Files
MobileGL/docs/Disaggregated/notes/p12/CREATE-WINDOW-MEASURED.md
T

9.2 KiB
Raw Blame History

create window 的实测否决,与 StreamLink 的一处 ILink 契约违反(handoff-2 §2 收尾记录)

2026-09-26。分支 feat/disaggregated @ 82ed1df9 加本轮工作树改动。对应 MOBILEGL-CS-HANDOFF-2.md 的 §2(工作树里那版 create window) 与 §7 的「把 create 那 4,536 批成 ~1,134」。

0. 一句话

  • 窗口开了等于没开:同一台设备、同一帧、同一 101,421,396 B staged,MOBILEGL_IPC_CREATE_WINDOW=4 与 =1 的 create 行都是 4,536 次等待,墙钟都是 28.64 s(handoff 的 pre-window 基线是 31.3 s)。 临时计数器给出的形态是:pushed=24 blocked=4,476 took=20 readfail=8,951 pending=4——drain 读不回来。
  • 不是调参问题:回复池 8 槽,而这一帧发出 59,673 条带回复的记录(服务端对每条 kReplySlot 记录都回, 不管客户端要不要),所以一条答案在 8 条回复之后就被覆盖,等于 0.61 个 create。任何深度的窗口都读不回来。
  • 顺带修掉一个真 bug:StreamLink::ReadReply 只认「最新一条」(单槽),违背 ILink::ReadReply(seq) 的按 seq 读取语义。已改成一个 8 槽环 + 用例。
  • 默认关掉:MOBILEGL_IPC_CREATE_WINDOW 默认 1。窗口开着不只是白费,它会让被拒绝的 create 留在「已发布」状态 (反闩动作在同一个读不回来的 drain 里),正是 suspect 表要防的那种静默分歧。

1. 实测(同一设备 aikjs4s8cys8ba7l,同一世界,出厂省电)

run 窗口 frame-sent 2= frame-op by_op 2= 墙钟 日志
handoff 基线(无窗口的二进制) — 4,536 4,536 31.26 s logs/mcx.client
窗口 4 4 4,536 4,536 28.64 s logs/mcx-fix4.client
窗口 1(负控) 1 4,536 4,536 28.64 s logs/mcx-fix1.client
默认(本轮收尾的 HEAD,窗口 1) 1 4,536 4,536 30.79 s logs/mcx-final.client

by_op 2 数的是走了阻塞路径的 create(LinkMetricsBeginReply(ownsReplySlot, op), ownsReplySlot = rowCarriesReplySlot && wantReply,ClientSession.cpp:1840/1883)。它没动,就是「一条都没延后」。 两臂的 frame-sent 全表逐 op 相同(4,536 / 20,633 / 3,770 / 18,056 / 12,671 …),也就是记录一条没少发; 收尾那一轮(默认值,mcx-final)的 frame-sent 与它们逐字节相同,墙钟的 30.79 s 在 handoff-2 §4.3 说的 「单次墙钟差含数秒噪声」带内——三臂的墙钟差(28.64 / 28.64 / 30.79)没有一个超出噪声。

窗口确实进去过——临时行(每 500 条打一次)在窗口 4 下的读数:

P12diag create=501  cfg=4 eff=4 suspects=0 refusals=0 pending=4 pushed=24 blocked=476  took=20 waitfail=22 readfail=951
P12diag create=4501 cfg=4 eff=4 suspects=0 refusals=0 pending=4 pushed=24 blocked=4476 took=20 waitfail=22 readfail=8951

pending 从第 500 条起一直钉在 4,refusals=0(一条答案都没读到过),readfail 约每条 create 涨 2 (非阻塞 poll + 阻塞 drain 各失败一次)。

2. 根因:回复池 8 槽 vs 一帧 59,673 条回复

答案只在它的槽没被复用之前可读(ReplySlotPool,kDefaultReplySlotCount = 8, Transport/ReplySlot.h:111)。而这一帧发回复的记录数是:

行 条数 为什么回
2 ResourceCreate 4,536 等
3 ResourceRespecify 20,633 不等也给(首用确认后 fire-and-forget)
47 SetTextureParams 18,056 不等也给
48 ResourceSubData + 4 16,441 不等也给
5 / 9 等 7 等
合计 59,673

服务端无法知道客户端要不要这条答案——ClientSession.cpp:1897-1900 原文:「The server posts either way, so the wire is unchanged and the row keeps its flag」。于是池子一帧churn 7,459 次,两条 create 之间平均夹 13.2 条回复,而一条答案只活得下 8 条:

8 / 13.2 = 0.61 个 create

所以窗口的失败不是「慢」,是「读不到」。 1 深度的窗口就是阻塞路径本身。

3. 顺带发现并修掉:StreamLink::ReadReply 违背了自己的接口

ILink::ReadReply(Transport/ILink.h:285)的签名是按 seq 读;ShmLink 用 ReplySlotPool 实现它, 而 StreamLink 到本轮为止只保留一条回复(reply / replySeq / replyStatus),并且:

x.replyReady.wait(lock, [&]{ return closed || x.replySeq >= seq || appliedSeq >= seq; });
if (x.replySeq != seq) return ... MOBILEGL_ERR_PROTOCOL_MISMATCH;   // 等的是 >=,判的是 ==

「等到至少 seq」与「只接受恰好 seq」自相矛盾:任何早于最新一条的答案都读不回来。此前没有调用者受影响, 是因为每个调用者读的都是自己刚等到的、也就是最新的一条;create window 是第一个读旧答案的调用者。 已改成 8 槽环(kReplyRing,深度取它顶替的那个池:kDefaultReplySlotCount), 用例 StreamLinkTest.AnOlderReplyIsStillReadableByItsSeq 三连发、按 1→2→3 顺序读回。

注意这只治好了「单槽」,没治好「池只有 8 槽」——ShmLink 侧本来就是池,也一样读不回来。这也是为什么 设备上的读数在修掉单槽之后仍然一模一样。

4. 为什么这是个必须默认关掉的开关,而不是一个慢一点的开关

窗口的答案是临时接受:PublishCreate 会因此落闩(「applier holds this handle」), 而纠正它的唯一动作——迟到 DECLINE → MGPipeNoteHandleUnpublished + suspect 表——就在那个读不回来的 drain 里。 换句话说窗口开着时,服务端的拒绝会被客户端当成已发布,之后每条已转换的行都对一个不存在的记录 fire-and-forget。 这正是 suspect 表存在的理由,也是 TextureEmit.h 里 RespecifyOnce 那句话(「applier 的 REFUSAL 是唯一说 『我手里没有这个 handle』的信号」)要防的东西。

5. 门(MG_Test/Wire/RemoteClientControls.inc)

窗口机制本身是自洽的,只是在这条协议上不可用,所以门保留并 pin 住机制:

用例 钉住什么 读数
ACreateWindowDefersTheAnswersAndTheWindowOffDoesNot 窗口开=12 记录 0 等待;同一子进程把窗口关回 1 = 12 记录 12 等待(负控);pending <= effective 逐条断言;99 被夹到数组大小;数组 <= 池的一半 ON 0 waits / OFF 12 waits
ARefusedCreateUnlatchesItsObjectAndItsNextCreateBlocks 真拒绝(收窄服务端 consumed mask)→ 闩清零、suspect 计数 +1、下一条 create 阻塞(2 记录 2 等待)、恢复消费者后 heal(闩回来、suspect −1) suspects 6 → 5
StreamLinkTest.AnOlderReplyIsStillReadableByItsSeq 传输层按 seq 可读 3/3

编译期还有一条:WireTables.cpp 的 static_assert(kCreateWindowMax <= kDefaultReplySlotCount / 2, …), 把「有人把窗口改成 8 就会踩池子」变成编译错误而不是设备上的错画面。

6. 画面(handoff-2 §6 要的那一格)

设备端(MOBILEGL_IPC_SURFACE=server,画面在手机屏上)在负载帧闭合后 +8 s 截屏: logs/mcx-fix4.shot2.png 与 logs/mcx-fix1.shot2.png 都是真实世界(地形、物品栏、聊天行), 两臂 SSIM = 0.977(均值绝对差 2.26/255)。同一 run 内 加载页 vs 世界 SSIM 只有 0.12,说明这个数字不是 「两张都黑」的假阳性。这仍然只是间接证据:两臂行为本来就相同(窗口是 inert 的),它能说明的是 「窗口开着没有把画面弄坏」,不是「延后一条确认后画面仍然对」。

7. 下一步(如果要救这个想法)

要让延后的答案活下来,只有两条路,都是协议面而不是调参:

  1. 加深回复池:ReplySlotCount 在 Hello 里协商(ClientSession.cpp:957 / ServerSession.cpp:745), 两端一致即可改。需要的深度 >= 两条 create 之间的回复数(本帧 13.2)乘以窗口深度,即 4 深度要 ~53 槽; 而 ReplyBytes 固定 16 MiB 时槽会变小,ReadPixels 的 ReplyCanHold 会先撞墙,所以要一起抬 ReplyBytes。
  2. 让客户端能说「这条别回」:四个 Bool 行(create/respecify/params/sub-data)目前服务端一律回; 一个 record flag 就能把 59,673 砍到 ~4,543,那时 8 槽够用。这是 wire 改动,两端都要动。

8. 复算

# 两臂的帧读数(handoff-2 §1 的读法)
python3 mgl-device/bigframe.py mgl-device/logs/mcx-fix4.client mgl-device/logs/mcx-fix1.client
grep -a "kind=frame-op frame=" mgl-device/logs/mcx-fix4.client | tail -1
grep -a "kind=frame-sent frame=" mgl-device/logs/mcx-fix4.client | tail -1
# 一轮设备 run(自带 force-stop、就绪判据、负载帧检测、截屏、SIGTERM 收尾)
cd mgl-device && python3 run-once.py <tag> [MOBILEGL_IPC_CREATE_WINDOW=4]
# 门
build-split/MobileGL/MG_Test/Wire/RemoteClientTest --gtest_filter='*CreateWindow*:*RefusedCreate*'
build-split/MobileGL/MG_Test/Wire/StreamLinkTest --gtest_filter='*OlderReply*'