做过 OTA 的人大概都遇到过这一幕:升级进度条走到 60%,设备重启,然后再也没起来。
现场只能返厂,或者让用户把设备寄回来——一个几十毫安的写入过程,把一台装在墙上的设备变成了砖头。
问题不在 OTA 本身,在升级架构:如果只有一份固件、升级就是覆盖它,那这个过程本质上是一次不可回滚的赌博。
核心设计:永远留一份能跑的固件
最可靠的方案是 A/B 双分区:
┌─────────────┬─────────────┬──────────┐
│ Slot A │ Slot B │ Bootloader + 标志 │
│ 运行中 │ 待升级 │ 永不覆盖 │
└─────────────┴─────────────┴──────────┘
流程:
- 设备运行在 A 分区
- 新固件完整写入 B 分区(此时 A 完全不受影响,随时可回到 A)
- 校验 B 分区(CRC/SHA)
- 在标志区写入”下次从 B 启动”
- 重启,从 B 启动
- B 启动成功后,把”确认标志”写回;否则启动计数超限,自动回滚到 A
关键点:在第 4 步之前,任何一步失败,设备都还能从 A 正常启动。 升级变成了一个”可撤销的操作”。
回滚的触发条件必须落盘
很多人做了双分区,却没有可靠的”启动失败”判定。常见做法是靠一个计数器:
上电 → 读启动计数
├ 计数 < 3 → 计数+1,尝试启动新分区
└ 计数 >= 3 → 判定失败,切回旧分区,计数清零
新固件启动成功后,第一件事是把计数清零并标记”已确认”。
三个容易写错的地方:
| 错误 | 后果 |
|---|---|
| 计数存在 RAM 里 | 掉电就丢,永远回滚不了 |
| 清零时机太早(一进 main 就清) | 启动后死循环,永远不会回滚 |
| 计数没做原子写 | 掉电时计数变成乱值,判定失效 |
清零的正确时机:不是”启动了”,而是”启动并且证明关键功能都正常了”——比如通信建立、外设初始化完成、跑完一轮自检之后。
标志区怎么写才算”原子”
Flash 有一个特性:位只能从 1 写成 0,擦除才能回到 1。
利用这一点,可以构造”只写一次”的原子标志:用一个字节表示状态,从 0xFF 逐步写向 0x00,每一步都是单向的。
0xFF 空闲
0xFE 已开始写新固件
0xFC 新固件写完了
0xF8 已切到新分区(待确认)
0xF0 新分区已确认
只修改一个字节的某一位,是 Flash 上最接近”原子”的操作。 即使中途掉电,读出来的值也能唯一映射到某一个状态——不会出现”半个状态”。
对比一下常见的错误做法:用一个结构体存标志(magic + 长度 + 各种字段),写入过程中掉电,结构体的某些字段新、某些旧,读出来就是自相矛盾的状态。
Bootloader 本身要”小到不会坏”
Bootloader 是唯一不能被覆盖的部分,所以它的原则是越小越好、越简单越好:
- 不要在里面做文件系统、不要跑协议栈、不要联网
- 不做复杂业务逻辑,只做:读标志、校验分区、跳转
- 代码量控制在几 KB 到十几 KB
- 一旦定型,尽量不再改
原因很实在:Bootloader 有 bug 是唯一无法通过 OTA 修复的故障。 每次想给它加功能,都要问一句”这个功能值得冒着变砖的风险吗”。
分区表要提前规划
一个常见的翻车是:固件越做越大,某天发现升级分区放不下了。
规划时要留出:
| 项目 | 建议余量 |
|---|---|
| 固件分区 | 当前固件大小 × 1.5 |
| 备份分区 | 与固件分区等大 |
| 标志区 | 至少两个独立扇区(双备份标志) |
| 参数区 | 独立,不与固件共用扇区 |
参数区和固件分区必须物理分离。 否则升级固件时擦除整个扇区,参数一起没了。
一张故障对照表
| 现象 | 原因 |
|---|---|
| 升级后设备不启动,也不回滚 | 回滚计数没落盘,或清零时机太早 |
| 升级过程中断电,设备变砖 | 没有双分区,直接覆盖了运行分区 |
| 升级成功但参数全丢 | 参数和固件共用扇区,被一起擦了 |
| 偶尔出现”升级成功但版本没变” | 标志写入失败但没校验,仍在跑旧分区 |
| 反复来回切换分区 | 新固件启动后没写”确认”标志 |
| 升级后无法再次升级 | 分区表里没有留够空间,写不下第二个 |
我们设计升级架构的顺序
- 先定”最小可救” —— Bootloader 只做三件事,其余都不做
- 双分区 + 标志区 —— 分区表先把余量留足
- 标志用单字节状态机 —— 利用 Flash 单向写的特性
- 计数落盘 + 延后清零 —— 确认键功能正常之后才清
- 做断电测试 —— 在写入的每一个阶段随机断电,每次都必须能起来
第 5 条是验收标准。没做过随机断电测试的升级方案,不能上线。
一句话:好的 Bootloader 不是”能升级”,而是”任何一次升级失败,设备都还是原来那台设备”。