時(shí)間同步測試主要包含 gPTP 協(xié)議一致性測試和 gPTP 配置測試，如表 3.2-6 為網(wǎng)絡(luò)診斷基礎(chǔ)驗(yàn)證的部分用例，詳細(xì)測試用例中的每條用例應(yīng)包含有唯一的編號、需明確需求點(diǎn)、測試目的、測試環(huán)境、測試步驟、評價(jià)標(biāo)準(zhǔn)等內(nèi)容。時(shí)鐘同步測試驗(yàn)證部分用例如表 3.2-6 所示：

表 3.2-6 時(shí)鐘同步測試驗(yàn)證部分用例

2. 嵌入式系統(tǒng)時(shí)間特性分析

近年來，隨著汽車功能的不斷完善和多樣化，車載電子系統(tǒng)日益復(fù)雜。從控制器層面看，集成度越來越高，CPU 負(fù)載不斷增加。如何確保軟件集成安全、優(yōu)化設(shè)計(jì)、提高資源利用率、降低成本成為相關(guān)設(shè)計(jì)人員亟待解決的問題；另一方面，ISO26262 及 ASPICE 等相關(guān)標(biāo)準(zhǔn)中分別在軟件架構(gòu)、單元和集成階段對性能分析提出了明確的需求。如何驗(yàn)證滿足實(shí)時(shí)系統(tǒng)的時(shí)間性能需求，構(gòu)建符合 ISO26262 和 AS-PICE 標(biāo)準(zhǔn)的產(chǎn)品也越來越引起相關(guān)人員的重視。

針對上述問題，AUTOSAR 標(biāo)準(zhǔn)在 4.0 版本以后即對嵌入式系統(tǒng)性能分析提出了相關(guān)方法論指導(dǎo)。其中，《AUTOSAR Specification of Timing Extensions》主要定義了不同級別的時(shí)間行為需求 / 規(guī)范標(biāo)準(zhǔn)，《Recommended Methods and Practices for Timing Analysis and Design within the AUTOSAR Devel- opment Process》（以下簡稱 Timing Analysis）主要提供了性能問題方法論指導(dǎo)。如圖 3.2-8 所示：

圖 3.2-8 時(shí)間特性分析層級概覽（截圖自AUTOSAR標(biāo)準(zhǔn)）

就分析內(nèi)容而言，根據(jù)相關(guān)標(biāo)準(zhǔn)的定義，嵌入式系統(tǒng)的性能問題主要分為控制器級、網(wǎng)絡(luò)級和功能級（端到端）三個(gè)維度。本文主要關(guān)注控制器級別的相關(guān)性能問題。結(jié)合歐洲相關(guān)標(biāo)準(zhǔn)的定義，控制器級 別的性能分析問題又可以進(jìn)一步分為代碼級分析和調(diào)度級分析。其中，代碼級分析的對象為單個(gè)的任務(wù)（Task）/ 中斷（Interrupt），不考慮任務(wù) / 中斷 / 進(jìn)程間的搶占情況。而調(diào)度級分析則主要考慮多任務(wù) / 中斷間相互搶占的情況下，各任務(wù) / 中斷的響應(yīng)時(shí)間的結(jié)果（包括本身的代碼執(zhí)行時(shí)間和被搶占的時(shí)間）。如圖 3.2-9 所示：

圖3.2-9不同時(shí)間特性分析方法的相互關(guān)系（來源：AUTOSAR標(biāo)準(zhǔn)）

就分析方法而言，可以分為理論分析、仿真和追蹤三種，或者基于模型和基于追蹤兩種。后者與時(shí)間特性流程 / 研發(fā)流程更相契合。在本文中，我們采取后一種分類方法進(jìn)行相關(guān)介紹。

(1) 基于模型的分析

基于模型的分析按照分析內(nèi)容，又分為代碼級分析和調(diào)度級分析。

根據(jù) ISO26262 及 ASPICE 標(biāo)準(zhǔn)，代碼級的相關(guān)指標(biāo)主要包括最差情況代碼執(zhí)行時(shí)間（WCET， WorstCase Execution Time）和最差情況堆棧用量分析。調(diào)度級分析要求指標(biāo)主要包括 CPU 負(fù)載、Task\Interrupt\Event Chain 最差情況響應(yīng)時(shí)間（WCRT，WorstCase Reaction Time）等。

① 代碼級基于模型的分析方案

代碼級基于模型的分析方法是指不需要在實(shí)際的目標(biāo)硬件環(huán)境中運(yùn)行，而是通過直接從程序結(jié)構(gòu)中計(jì)算出代碼最差情況執(zhí)行時(shí)間，或者在目標(biāo)環(huán)境仿真器中仿真而得出代碼執(zhí)行時(shí)間分布范圍的方法。

為了滿足功能安全和ASPICE  中對性能問題最差情況的分析要求，一般推薦使用基于模型的分析方案。常見的分析方案如圖 3.2-10 所示：

圖3.2-10代碼級基于模型的性能分析方案

常見的代碼級基于模型的性能分析工具有 aiT、TimingProfiler、StackAnalyer 等。

② 調(diào)度級基于模型的分析方案

調(diào)度級基于模型的分析方法是指不需要在實(shí)際的目標(biāo)硬件環(huán)境中運(yùn)行，而是基于目標(biāo)操作系統(tǒng)、代碼執(zhí)行時(shí)間范圍和調(diào)度配置進(jìn)行靜態(tài)數(shù)值分析而計(jì)算出最差情況任務(wù) / 中斷響應(yīng)時(shí)間，或者在調(diào)度仿真器中仿真而得出任務(wù) / 中斷響應(yīng)時(shí)間分部范圍的方法。

為了滿足功能安全和ASPICE  中對性能問題最差情況的分析要求，一般推薦使用基于模型的分析方案。常見的分析方案如圖 3.2-11 所示：

圖3.2-11調(diào)度級基于模型的性能分析方案

常見的調(diào)度級基于模型的性能分析工具有 Symtavision、Inchron、Timing-Architects 等。

嵌入式實(shí)時(shí)系統(tǒng)必須保證每一個(gè)操作系統(tǒng)的任務(wù)均在規(guī)定的時(shí)間內(nèi)作正確的響應(yīng)，如果由于某個(gè)任 務(wù)執(zhí)行時(shí)間過長或者調(diào)度設(shè)計(jì)不合理而影響其他的任務(wù)的正常執(zhí)行，進(jìn)而超出任務(wù)規(guī)定響應(yīng)時(shí)間的情況， 會對系統(tǒng)的正常運(yùn)作造成很大的影響。根據(jù)軟件的嚴(yán)重度等級，這些潛在安全隱患的排除需要通過形式 化的驗(yàn)證方法或者具有充分的測試覆蓋度的測試方法進(jìn)行證明。針對性能問題，在適航標(biāo)準(zhǔn) DO178B 的第六章中明確指出 “Testing, in general, cannot show the absence of errors” ，也就是說，測試一般不能用來證明某些性能問題的清除，比如代碼執(zhí)行時(shí)間、堆棧用量、代碼運(yùn)行時(shí)錯(cuò)誤等，一般通過測試來證明是不足夠的，因?yàn)闆]有一種測試的手段可以對性能問題達(dá)到 100% 的覆蓋度，即無法找出 WorstCase 的工況。因而，標(biāo)準(zhǔn)中提出某些性能錯(cuò)誤的排除可以通過形式化的方法（Formal methods）進(jìn)行證明， 而形式化方法即為一種基于模型的分析方法。此外，由于基于模型的分析方法不需要硬件環(huán)境，使得在 設(shè)計(jì)階段即對性能問題進(jìn)行分析成為可能，從而盡早地發(fā)現(xiàn)和排除相關(guān)問題，避免在集成階段再發(fā)現(xiàn)問 題而導(dǎo)致時(shí)間和成本的浪費(fèi)。

(2) 基于追蹤的分析

基于追蹤的分析按照分析內(nèi)容，又分為代碼級追蹤和調(diào)度級追蹤。

追蹤的對象是實(shí)際目標(biāo)系統(tǒng)，一般通過代碼插樁等手段，持續(xù)地進(jìn)行事件（events）及對應(yīng)時(shí)間戳(time stamp) 的采集和記錄，這些記錄的數(shù)據(jù)可以存放在目標(biāo)硬件的內(nèi)存或者通過相關(guān)接口實(shí)時(shí)導(dǎo)出。這些事件的選擇可以是代碼塊級別、函數(shù)級別或任務(wù) / 中斷級別等，也可以細(xì)化到機(jī)器指令級別。根據(jù)不同的事件級別可以基于追蹤文件分別重建代碼塊、函數(shù)、任務(wù) / 中斷、甚至是每個(gè)機(jī)器指令的實(shí)際執(zhí)行時(shí)序情況。相應(yīng)的，對機(jī)器指令、代碼塊、函數(shù)等基于追蹤文件的時(shí)序重建，可以分析得到代碼執(zhí)行時(shí)間最小值、最大值、平均值等數(shù)據(jù)，即為代碼級追蹤分析的內(nèi)容。而對任務(wù) / 中斷基于追蹤文件的時(shí)序重建，可以分析得到任務(wù) / 中斷延時(shí)和 CPU 實(shí)時(shí)負(fù)載的最小值、最大值、平均值等數(shù)據(jù)，即為調(diào)度級追蹤分析的內(nèi)容。

常見的追蹤分析方案如圖 3.2-12 所示：

圖3.2-12基于追蹤的性能分析方案

常見的基于追蹤的代碼級性能分析工具有 TimeWeaver+Lauterbach、Gliwa、RapiTime 等；常見的基于追蹤的調(diào)度級性能分析工具有 TraceAnalyzer、Lauterbach、iSystem、Greenhill、RapiTask、Gliwa 等。

識別二維碼或點(diǎn)擊閱讀原文下載：
《中國汽車基礎(chǔ)軟件發(fā)展白皮書》