learn

确定性边界与证据：不要只相信一次跑通

理解延迟边界、抖动边界、可靠性边界和验证证据之间的关系，为后续测试和论文阅读打基础。

第一章：问题空间建立直觉15 分钟

本节学习目标

worst-case latencyjitter boundreliability boundevidence

“确定性”这个词很容易被误用。它不等于所有报文都在同一个微秒到达，也不等于测试中没有看到迟到。更工程化的说法是：在明确假设下，关键流量的延迟、抖动、丢失或故障恢复行为有可说明的边界。

如果没有边界，只说“很稳定”“很快”“现场没问题”，这些都不足以支撑 TSN 结论。因为 TSN 常服务于控制、工业、车载和音视频场景，风险通常藏在尾部条件里：突发背景流量、时钟异常、设备重启、链路切换、多条流同时到达。

平均值描述的是典型表现，边界描述的是承诺范围。一个系统平均延迟 50us，但偶尔 5ms，控制系统可能仍然失败。另一个系统平均 90us，但最坏情况能证明不超过 150us，反而更适合某些严格周期控制。

测试样本里的最大值也不是自动等于最坏情况上界。你只是在测试条件下观察到了一个最大值。如果测试没有覆盖足够背景压力、同步异常、流量组合和拓扑变化，它只能说明“在这些条件下没有看到更坏结果”。

学习和评估 TSN 时，先把结论分成几类。

这张表后面会反复出现。共同时间章节会说明时间戳证据从哪里来；Qbv 章节会说明 GCL 和窗口余量如何支撑延迟边界；FRER 章节会说明故障连续性为什么还要看路径相关性；验证章节会把这些证据组织成报告。

追求边界会迫使你明确假设。流量模型是什么，最大帧长是多少，链路速率是多少，设备支持哪些机制，时钟同步误差有多大，背景流量如何构造，测试持续多久。这些问题会让系统设计变复杂，但也让结论变得可讨论。

另一个代价是边界可能保守。为了覆盖最坏情况，你可能预留更大窗口、更长 guard band、更多冗余路径。保守提高可信度，但会降低利用率；激进提高效率，但可能牺牲现场稳定性。

读完本节后，先用下面这些问题校准自己，而不是只确认“看过了”。