基于VxWorks的系統(tǒng)故障快速恢復(fù)設(shè)計(jì)

在CDMA基站BTS側(cè)，EVDO基帶信號處理板負(fù)責(zé)完成基帶信號的調(diào)制和解調(diào)工作，在整個(gè)通訊系統(tǒng)中具有非常重要的作用?；鶐幚戆宓挠布到y(tǒng)包括PPC、高通CSM6800等芯片；軟件系統(tǒng)包括VxWorks操作系統(tǒng)、BSP驅(qū)動層、信號處理應(yīng)用層等部分?；鶐盘柼幚戆逶谶\(yùn)行中對外界條件和組成單元要求苛刻，當(dāng)運(yùn)行條件不滿足系統(tǒng)要求時(shí)，傳統(tǒng)的方法是采用整板硬復(fù)位的方法進(jìn)行故障恢復(fù)。

需要整板復(fù)位的情況包括：(1)時(shí)鐘信號出現(xiàn)故障，導(dǎo)致調(diào)制和解調(diào)異常；(2)CSM6800調(diào)制解調(diào)芯片出現(xiàn)異常；(3)部分應(yīng)用層任務(wù)出現(xiàn)異常；(4)在線修改基于CSM6800的基帶參數(shù)，只有硬復(fù)位后才能生效；(5)更換新的單板軟件版本等。

在基站系統(tǒng)的實(shí)際運(yùn)行中，上述情況都比較常見?；鶐盘柼幚韱伟逡坏┱鍙?fù)位，通常需要4～5分鐘才能恢復(fù)正常工作，期間終端用戶無法進(jìn)行正常業(yè)務(wù)應(yīng)用。對于用戶來說，這個(gè)業(yè)務(wù)中斷的時(shí)間長度難以容忍，因此增加了用戶投訴概率和對運(yùn)營商的壓力。如何解決這個(gè)問題已成為當(dāng)務(wù)之急。

1 單板快速恢復(fù)設(shè)計(jì)方案

1.1 單板架構(gòu)分析

如圖1，基帶信號處理單板硬件由兩個(gè)主要組成部分：一個(gè)是主控CPU，采用高性能的PowerPC；另外一個(gè)是高通公司的基帶信號調(diào)制、解調(diào)芯片CSM6800。

主控CPU完成對整個(gè)單板的控制，包括對CSM6800的控制、與BSC側(cè)進(jìn)行媒體流數(shù)據(jù)的交互、單板自身各項(xiàng)功能的實(shí)現(xiàn)等。主控CPU采用VxWorks作為實(shí)時(shí)操作系統(tǒng)，對單板上任務(wù)、消息隊(duì)列、內(nèi)存等進(jìn)行管理，采用百兆網(wǎng)口與BTS其他單板交換數(shù)據(jù)。

　　CSM6800是高通推出的支持CDMA3G EVDO第二代的調(diào)制解調(diào)芯片，它具有支持前向速率3.1Mb/s和反向1.8Mb/s的調(diào)制解調(diào)能力。CSM6800的工作條件比較苛刻：(1)需要時(shí)鐘系統(tǒng)提供精確的PP2S信號和16CHIP信號；(2)修改CSM6800配置參數(shù)后，需要復(fù)位CSM6800后才能生效。

如圖2，在基帶信號處理板上CPU中的軟件架構(gòu)是在VxWorks操作系統(tǒng)上完成應(yīng)用層任務(wù)的調(diào)度和運(yùn)行。下面分析單板上軟件系統(tǒng)：

(1)操作系統(tǒng)層?；鶐盘柼幚戆鍖?shí)時(shí)性要求很高，因此采用VxWorks作為操作系統(tǒng)，完成任務(wù)管理等操作系統(tǒng)工作。

(2)BSP底層驅(qū)動程序。該層封裝了一些上層軟件需要時(shí)使用的底層或者是硬件的接口，保證上層軟件更好的移植性。

(3)應(yīng)用層。該層完成處理底層數(shù)據(jù)，并與BSC側(cè)完成數(shù)據(jù)交互、基帶功能控制以及包括單板的一些應(yīng)用程序，如告警模塊、性能統(tǒng)計(jì)模塊、信令跟蹤模塊等。

從以上分析，基帶單板從軟件和硬件上基本可以分為相對獨(dú)立的主控CPU和CSM6800兩大部分。

1.2 快速啟動方案設(shè)計(jì)

首先分析基帶信號處理板的各種復(fù)位場景，并且進(jìn)行梳理。其場景分為兩大類：一類是不需要整板復(fù)位就能解決問題或者故障恢復(fù)的場景；另外一類是只有復(fù)位整板才能夠解決故障。在實(shí)際的商用環(huán)境中，第二類故障或場景非常少，主要包括：(1)基站軟件升級；(2)底層操作系統(tǒng)跑死。由于系統(tǒng)升級頻率極低，且選擇升級的時(shí)間都是事先進(jìn)行安排，因此對于用戶業(yè)務(wù)影響很小。至于底層操作系統(tǒng)跑死的可能性更加低微，無論是實(shí)驗(yàn)室還是商用機(jī)都極少出現(xiàn)此類情況。

相對而言，第一類場景比第二類場景出現(xiàn)的概率更高一些，目前都是采用統(tǒng)一整板復(fù)位的方式來進(jìn)行功能恢復(fù)或者重新啟動。

在分析各類場景之前，首先分析整板啟動時(shí)間消耗在哪里。經(jīng)過測試和計(jì)算，其結(jié)果如表1。

分析表1，整體啟動時(shí)間需要253s左右，但是前四步就占用了245s，尤其是第4步高通CSM6800芯片自檢，消耗了170s的時(shí)間。

分析了所有的復(fù)位源，將可以歸類到第一類場景的復(fù)位源進(jìn)行了細(xì)化，具體如下：

(1)更改CSM6800參數(shù)，需要重新啟動CSM6800生效；
(2)時(shí)鐘系統(tǒng)出錯，應(yīng)用層診斷后，為防止CSM6800出錯，需要重新啟動CSM6800；
(3)CS6800運(yùn)行期間報(bào)錯，需要重新啟動CSM6800；
(4)啟動時(shí)的參數(shù)校驗(yàn)錯誤，需要重新復(fù)位系統(tǒng)。

針對(1)、(2)、(3)這三種情況，在PPC上即控制CPU上的程序本身并沒有任何問題，因此不需要復(fù)位整個(gè)CPU。第4種情況是上層的配置參數(shù)有誤，導(dǎo)致單板無法正常運(yùn)行，但是實(shí)際上此時(shí)的單板并沒有出現(xiàn)異常，其他各個(gè)功能模塊也沒有出現(xiàn)故障。

由此可見，基帶信號處理板在CSM6800需要復(fù)位才能實(shí)現(xiàn)正常功能時(shí)，具有重新設(shè)計(jì)單板復(fù)位機(jī)制的基礎(chǔ)。這個(gè)基礎(chǔ)就是CSM6800復(fù)位，或者是針對CSM6800操作出現(xiàn)故障后，并不影響CPU操作系統(tǒng)上底層任務(wù)的正常運(yùn)行，只是對CPU應(yīng)用層任務(wù)產(chǎn)生了影響。依據(jù)這個(gè)分析基礎(chǔ)，進(jìn)行了基于VxWorks的快速恢復(fù)機(jī)制設(shè)計(jì)。其具體實(shí)施方法為：

(1)流程如圖3，首先判斷是要發(fā)起快速恢復(fù)啟動還是正常的整個(gè)單板復(fù)位。

(2)正常的單板復(fù)位流程，按照單板原設(shè)計(jì)方案執(zhí)行；如果是快速啟動方案，則按照快速啟動方案執(zhí)行：
①清除各種定時(shí)器，包括單板與基站其他單板的握手定時(shí)器、任務(wù)自身的循環(huán)定時(shí)器，以及其他各種特殊用途的定時(shí)器，防止定時(shí)器溢出產(chǎn)生任務(wù)切換或者導(dǎo)致硬件中斷。
②清除數(shù)據(jù)堆棧。
③調(diào)用msgQDelete()清除各個(gè)應(yīng)用層任務(wù)消息隊(duì)列[1]；清空后，任務(wù)不處理新來的消息，這樣任務(wù)不會因?yàn)橄⒌募町a(chǎn)生任務(wù)切換。
④釋放應(yīng)用層任務(wù)的指針變量，防止出現(xiàn)無主內(nèi)存，最終導(dǎo)致內(nèi)存不斷變小，單板無法執(zhí)行正常的功能。
⑤清除各個(gè)應(yīng)用層任務(wù)的靜態(tài)變量；每個(gè)任務(wù)都有自己靜態(tài)成員變量，因此必須要將這些成員變量的數(shù)值歸于初始化值，否則將導(dǎo)致不可預(yù)見的錯誤。
⑥清除各個(gè)應(yīng)用層任務(wù)的局部變量；盡管局部變量在釋放任務(wù)后會自動釋放，但是為了防止不可預(yù)知的錯誤，仍然要將其釋放，進(jìn)行初始化操作。
⑦各個(gè)應(yīng)用層調(diào)用taskDelete()任務(wù)釋放自己[2]；這個(gè)應(yīng)用層多個(gè)任務(wù)需要完成的最后一個(gè)工作，完成自身釋放后，任務(wù)構(gòu)建時(shí)所在單板上申請的堆棧、任務(wù)ID、內(nèi)存等全部從操作系統(tǒng)中抹掉，操作系統(tǒng)將把原先各個(gè)應(yīng)用層任務(wù)占用的資源進(jìn)行無主化管理。
⑧通過邏輯控制復(fù)位CSM6800；這是關(guān)鍵的一步，如果不能實(shí)現(xiàn)，則整個(gè)方案意義也就不大。在邏輯中增加可以單獨(dú)控制CSM6800復(fù)位控制的邏輯，當(dāng)單板完成應(yīng)用層的快速啟動準(zhǔn)備后，要通過操作系統(tǒng)對CSM6800芯片進(jìn)行復(fù)位。復(fù)位后，該芯片會重新啟動恢復(fù)正常狀態(tài)，并且，重新按照應(yīng)用層給的新的配置參數(shù)進(jìn)行配置。這樣即滿足了由于某些原因?qū)е缕溥M(jìn)入到異常狀態(tài)而無法正常調(diào)制和解調(diào)的問題，同時(shí)也解決了新的配置參數(shù)無法生效的問題。
⑨重新啟動調(diào)用taskSpawn()[3]啟動各個(gè)應(yīng)用層任務(wù)。按照單板正常情況下進(jìn)行各個(gè)應(yīng)用層任務(wù)的啟動。對于應(yīng)用層而言，此時(shí)并不知道在執(zhí)行快速啟動后是任務(wù)啟動還是在單板完全復(fù)位后的啟動。
⑩啟動的各個(gè)應(yīng)用層任務(wù)只有在各自正常啟動后，單板才進(jìn)入到正常的工作狀態(tài)，否則將重新執(zhí)行快速啟動。

1.3 快速恢復(fù)啟動效果測試

采用中興CDMA EVDO真實(shí)環(huán)境進(jìn)行測試，選擇高通支持第二代協(xié)議的手機(jī)進(jìn)行測試。首先，將高通手機(jī)撥號進(jìn)行網(wǎng)絡(luò)連接，撥號成功后，再進(jìn)行ping包，并保持ping包狀態(tài)；然后，采用不同的復(fù)位策略復(fù)位基帶信號處理單板，并進(jìn)行對比測試。

按照兩種方案進(jìn)行測試，測試結(jié)果如果表2。

如表2，快速恢復(fù)啟動方案的啟動時(shí)間比原有正常啟動縮短了95.3％，大大縮短了系統(tǒng)恢復(fù)正常功能所需要的時(shí)間，達(dá)到了系統(tǒng)設(shè)計(jì)目的。為了保證設(shè)計(jì)方案的穩(wěn)定性，連續(xù)多天進(jìn)行上千次快速恢復(fù)啟動集成測試，測試表明設(shè)計(jì)方案穩(wěn)定，并且對于系統(tǒng)的各方面性能指標(biāo)無影響。

兩種啟動方式的區(qū)別：正常啟動就是目前的做法，將整個(gè)單板上所有的硬件和軟件同時(shí)做復(fù)位處理，其所需要時(shí)間達(dá)到了253s，十分漫長；快速恢復(fù)啟動方案則并沒有將整個(gè)單板復(fù)位，而只是在操作的過程中將CSM6800進(jìn)行了硬復(fù)位操作，其主控CPU沒有復(fù)位，不僅如此，主控CPU上面駐留的操作系統(tǒng)和操作系統(tǒng)隔離層都沒有受到影響，只有應(yīng)用層的各個(gè)任務(wù)被重新啟動了一遍。

2 結(jié)論

快速恢復(fù)啟動方案的可靠實(shí)施是建立在VxWorks操作系統(tǒng)對于任務(wù)、消息隊(duì)列、信號量的高性能管理基礎(chǔ)上的。連續(xù)多次啟動和殺掉多個(gè)應(yīng)用層任務(wù)過程中，VxWorks能夠穩(wěn)定地管理各項(xiàng)資源[2]，沒有產(chǎn)生內(nèi)存泄漏、資源鎖死等狀況，充分保證了上層應(yīng)用任務(wù)的可靠。同時(shí)，在該快速恢復(fù)啟動方案的實(shí)施中，注意了應(yīng)用任務(wù)中采用的多種定時(shí)器、靜態(tài)變量、全局變量(包括臨時(shí)變量)，以及任務(wù)之間的互鎖、任務(wù)之間沖突隱患等各種情況的處理，才保證了快速恢復(fù)啟動方案的可靠性。

在商用局的應(yīng)用中，基帶信號處理單板采用快速恢復(fù)啟動方案能夠大大縮短啟動時(shí)間，極大地降低對終端用戶的業(yè)務(wù)干擾。這項(xiàng)系統(tǒng)設(shè)計(jì)對于提高運(yùn)營商服務(wù)質(zhì)量和顧客滿意度起到了重要作用。