第2章：稳定性测试基础

各位同学，今天我们聊聊稳定性测试的基础。说实话，这个章节看起来简单，但恰恰是很多工程师容易忽视的地方。我见过太多项目，功能跑得飞起，一到用户家里就各种翻车。为什么？说白了，就是稳定性没做到位。

什么是稳定性测试

稳定性测试，用大白话说就是——让系统长时间运行，看看它会不会出幺蛾子。不是跑几分钟、几小时，而是连续跑几天、几周，甚至几个月。

我个人习惯把稳定性测试分成两类：

• 压力稳定性：让系统满负荷运行，看它扛不扛得住
• 长稳测试：模拟用户日常使用，看它会不会慢慢变慢、出问题

你想想看，机顶盒这东西，用户可能一开就是好几天不关机。如果连72小时都撑不过去，那还叫什么产品？

为什么稳定性测试这么重要

我记得刚入行那会儿，带我的老工程师说过一句话：「功能测试决定产品能不能用，稳定性测试决定产品好不好用。」这句话我一直记到现在。

具体来说，稳定性测试的重要性体现在三个方面：

1. 用户体验的底线——用户不会关心你的代码多优雅，他只关心会不会死机
2. 售后成本的控制——一个稳定性问题，可能引发大批量返修，成本高得吓人
3. 品牌口碑的基石——我见过某品牌因为频繁重启，直接被运营商下架，再也没翻身

常见的稳定性问题

做了这么多年嵌入式，我总结出机顶盒最常见的五大稳定性问题。嗯，这里我一个个说。

1. 死机

死机是最直观的稳定性问题。系统突然不动了，遥控器按什么都没反应。

为什么会这样？我遇到过的情况主要有：

• 内存泄漏——跑着跑着内存被吃光了
• 死锁——两个线程互相等对方释放资源
• 驱动异常——某个外设突然挂掉，系统卡住

2. 重启

重启比死机好一点，至少系统还能自己恢复。但用户受不了啊，正看着电视剧呢，突然黑屏重启了。

常见的重启原因：

• 看门狗超时——系统忙到没时间喂狗
• 内核panic——遇到了无法处理的异常
• 电源不稳——电压波动导致复位

我个人习惯在代码里加一个重启原因记录模块。每次重启前，把原因写到flash里。这样下次开机就能查出来，到底是软件问题还是硬件问题。

3. 花屏

花屏这个问题，说白了就是显示出了问题。屏幕上出现色块、条纹、或者画面撕裂。

我印象最深的一次，是某个项目在播放4K视频时偶尔花屏。查了很久才发现，是DDR带宽不够，显存数据被冲掉了。

花屏的常见原因：

• 显存带宽不足
• 显示驱动时序不对
• 解码器与显示器的同步问题

4. 音画不同步

这个最让用户抓狂。画面和声音对不上，看个对口型的节目简直要疯。

音画不同步的本质，是音频和视频的播放进度不一致。我遇到过的情况：

• 音频缓冲太大，导致声音滞后
• 视频解码丢帧，画面跳得太快
• 系统时钟漂移，两个线程的时间基准不一样

嗯，这里要注意。音画同步的容忍范围一般是±40ms。超过这个范围，人眼就能察觉了。

5. WiFi断连

WiFi问题在机顶盒上特别常见。用户抱怨最多的一句话就是：「网又断了！」

WiFi断连的原因五花八门：

• 信号干扰——2.4G频段太拥挤了
• 省电策略——系统为了省电把WiFi模块休眠了
• 驱动bug——某些特殊场景下驱动崩溃

稳定性测试的常见指标

最后，我给大家列一下常用的稳定性指标。这些是我在实际项目中常用的：

指标	说明	常见要求
MTBF	平均无故障时间	≥ 1000小时
重启率	每百台设备每天重启次数	≤ 0.1次
内存泄漏率	每小时内存增长量	≤ 1MB/h
WiFi断连率	每24小时断连次数	≤ 3次

好了，这一章的内容就到这里。稳定性测试听起来简单，但真正做好不容易。下一章我会讲具体的测试方法和工具，到时候咱们再细聊。