嵌入式 Linux 开发 11：增强稳定性
稳定性是工业产品的定心丸
工业产品往往是无人值守，需要 365x24 持续运行，稳定性是基础。
一旦出现故障，不但产品无法完成应有的功能，而且维保代价大，削弱了产品价值，降低了客户满意度和信心。
为什么产品会出故障
就算一款产品经过正确的设计开发，经过严格的测试，保证功能和性能。
然而，现实工作中，总会有考虑不到的事情发生，导致产品故障。
这些异常的来源很广，至少包括：温度超限，电磁干扰，电压不稳定，芯片宕机，组件损坏，人为破坏等。
检测这些故障，尽可能地修复，对于无法修复的故障能报警通知，就成了产品稳定性的最后一道守护设计。
如何检测并修复故障
首先，找到故障的根本原因是困难的，有时，甚至不可能。以前就遇到过 LoRa SX1262 芯片宕机，用户是不知道根本原因的（原厂可以）。
其次，寻找故障线索要容易些。如 SX1262 宕机时，它的 Status 寄存器会出现故障位。
最后，定期检测组件是否正常工作这是容易且可靠的机制。如增加 SX1262 心跳（keep alive）一旦发现无法 RX 就说明宕机了。
稳定性研究实例
以 LoRaWAN 网关产品为案例，研究稳定性方案。
| 组件 | 故障原因 | 故障线索 | 如何检测故障 | 解决办法 |
|---|---|---|---|---|
| CPU | 温度超限，电磁干扰等 | 指令跑飞 | 无法喂狗 | 外部看门狗掉电重启 |
| Flash | 意外断电，电压不稳定 | Kernel或Init无法启动 | 增加掉电保护电路 | 保存重要数据，关闭文件系统 |
| SX130x | 未知 | RX 失败 | 定期检测RX=0次数 | 重启 SX130x |
| PHY | 未知 | 以太网掉线 | 丢失PULL_ACK心跳 | 重启 PHY 芯片 |
| 4G | 未知 | / | ping 外网失败 | 复位或掉电重启 4G 模组 |
