答案,不是损坏 ### 1.1 根因(三处,都是同一个折叠) `ReplySink` 的状态空间是三值的,且它自己的头文件就写着这句话:**「DECLINED IS A REAL ANSWER, not a failure」** (`MG_Remote/Wire/PipeWireCodec.h:457-460`);escape 那几行把另一半也说死了:**「ERROR IS NOT A DECLINE … an escape may not fold 2 into `false`」** (`Client/WireTables.cpp:446-450`)。下面三处把 1 和 2 折成了一个 abort: | 位置 | 折叠写法 | 真实后果 | |---|---|---| | `Client/EmitTables.cpp` `ReadFenceReply` | `status != kStatusOk \|\| replyBytes != sizeof(result)` → `WireProtocolFatal("Fence.reply", …)` | 进世界后区块上传期的 `glClientWaitSync` 撞上 device-lost 闩锁 → **Minecraft 26.2 崩溃(§5.1)** | | `Client/QueryEmit.inc` `ReadQueryReply` | 同上 → `WireProtocolFatal("Query.reply", …)` | 同类:QueryAvailable / QueryResult / QueryTimestamp 三条 row 都会被它打死 | | `MG_Impl/Pipe/PipeFill.cpp:1115` 自检 | 只比客户端记录序号 | device-lost 后 `resource_subdata` 按设计不发 → 自检误判「字节没送达」→ `Fatal{UncarriedInitialBytes}`,把**干净的 device-lost** 变成尸体(P12 出口门 (a) 卡在这条) | DECLINED 有三条**完全不含损坏**的产生路径,两条在服务端、一条在客户端自己: - 服务端按设计拒绝:`Wire/PipeWireCodec.cpp:1820-1830`(fence 两条 row)、`:1841-1861`(query 三条 row)——`PostReply(ok ? kStatusOk : kStatusDeclined, ok ? &result : nullptr, ok ? sizeof(result) : 0)`, 即一个**零长度**的合法答案; - 客户端自己:`Client/ClientSession.cpp:1837`(device-lost 闩锁后每个 verb DECLINED)与 `:2025`(teardown 中死掉的门铃,注释原文就写着「报 DECLINED 而不是 ERROR」)。 而设计文档对 device-lost 的要求恰好相反:**「GL 调用变空操作、交换缓冲返回上下文丢失,而不是崩溃或卡死」** (`design/08-runtime-and-platform.md:33`、`guide/glossary.md:18`)。前端自己也早有这个空操作: `MG_Impl/GLImpl/Sync/GL_Sync.cpp:103-106`、`MG_Backend/DirectGLES/DirectGLES.cpp:16489`、`Server/PipeApplier.cpp:175-177` 都对「等不到的 sync」答 `GL_ALREADY_SIGNALED`。 ### 1.2 改法 - **fence**:DECLINED → `FenceWait` 答 `GL_ALREADY_SIGNALED`、`FenceStatus` 答 1(signaled)。ERROR 与「OK 但短」**仍然是**原来的具名 Fatal。 - **query**:DECLINED → 该 row 自己的「还没有答案」值(零值即三者皆是:availability=false、`Produced=0`→false、timestamp=0)。ERROR 与短 OK 仍然 Fatal。 - **自检**:只在**会话没闩 device-lost** 时保持全效力(`&& !ClientSession::DeviceLost()`)。活会话上一个「发了却什么都没发出去」的 follow-up 仍然是它命名的那个 R-13.3 缺口。 - **不动的**:`ReadPixels` 的 `Fatal{ReadbackDeclined}` 是**故意的**(阻塞回读没有像素可还),本轮没碰,`ClientSession.cpp:2023-2024` 早就把它点名钉住了。 ### 1.3 门与 red-once(R-16,真跑过一次红) `MG_Test/Wire/RemoteClientControls.inc` 四个用例,全部在**活会话 + 对抗性 peer**上驱动生产消费点: | 用例 | 断言 | 去掉修复后的红(实测) | |---|---|---| | `DeclinedFenceReplyAnswersSignaledInsteadOfAborting` | DECLINED 的 fence 回包 → `GL_ALREADY_SIGNALED` / `GetSyncStatus()==true` | `Fatal{ProtocolCorruption, "Fence.reply"} missing or malformed sync result`(**就是 §5.1 那条崩溃**) | | `DeclinedQueryRepliesAnswerNoAnswerYetInsteadOfAborting` | 三条 query row → false / 未写出的 out 参数 / 0 | `Fatal{ProtocolCorruption, "Query.reply"}` | | `ErrorFenceReplyStillRefusesByName` | **宽容不是一刀切**:ERROR 仍然具名 Fatal | (反向控制,修复前后都红/绿相反) | | `DeviceLostRespecifyDoesNotDieOfTheUncarriedBytesCheck` | 闩锁后 `glBufferData(size,data)` 不再自杀 | `Fatal{UncarriedInitialBytes, "resource_respecify"} … 64 bytes of initial content exist on no side of the wire` | 绿:`RemoteClientControls` 30/30、`RemoteClientTest` 全量 **166/166**。 ## 2. B —— 纹理上传不再逐条等回包 ### 2.1 机制:一条谓词,两个半边 `MG_Pipe/PipeRoute.h` 的 `MGPipeSubDataWantsItsReply` 是**唯一**一处决定「这条记录要不要等回包」的地方(`MG_Remote/Client/WireTables.cpp:370` 与 `PipeRoute.h:328` 都读它,注释明写「a second spelling of it is how the client comes to wait for an answer the emitter told the server not to bother with」)。 本轮给它加了 wire 臂的一支:**客户端在 wire 臂上不再为纹理那半等回包**。 答案在 wire 臂上**是可推导的**,理由不是「没人读它」,而是三条站着的事实: 1. **发射本来就被答案的内容闸住了**。纹理记录只在 `FamilyIsLive(kMGPipeSubsystemTextureResources, …)` 成立时才产生, 而在 split 下那个闸**就是** `CapsMirrorInstance().ServerConsumes(bit 10)`(`PipeFill.cpp:1719-1740`)—— 和服务端自己的验收闸(`PipeApply.cpp:1408-1419` `NoP4aConsumer`)读的是同一个已发布事实。 于是验收当初存在的唯一理由(「服务端没有消费者」,ID-39 / D-D5 / ID-18 M3)**不可能是**这条记录的回答。 2. **剩下的是 bug 类,而且本来就响**:target 不指纹理、没声明 texel、没字节 → 服务端 `MGP_TRIP_WIRE_REPORT`(`PipeApply.cpp:1201-1218`、`:2245-2252`); handle 不存在 → 计数并具名(`ResolveResourceIn`,`:721-728`),而客户端自己的 tracker 靠「先 create 再 subdata」从源头杜绝(`PipeFill.cpp:1045-1051`)。 3. **客户端还能免费拿到的答案,一条都没丢**:发射器照旧读这条路返回的 Bool,所以**被客户端自己取消**的记录(device-lost、stage 用尽)仍然答「未接受」, level 保持 dirty 并重试——D-D5 的安全方向原样不动。 **等待没有消失,它换了地方**:一条 run 放不进 SEG_STAGE 时会回收已退休字节并 park 在 stage 门铃上(`Wire/PipeWireCodec.cpp` 的 `StageAllocate` / `ReclaimStagedBytes`), 那是 run-ahead 客户端唯一欠的等待,且它正比于**窗口**而不是调用次数。 ### 2.2 门与 red-once `RemoteClientControls.TextureUploadsStopOwningAReplyOnTheWireArm` 用的是 handoff §3.2 的**同一个计数器**: `LinkMetrics.cpp:76-80` 的 `wait_replies`(逐帧 `P65LinkMetrics` 行里那个字段,也就是「一帧 55,428」那个数)。本轮为它加了同进程读回的 `LinkMetricsReplyWaits()`,因为「等待没了」如果只能靠计时观察,那就只是实测、不是门。 | 步骤 | 断言 | |---|---| | 控制行:`glTexImage2D`(`resource_create` 是 kWaitReply) | `wait_replies` **必须**增加——否则下面的 0 会在「什么都没计数」的会话上假绿 | | 被测行:`glTexSubImage2D`(纯 `resource_subdata`) | 记录真的过了线(`ClientWireRecordsEmitted()` 增加)**且** `wait_replies` 增加 **0** | 红(实测):把 `kClientWire` 那一支拿掉 → 子进程 exit 142。 **monolith 不变**由既有的 `RemoteRunAhead.OnlyTheTextureHalfOfResourceSubDataWantsItsReply` 继续钉住(臂是 `kNone` 时仍答 true)。 ### 2.3 G1 谓词里新增的那一支**在 `#if MOBILEGL_BUILD_DISAGGREGATED` 内**,fall-through 是原来那一行表达式; 其余改动全部落在 split-only 的翻译单元(`MG_Remote/**`)或 `PipeFill.cpp` 的 `#if MOBILEGL_BUILD_DISAGGREGATED` 块内。 因此 pull 臂预处理后与改动前**逐字符相同**。**本机已按 G1 跑过 A/B**:pull 配置(Release、`/usr/bin/c++`、`MOBILEGL_BUILD_DISAGGREGATED=OFF`、`--target MobileGL`)在 `c984d952`(基线)与 `3b9f536d`(本轮)各建一次,结果 `.text` **13872002 = 13872002** 字节、符号 **31746 / 31746**、**0 增 0 删**,逐符号 `comm` 无任何差异(两棵树留在 `build-g1-base/`、`build-g1-head/`,符号表在各自的 `syms.txt`)。 ### 2.4 「同类第二条」到底该不该等(handoff §4.3 末条 + §5.4) handoff §5.4 说「55,428 次等待里各 op 各占多少」未量化,§4.3 说 `ResourceCreate` / `SetTextureParams` 是同类第二条、"需单独分析"。本轮把两件事一起做了: 给 `LinkMetrics` 加了**按 op 的回包等待计数**(`LinkMetricsBeginReply(wantsReply, op)` / `LinkMetricsReplyWaitsFor(op)`,与总计数一样只在 `MOBILEGL_PIPE_STATS=1` 时记), 并用它量了拼接器会产生的两种形状(`RemoteClientControls.ReplyWaitsByOpForAnAtlasShapedLoad`,先打印后断言,好让红的那一次也留下数字): | 形状 | 没有 B | 有 B | |---|---|---| | **图集拼接**:一张 level 上 64 次 `glTexSubImage2D` | **64** 次回包等待 | **0** | | **每 sprite 一张纹理**:64 张纹理 + 256 次 `glTexParameteri` | **384**(`ResourceSubData` 占 128) | **320**(`ResourceCreate` 76 + `ResourceRespecify` 130 + `SetTextureParams` 130,sub-data 0) | 结论两条: 1. **B 正好打在它要打的地方**:上传密集的形状(MC 的图集拼接就是这种)里,回包等待从「每次上传一次」变成 **0**——handoff §4.2 的预期在机制层面成立, 与「96 MiB ÷ 32 MiB 窗口 ≈ 3 次等待」是同一件事的两面(剩下的是 stage 退休,不再是回包)。 2. **剩下三个 row 不能照搬 B**,因为它们等的不是「你收下这批字节了吗」,而是**服务端的记录表里还有没有这个 handle**: - `RespecifyOnce`(`TextureEmit.h:1332-1356`)原文:「the applier's REFUSAL is the only signal that says 'I hold nothing for this handle'」—— served context 的 teardown(`MGPipeApplierReleaseObjectRecords`)会丢掉对象记录而前端对象还活着,这件事**客户端本地推不出来**; - `EmitTextureParams`(`:991-1017`)用同一个拒绝做自愈触发器(context 的默认纹理就是这条路径救回来的); - `PublishCreate`(`:1303-1319`,D-I1/c0b)不能在「被拒绝的 create」上落发布闩,否则死亡路径会为一个不存在的记录发 `resource_destroy`。 所以这三条按 per-resource / per-call 结算,不是 per-chunk:**删掉等待就是删掉信号**。这条裁定已写进 `CONTRACT-P5E.md` §2.5。 **真机那一轮会直接在日志里看到这张表**:`LinkMetricsEnd` 现在把按 op 的拆分单独打一行 `P65LinkMetrics kind=per-op wait_replies=N by_op=2=…,3=…,47=…`(id 是 `MGPWireOp`:2 create / 3 respecify / 47 params / 48 sub-data)。 handoff §5.4 说过这条数字拿不到——spawn 下 client 不推进帧窗口、逐帧行不打,SIGKILL 又带不走退出时的 dump——而这一行正是从「正常收尾的客户端一定会走到」的那个位置打出来的。 ## 2.5 真机结果(2026-09-25,两台设备上的第二次复现) > **设备不是 handoff 那台手机**:本轮 `adb` 上的是 `aikjs4s8cys8ba7l`(TrebleDroid GSI,mt6893/Mali,Android 14,GLES 3.2,`192.168.1.178`), > 不是 `90cee93`(SM8650/Adreno 750)。所以**绝对数字不可与 handoff 直接比**,可比的是机制与每条 row 的行为。 > 服务器 APK 用仓库里那份 trace release 自签后装(`mgl-device/mgl-local.jks`,一次性),客户端是本轮 `build-split`, > 控制面 `tcp://192.168.1.178:40613`、数据面 stream、`MOBILEGL_IPC_SURFACE=server`,MC 26.2 + NeoForge 用 `--quickPlaySingleplayer` 直接进世界。 ### A —— §5.1 的崩溃路径在真机上被走过了两次,都没有崩 两次运行里设备端的窗口都在会话中途消失(设备日志:`Fatal{ServerWindowLost, "surfaceDestroyed"}`),客户端随即闩上 device-lost, 而**下一条 `FenceWait` 收到的就是 DECLINED**: ~~~ [20:42:45] [Render thread/ERROR]: MGPipe: DEVICE LOST - the barrier woke on a peer that had hung up … [20:42:58] [Render thread/ERROR]: MG_Remote client: the peer DECLINED a FenceWait reply - the verb did not happen (a lost device, or a teardown); answering the no-op the frontend uses for a fence it cannot wait on ~~~ 这就是 handoff §5.1 那条崩溃的完整前因后果:**修复前这一行是 `Fatal{ProtocolCorruption, "Fence.reply"}` → rc=134**。 两次运行客户端日志里的 `Fatal{` 计数都是 **0**;世界也确实进去了(`Saving chunks for level 'ServerLevel[新的世界]'`、 `Changing view distance to 2, from 10`、`Started 10 worker threads` —— 与 handoff 记录的崩溃上下文同一组)。 ### B —— 在真机上确实生效,但它不是那台帧的主因 第一次运行复现了 handoff §3.2 的那种「一帧吞掉全部等待」: | | handoff(**没有** B,90cee93) | 本轮(**有** B,GSI) | |---|---|---| | 那一帧的 `wait_replies` | **55,428** | **43,232** | | `stage_bytes` | 100,684,804(96 MiB) | 101,421,396(96.7 MiB) | | `wall_ms` | 248,996 | **224,780** | | `cpu_ms` | 18,391 | 13,413 | 两轮的 stage 字节几乎一样(形状相同),但**这不是受控 A/B**(两台设备),所以能下的结论只有一条,而它是直接证据: 第二次运行带了逐帧按 op 的拆分行,启动期那两帧是 `2=50,3=68,47=62`、稳态是每帧 1 次(op 9 = `FenceWait`,就是帧围栏), **`ResourceSubData`(48) 一次都没有出现** —— B 在真机上按设计生效。 **handoff §4.2 的「55,428 → 约 3」不成立**:那一帧剩下的 43,232 次等待正是 §2.4 裁定「必须等」的三条 row(create / respecify / params), 按 96.7 MiB ÷ 每 sprite 一次上传估算,约每 sprite 3.5 次非上传等待。**B 是必要的,但不是那 2–3 分钟停滞的充分解**—— 要动那一段,方向不是「把等待去掉」(那会删掉信号),而是**把记录数压下来**(同样的参数不必每条都发、同一 level 的 respecify 可去重)。这一条留给下一轮。 ### 2.6 那一帧到底由什么构成(真机,`kind=frame-op` + `kind=frame-sent`) 第四次运行抓到了同一形状的那一帧(`wait_replies=43,232`、`stage_bytes=101,421,396`),两条行合起来第一次把「付了什么」和「发了什么」对齐: | op | 发的记录 | 付的等待 | 说明 | |---|---|---|---| | `ResourceRespecify` (3) | 20,633 | **20,633** | 每条一等 | | `SetTextureParams` (47) | 18,056 | **18,056** | 每条一等 | | `ResourceCreate` (2) | 4,536 | **4,536** | 每条一等 | | `ResourceSubData` (48) | 12,671 | **0** | ⭐ B:记录照发,回包一个不等 | | `DrawVbo` (59) / `SetShaderBuffers` (38) / `SetSamplerViews` (35) | 9,121 / 9,120 / 9,122 | 0 | 这些 row 的等待是 barrier 类,不在本计数里 | | `ObjectDeath` (78) / `ResourceDestroy` (4) | 7,515 / 3,770 | 0 | 死亡路径不发问 | **每条等待正好对应一条记录**(三个 row 都是 1:1),所以 43,232 不是"等重了",而是"真的发了 43,232 条会问问题的记录"。 ### 2.7 「把记录数压下来」这条路的结论:客户端没有可去重的记录 §3 上一轮把「少发记录」列为头号方向。本轮先做了一个**冗余探针**(`RemoteClientControls.ReplyWaitsByOpForAnAtlasShapedLoad` 里那段 `params probe`), 再去读设备上的实际计数,结论是否定的: ~~~ params probe: first=1 same-again=1 changed=2 (deltas 1/0) ~~~ - **同一个值再设一次不产生记录**(delta 0)——前端 setter 的冗余过滤 + emitter 的版本闩已经把它挡掉了; - 换一个值才产生一条。 所以设备上那 18,056 条 `SetTextureParams` 是**真实的状态变化**,不是重复;`ResourceRespecify`/`ResourceCreate` 同理(respecify 的 `unchanged` memcmp 去重早就在了,`TextureEmit.h:838/858/865`)。 **结论:客户端侧没有"少发记录"的空间**——剩下的唯一杠杆是「同样多的记录,更少的往返」,也就是把等待批起来(同一条 row 每 K 条等一次)或把单次往返的成本降下来(数据面 stream 的 syscall/wake 路径), 不是继续找冗余。顺带确认:`TCP_NODELAY` 已经在 `SocketTransport.cpp:100` 设了,5 ms 不是 Nagle 造成的。 ### 2.11 首次使用确认落地后的真机 A/B:那一帧 221.5 s → 134.4 s 按「确认推迟到该对象首次被使用」实现(提交 `b6270960`):发射端在发送参数前查发布闩,未发布就先补一次**阻塞的** create (`HealUnpublishedRecord`,即把原来"被拒后才跑"的那段抽出来前移);对象一旦确认,参数记录全部 fire-and-forget, 调用方读到的是 accept-by-construction(与 B 的 `resource_subdata` 同形)。wire 端读**同一个闩**决定要不要开回复槽, 所以两半不会对"是否欠一次等待"给出不同答案。 同一台设备(GSI,出厂省电策略、服务端 spin 默认 50 µs、Wi-Fi LAN),同一份工作量: | | 那一帧 waits | `by_op` | staged | 墙钟 | |---|---|---|---|---| | 改动前(frame 12) | **43,232** | `2=4536, 3=20633, 5=6, 9=1, `**`47=18056`** | 101,421,396 B | 221.5 s | | 改动后(frame 25) | **25,176** | `2=4536, 3=20633, 5=6, 9=1` | 101,421,396 B | **134.4 s(−39%)** | **`47`(`SetTextureParams`)整条从等待里消失,其余每一行一个不差**,staged 字节也完全相同——所以这 87 秒是"少买了 18,056 次往返", 不是别的什么变了;帧内 `rtt_mean` 5,040 → 5,176 µs(单次成本没动),正是"次数变了、单价没变"的形状。 **为什么不需要周期性金丝雀**:确实"服务端是否持有这个 handle"客户端本来就知道——`MGPipeHandleIsPublished` 在 create **被接受**时才置位, 而 applier 跨 make-current 保留纹理记录(`PipeFill.cpp:3756-3759`,这条注释直接否掉了"在 applier_reset 清闩"的做法:那会让每次 make-current 都无谓重发)。 所以确认只在**首次使用**付一次(那一次 create 本来就要发),之后每条记录都不必再问。兜底仍是老路径: create 被拒 → 闩不置位 → 下一条参数记录照样阻塞取真答案 → 原来那段 one-retry 自愈照跑。 **下一个 20,633**:`ResourceRespecify` 仍逐条等(在 frame 25 里占 20,633/25,176 = 82%)。它与 params 同形(答案只用于 `NoteRespecified` 与自愈), "对象已确认"这个前提同样成立——按同一条规则处理,估算落在 **~4.5k waits ≈ 24 s** 量级(create 那 4,536 是确认本身,应当保留)。 ### 2.12 `ResourceRespecify` 的两半根本不同:buffer 是白送的,texture 才是那 20,611按"已确认对象不再等"处理这一行时,代码里两半的差别是决定性的:- **buffer 半**:`PipeFill.cpp:1105` 与 `:1142` **两处都把返回值丢掉**(`MGPipeRouteResourceRespecify(desc, nullptr);`), 所以那条等待买到的值当场被扔——改 fire-and-forget 是**纯收益、语义零变化**。- **texture 半**:返回值既是自愈触发器,又是**验收镜像 `LastDesc` 的闸**, `TextureEmit.h:885-888` 明写不许在未确认的答案上前进(ID-18 M3:否则下一次相同调用会被去重掉,而服务端从没存过)。于是本轮只落 buffer 半(提交见下),并用它把两半的占比量了出来——**同一帧的 `by_op`**:| | waits | `by_op` ||---|---|---|| 只做了 params(frame 25) | 25,176 | `2=4536, `**`3=20633`**`, 5=6, 9=1` || 再放开 buffer 半(frame 10) | **25,154** | `2=4536, `**`3=20611`**`, 5=6, 9=1` |**buffer 半只值 22 次等待(0.1%)——20,633 里几乎全是 texture respecify**,也就是带 ID-18 M3 约束的那一半。墙钟 134.4 s → 130.9 s(同一帧、同样 101,421,396 B staged)。**texture 半的正解(下一步,尚未实现)**:让镜像**只在真答案上前进**——fire-and-forget 之后 `NoteRespecified` 收 `accepted && !provisional`,于是最坏情况退化成"多补发一条相同 respecify"(安全方向),而绝不会变成"该重发的被去重掉"。这需要在 MG_Pipe 的回复信箱上把"临时接受"和"真接受"分开(信箱本来就有"最后一次调用"的纪律,`MGPipeTakeReplyBool` 就是这么读的),改动落在 route/mailbox + `EmitResourceRespecify` 一处判断。按同一模型估算:**25,154 → ~4.5k waits ≈ 24 s 量级**(create 那 4,536 是确认本身)。 ### 2.13 R3 落地:texture respecify 也只在首次使用时付一次——那一帧 130.9 s → 31.3 s 实现:把"这一行要不要等"做成**唯一一处**判据 `MGPipeResourceRespecifyWantsItsReply`(`MG_Pipe/PipeRoute.h`),wire 端读它决定要不要开回复槽: buffer 半永远不等(两处返回值都被丢弃);texture 半只在**对象未确认**时等(`MGPipeHandleIsPublished` 为假),确认本身由 `EmitResourceRespecify` 在首次使用时补的那次**阻塞 create** 付掉。 同一台设备、同一份工作量(staged **101,421,396 B**,与改动前逐字节相同)、出厂省电、服务端 spin 默认: | | 那一帧 waits | `by_op`(等待) | `by_op`(发出的记录) | 墙钟 | |---|---|---|---|---| | R1+R2 之后 | 25,154 | `2=4536, 3=20611, 5=6, 9=1` | `2=4536, 3=20633, …` 共 103,088 | 130.9 s | | **R3 之后** | **4,543** | `2=4536, 5=6, 9=1` | `2=4536, `**`3=20633`**`, …` 共 **103,094** | **31.3 s** | **respecify 那 20,633 条记录一条没少(照发),少的是它们各自的那次往返**——这正是这条路线与"少干活"的区别。 独立审查给的预测是"4,543 waits、24–37 s(中点 ~30 s)",实测 **31.3 s**,落在中点。 **累计(同一帧)**:43,232 waits / 221.5 s → **4,543 waits / 31.3 s**(7.1×)。剩下的是 create 那 4,536 次等待 ≈ 23 s, 那是确认本身,不是浪费;硬地板还有客户端 CPU ~13.4 s 与传输 ~2.2 s(审查实测 43.1 MiB/s)。**想再往下只剩"批处理 create 行"**(4,536 → ~1.1k,且仍拿真答案)。 **两笔明账**: 1. **① 的守卫尚未接**:审查独立复核"今天不可达"(能清纹理记录的只有 `MGPipeApplierReleaseObjectRecords`,调用者只有测试;`MGPipeApplierReset` 不清它)。 接管时**优先查能否挂在 caps 代次/会话边界这类已有信号上**(一行);否则要新增反向通道第 10 个回调 = 协议面 = 两端重出 APK。 2. **画面未验**:这条路线改的是"客户端还问不问",`frame-sent` 一致是强证据但不是画面证据;R3 之后应补一次 SSIM/目视。 ## 3. 剩余(下一轮的直接入口) 1. **把记录数压下来(新的头号项)**。§2.5 的真机数字说:那一帧剩下的 43,232 次等待全在「必须等」的三条 row 上, 约每 sprite 3.5 次非上传记录。**这条已经被本轮证否(§2.6/§2.7)**:记录是真实的,客户端没有可去重的空间。 于是唯一剩下的杠杆是「同样多的记录、更少的往返」,两个候选: - **把等待批起来**:同一条 row 每 K 条等一次(回复槽池是 8 个,所以 K ≤ 8 是可证明安全的), 代价是消费点的答案要能延后兑现——`ResourceCreate`/`ResourceRespecify`/`SetTextureParams` 的答案只用来「落闩 + 自愈」,两者都可以延后到下一个同步点; - **降低单次往返的 5 ms**:`TCP_NODELAY` 已设(`SocketTransport.cpp:100`),所以不是 Nagle; 数据面是 `stream`(socket),服务端 profile 曾经 65% 在 socket syscall —— 下一轮该重新采一次两侧的栈(handoff §3.3 的 `perf` + `simpleperf` 跑法仍然有效), 把「5 ms 里有多少是网络、多少是两侧 wake/调度」分开。 2. **受控真机 A/B**:本轮两台设备不同(GSI vs handoff 的 90cee93),55,428 vs 43,232 只能算旁证。要给出可比的数字,需要在**同一台设备**上跑一次带 B、一次不带 B(工作树里已有 `build-split/fix-b2.patch` 的往返做法)。 3. ~~真机端到端~~ **已完成(§2.5)**:A 的崩溃路径在真机上走过两次都没崩;B 在真机上按设计生效(op 48 零等待)。工具在仓库外的 `mgl-device/`: `launch-mc.py`(按版本 JSON 重建启动命令,支持 `MC_QUICKPLAY` / `MC_GAMEDIR`)、`gl-aliases.sh`、`start-phone-server.sh`、`mkeystore`+签名步骤写在 README 里。 2. ~~同类第二条~~ **已分析完毕(§2.4)**:`ResourceCreate` / `ResourceRespecify` / `SetTextureParams` 保持 kWaitReply 是有据的裁定, 不是遗漏——它们的拒绝是「服务端没有这个 handle」的唯一客户端可见信号。**这条不再是待办。** 4. **主机门的环境前提**:本机 shell 沙箱没有 `/dev/dri`,所以任何需要真 EGL pbuffer 的车道(`SpawnLane.EventForfeitPeer`、`TcpLane.EventForfeitPeer`)在本会话里必然红(子进程 `kEglSurface = 12`),与本轮改动无关;`EventForfeitPeerTest.cpp:134` 的注释本来就写明这种 runner 会「every case reds before the ring ever fills」。 ### 2.8 那 ~5 ms 一次往返,到底花在哪:**不是链路** handoff §3.6 留过一个没解释的现象:把链路从 Wi-Fi 换到 USB(裸往返 5.76 ms → 1.70 ms,快 3.4 倍)墙钟几乎不动(3m15s → 3m03s)。 本轮在同一台设备上把这件事量清楚了——**同样的帧号、同样的记录数**,只换客户端连的地址(LAN ↔ `adb forward` 的 `127.0.0.1`): | frame | Wi-Fi waits | Wi-Fi `rtt_mean` | USB waits | USB `rtt_mean` | |---|---|---|---|---| | 1 | 26 | 5,156 µs | 26 | **3,451 µs** | | 2 | 180 | 7,934 µs | 180 | **5,716 µs** | | 3 | 1 | 3,491 µs | 1 | **2,544 µs** | | 4 | 1 | 8,106 µs | 1 | **6,579 µs** | 链路(含 adb 的用户态转发这一跳)把单次等待降了约 **25–30%**,量级不变。也就是说 **~5 ms 里的大部分不在链路上**, 而在「客户端 park → 服务端唤醒/读取/apply/回铃 → 客户端唤醒」这条本地路径上——这与两侧 profile 的形状一致(服务端 65% 在 socket syscall、约 15% 在门铃自旋)。 **结论:想动这一帧,只有两条路**——(a) 同样多的记录、更少的往返(把等待批起来,回复槽池 8 个 ⇒ K ≤ 8 可证明安全); (b) 降低单次往返的本地成本(服务端 apply/wake 路径、`MOBILEGL_IPC_SPIN_US` 之类)。**不是**换链路,也不是去重记录(§2.7 已证否)。 ### 2.9 那 ~5 ms 的真身:**设备侧的深度空闲退出**(本轮把 handoff §3.6 的谜题解开了) §2.8 排除了链路,本节把剩下的候选一个个排除,最后落在一个可复现、可量化的原因上。同一台设备、同一份工作量(那一帧 43k 条记录),只改一个变量: | 变体 | 单次等待均值 `rtt_mean` | 那一帧的墙钟 | 说明 | |---|---|---|---| | 基线(LAN + 客户端 spin 50 µs + 设备出厂省电) | 5.0–7.9 ms | **221.5 s**(43,232 waits / 101.4 MB staged) | | | 客户端 `MOBILEGL_IPC_SPIN_US=2000`(自旋 40×) | 4.8–6.9 ms | — | 只快 ~10% ⇒ **不是客户端 park/wake** | | `adb forward`(USB,裸 RTT 低数倍) | ~25–30% 更快 | — | ⇒ **不是链路**(§2.8) | | **设备 CPU 钉住**:8 核 governor→`performance`,关掉 `cpuoff_l`/`clusteroff_l`/`mcusysoff`/`s2idle` | **3,715 µs**(帧内均值从 5,040 降下来) | **166.5 s**(43,218 waits / 100.5 MB staged) | ⇒ **就是它**:同一条数、同样的字节,**快了 25%** | **机理**:服务端 apply 线程在两条记录之间 park,SoC 随即掉进 `cpuoff_l`/`mcusysoff` 这类深度空闲;下一条记录到达时要付**退出延迟**(毫秒级)。 每一条记录一次唤醒 ⇒ 每次往返 ~5 ms,与链路无关(§2.8),也与客户端怎么等无关(自旋试验)。 **这同时解释了 handoff 的两处观察**:§3.6「换快 3.4 倍的链路墙钟不变」(因为钱花在设备的唤醒上),以及 §3.3 服务端 profile 里那 65% 的 socket syscall / 15% 门铃自旋(等待与唤醒的形状)。 **也要说清楚**:handoff §3.2 那 249 s 是在**没有**做设备定频/关空闲的机器上取的(项目自己的纪律 `guide/pin-verification-2026-09-07.md` 就是为这件事写的),所以它的绝对值里含这份空闲税。 ### 2.9b 同一个诊断的可移植修法:**服务端的自旋预算**(已实测,不需要 root、不需要改代码) §2.9 的机理直接指向一个已经接好线的旋钮:服务端 apply 线程在记录之间 park 得越早,SoC 越容易掉进深度空闲。 本轮把它调大再测(同一台设备、同一帧、43,232 条记录、101.4 MB staged): | 变体 | 最大帧 `rtt_mean` | 墙钟 | 代价 / 前提 | |---|---|---|---| | 基线(服务端 spin 50 µs,出厂省电) | 5,040 µs | **221.5 s** | — | | **服务端 `MOBILEGL_IPC_SPIN_US=2000`** | 4,145 µs | **182.8 s(−17%)** | 设备侧多烧一点自旋 CPU;**不需要 root**、**不需要改代码** | | 设备定频 + 关深度空闲 | 3,715 µs | **166.5 s(−25%)** | 需要 root/系统权限 | `MOBILEGL_IPC_SPIN_US` 通过 Activity 现成的 `env` extra 传进去即可(`ServerEnvironment.apply` 的语法是 `KEY=VALUE;KEY=VALUE`,且它不在 `SCRUBBED` 名单里): ~~~sh adb shell am start -n top.mobilegl.plugin.trace/top.mobilegl.plugin.MobileGLDisplayActivity \ --es listen tcp://0.0.0.0:40613 --es token --es backend DirectGLES \ --es env "MOBILEGL_IPC_SPIN_US=2000" ~~~ 服务端日志自己会证明它生效了:`mgl-srv-apply started … spin 2000 us`。**这条已经是可用的缓解手段**;要不要把它做成 Android 上的默认值(一行 env 或一个默认常量)是产品决定: 它拿设备 CPU 换墙钟,而这一帧本来就 94% 在等。 ### 2.10 于是「2–3 分钟停滞」的修法清单(按预期收益排序) 1. **把等待批起来**(K ≤ 8,回复槽池可证明):同样多的记录、少得多的唤醒。与第 2 条互补,且**纯客户端**,不需要设备权限。 2. **让服务端在记录之间保持"热"**:它自己的自旋预算(设备日志里的 `spin 50 us`)——但 APK 今天没有把 `MOBILEGL_IPC_*` 接进去(P12 阶段表里那条 "FCL env 与 plugin APK 开关表接线" 未做),所以真机上只能靠 root 钉频率来证明这块蛋糕有多大(本节已证明:25%)。 3. **测量纪律**:任何 split 真机数字都应该在定频+关深度空闲的设备上取,否则把设备省电策略算进了"协议代价"。 ## 4. 证据位置 | 位置 | 内容 | |---|---| | `MG_Test/Wire/RemoteClientControls.inc` | 本轮五个用例(四个 A + 一个 B),每个都写了它自己的红是什么 | | `MG_Test/Wire/RemoteClientTest.cpp` | `RemoteRunAhead.OnlyTheTextureHalfOfResourceSubDataWantsItsReply`(monolith 侧的钉) | | red-once 命令 | `./build-split/MobileGL/MG_Test/Wire/RemoteClientTest --gtest_filter='*Declined*:*DeviceLostRespecify*:*TextureUploadsStopOwning*'`,配合 `build-split/fix-a.patch`、`build-split/fix-b.patch` 两个临时补丁往返 | | 全量 | `ctest --test-dir build-split -E "Scenario|EventForfeitPeer"`:2616 例,除上述沙箱 EGL 两条外全绿 |