中文精读学习版：ARTSN — 面向自主实时系统网络的精确自适应自触发流量调度

使用说明

这份资料不是论文全文翻译，也不会按原文段落逐句复刻。它是一份面向中文读者的精读学习笔记，目标是帮助你理解论文的问题背景、流量建模、两项核心技术和实验结论。

建议配合本地 PDF 阅读，重点看论文里的系统模型图、schedule stream 展开示意、自适应释放机制的三阶段流程图，以及 Fig. 11 到 Fig. 14 和 Table II 的实验结果。本论文录用于 ICDCS 2026，共 11 页。

一句话概括

这篇论文为 TSN 引入了第三类流量模型——自触发流量（self-triggered, ST），并提出 ARTSN：用“可推断的到达信息”做精确离线时隙预留（SMT 求解），再用一个不改 GCL 的轻量在线机制，在 ST 流量确认缺席时把闲置时隙临时让给尽力而为流量。

适合先掌握的背景

1. 1TSN，Time-Sensitive Networking TSN 是以太网面向确定性通信的扩展，常用于工业控制、汽车、机器人等场景。本论文讨论的是在 TSN 中如何为不同类型的数据流安排发送时间。

1. 2IEEE 802.1Qbv / TAS，Time-Aware Shaper Qbv 通过门控列表 GCL，控制不同队列在不同时间窗口的开关。论文里的“调度”本质上就是为每个帧找到合适的发送 offset 和队列。

1. 3三类流量：TT / ET / ST - TT，time-triggered：按预定固定周期发送，到达时刻完全确定。 - ET，event-triggered：由外部事件触发，到达时刻不可预知，通常按最坏情况预留资源。 - ST，self-triggered：本论文的主角，由系统内部决策触发，例如自动驾驶车辆算完一次感知决策后才决定要不要发某条控制流。它既不是固定周期，也不是纯随机外部事件。

1. 4超周期，hyperperiod 所有周期流周期的最小公倍数，是离线调度规划的基本时间跨度。论文实验中超周期为 20 ms。

1. 5全局时钟同步，IEEE 802.1AS 离线时隙预留要求各节点时钟同步，论文假设网络已通过 802.1AS 实现全局同步。

1. 6SMT 求解与 Z3 SMT，可满足性模理论，可以把调度约束写成逻辑公式交给求解器找可行解。论文用的是 Z3。这类方法能给出“精确/可行”解，但规模一大求解时间会上升。

1. 7尽力而为流量，best-effort，BE 没有确定性保证的普通以太网流量。论文的释放机制核心就是把空闲的 ST 时隙临时让给 BE 流量利用。

论文要解决的问题

TSN 的确定性不是免费的，它依赖离线规划好的时隙预留和门控。现有调度器把世界分成两类流量：TT（固定周期，确定）和 ET（外部事件，按最坏情况预留）。但在自主实时系统（ARTS）里，出现了越来越多的第三类流量——自触发流量 ST。它由系统内部的决策结果触发，比如车辆做完一次环境感知后决定是否下发某条避障指令。

ST 流量给调度带来两个此前没被很好处理的难题：

第一，易变性，volatility。ST 帧的到达时刻不是一个确定值，而是落在一个区间里。原因是触发它的处理过程存在有界抖动：从触发条件成立到 ST 帧真正进入网络，处理时间在一个最小值与最大值之间波动。论文把这个抖动窗口记为 ψ，实验中取 1 ms。

第二，缺席性，absence。ST 流量是有条件触发的，某些周期里可能根本不会发生。但如果像 TT 一样为它固定预留时隙，这些预留在 ST 缺席时就被白白占着，造成资源浪费。

如果硬把 ST 当 TT 处理，就忽略了易变性和缺席性，预留过死；如果当纯 ET 处理，又得按最坏情况悲观预留，浪费更严重，可调度性更差。论文要做的，是抓住 ST 流量一个被忽视的特性——它的到达信息其实是“可推断的”，从而做到既精确又不浪费的调度。

核心思路

1. 1关键洞察：ST 的到达信息可推断 ST 流量虽然不确定，但它和触发它的 TT 流量之间存在确定的触发关系。论文为每条 ST 流量定义一个“最终触发流（final trigger stream）”，也就是触发链上最后一条参与触发的 TT 流。既然这条 TT 流的发送时刻是确定的，再加上有界的处理时间区间，ST 帧的到达就被限定在一个可计算的有界窗口内，而不是完全随机。

1. 2第一板斧：精确离线调度 把不确定的到达窗口离散化成有限个候选到达时刻，连同 TT/ET 流量一起，作为约束交给 SMT 求解器，求出一组满足所有截止期、且不含冗余预留的调度方案。

1. 3“精确（exact）”的含义 论文给了一个形式化定义：一个方案是 exact 的，当且仅当它可行（满足截止期），并且对每一个被预留的时隙，都至少存在一种触发场景会真正用到它——换句话说，没有任何预留时隙在所有触发场景下都用不上。这比单纯“可行”更进一步，目标是消除冗余预留。

1. 4第二板斧：自适应在线时隙释放 离线方案再精确，也无法避免“ST 这次没触发”导致的时隙闲置。于是论文加一个在线机制：当控制器确认某条 ST 流量本超周期不会触发时，发一个很小的报告帧通知下游交换机，让它们临时把尽力而为流量放进这条 ST 流量的队列，把空着的时隙利用起来。

1. 5低侵入：不改 GCL 这个释放机制的巧妙之处在于它不修改门控列表，只临时改“帧优先级到队列”的映射关系，因此对既有调度的扰动很小，论文称之为 low-intrusive。

方法拆解

建模对象

1. 1网络模型 网络被建模为有向图 G=(N, L)，节点是设备和交换机，边是链路，节点对之间假设为全双工连接。

1. 2流量模型 流量分 TT、ET、ST 三类。每条 ST 流量关联一个最终触发流，并带有处理时间区间 [C_min, C_max]，其抖动 ψ = C_max − C_min。论文假设 ST 流量的周期等于其相邻两次触发之间的最小时间间隔，且每个超周期内 ST 流量的数量是有界的（因为它由 TT 流量触发，而非凭空自发产生）。

schedule stream：把真实流展开成可调度对象

这是离线方法的关键技巧。直接对“到达不确定”的流求解很难，论文把每条真实流转换成若干条假想的“调度流（schedule stream）”：

• 每条 TT 流 → 1 条调度流（到达确定）。
• 每条 ET 流 → N 条调度流（把到达可能性均匀切分）。
• 每条 ST 流 → M 条调度流（把抖动窗口 ψ 均匀切分成 M 份，每份对应一个候选到达时刻）。

这样原本连续不确定的到达区间，就被离散成有限个确定的候选场景，可以直接写进 SMT 约束。

约束（SMT 公式化）

论文用 Z3 求解器，约束大致分为六类以上：

1. 1offset 范围约束：帧的起始时间落在周期边界内。
2. 2到达时间约束：ET/ST 帧不能早于其到达时刻开始发送。
3. 3帧顺序约束：同一条流内的多个帧保持发送顺序。
4. 4端到端时延约束：传输必须在截止期内完成。
5. 5帧重叠约束：同一出端口不能同时发出两个帧（对 ET/ST 与可共享的 TT 有例外处理）。
6. 6队列分配约束：通过 802.1Q 队列做空间隔离。

此外还有帧隔离和相邻链路约束（论文附录 A、B）。

与已有工作的区别

论文特别区分了和 E-TSN 的不同。它有一个针对“共享流（share stream）”传输时间扩展的递归处理：当一条共享流的传输时间增加时，可能引入的 ET 抢占次数也会增加，从而需要进一步扩展，算法迭代直到达到不动点。

在线释放机制的三阶段

1. 1处理阶段（Processing）：控制器解析 TT 帧载荷，决定是否触发某条 ST 流量。
2. 2报告阶段（Reporting）：一旦确认 ST 流量缺席，控制器发出一个 70 字节的 RP（report）帧，以尽力而为方式传输。帧里带有唯一标识、被报告的 ST 流量 ID 和超周期信息。
3. 3释放阶段（Releasing）：下游交换机收到 RP 帧后，针对该超周期临时修改帧优先级到队列的映射，使 BE 流量能进入空闲的 ST 队列发送，整个过程不动 GCL。

机制是选择性激活的，通常用在浪费集中的交换机上（例如星型拓扑的中心交换机）。论文给出的一个激活门槛是：每条应用该机制的 ST 流量，其释放收益的数学期望应至少达到 70 字节（也就是要能覆盖 RP 帧本身的开销）。

关键概念中文讲解

自触发流量，self-triggered traffic

背景：自主系统的很多动作不是定时发生、也不是被外部事件直接触发，而是系统自己算完一轮决策后主动发起。

解决的问题：把这类流量单独建模，可以利用它“由内部决策触发、但触发链可追溯”的特性，做更精确的调度。

带来的新问题：它的到达时刻有抖动（易变），且可能整体不发生（缺席），需要专门的调度技术应对，否则只能退化成按 TT 或 ET 处理。

可推断到达信息，inferable arrival information

背景：ST 流量由确定的 TT 流量触发，触发关系是已知的。

解决的问题：既然触发它的 TT 流发送时刻确定，加上有界处理时间，就能把 ST 的到达限制在一个可算出的窗口内，不必按最坏情况盲目预留。

带来的新问题：要拿到这个推断，必须知道触发链和处理时间上下界。如果实际系统的处理抖动边界估不准，离线方案的精确性会受影响。

易变性，volatility

背景：从触发条件成立到 ST 帧真正发出，处理时间在 [C_min, C_max] 之间波动。

解决的问题：论文用抖动窗口 ψ 刻画这种不确定，并通过把窗口离散成 M 个候选时刻来覆盖所有可能到达。

带来的新问题：M 取得越大覆盖越细，但调度流数量增加，SMT 求解负担也增加，是精度与计算量的权衡。

缺席性，absence

背景：ST 流量是有条件触发的，某些超周期里可能不发生。

解决的问题：在线释放机制让缺席时段的预留时隙能被 BE 流量临时利用，回收浪费。

带来的新问题：释放靠尽力而为的 RP 帧通知，不保证送达，可能释放失败；而且只有当 ST 流量足够重载且易变时，启用这个机制才划算。

精确，exact

背景：传统“可行”方案只保证满足截止期，不管是否预留了用不上的时隙。

解决的问题：exact 进一步要求每个预留时隙都至少在某个触发场景下被用到，从源头消除冗余预留，提高效率。

带来的新问题：追求 exact 需要把多种触发场景都纳入约束，增加了建模和求解复杂度。

调度流，schedule stream

背景：直接对不确定到达求解很困难。

解决的问题：把每条真实流按其到达可能性展开成若干条到达确定的假想流，把不确定问题转成有限个确定场景，便于 SMT 表达。

带来的新问题：展开倍数（ET 的 N、ST 的 M）直接放大问题规模，是可扩展性的主要压力来源。

实验与结果怎么看

论文同时用仿真器和真实硬件测试床评估。

仿真器是 tsnkit（一个 TSN 调度工具集）。测试床由 5 台 TSN 交换机和 2 块 TSN 网卡组成，硬件基于 AMD Kintex UltraScale FPGA 平台。

流量配置：共 43 条流，其中 40 条 TT、3 条 ST。TT 进一步分为共享流（share）和严格流（strict）若干组，载荷 500 B 或 1500 B，周期 5/10/20 ms。3 条 ST 流的触发概率分别为 50%、70%、80%。网络采用线型和星型两种拓扑，含 4 个 bay，链路 1 Gbps，超周期 20 ms，ST 抖动 1 ms。每种拓扑跑 100 个随机网络场景，利用率因子 U 从 1 到 50。

对比的两个 baseline：

• Period：基于 SMT 的确定性调度，把 ST 当作 TT 处理（周期设为 1 ms 而非 10 ms）。
• E-TSN：支持 ET 的 TSN 调度，把 ST 当作完全非周期的 ET 流量处理。

主要结果：

1. 1可调度性（Fig. 11） 线型拓扑：ARTSN 在 100 个场景中调度成功 97 个，Period 42 个，E-TSN 16 个。星型拓扑：ARTSN 98 个，Period 42 个，E-TSN 18 个。差距很明显，说明把 ST 当 TT 或当纯 ET 都会显著损失可调度性。

1. 2内存消耗（Fig. 12，U=8，线型拓扑） ARTSN 约 359.926 MB，Period 约 647.891 MB，E-TSN 约 2062.492 MB。ARTSN 比 E-TSN 省约 5.7 倍内存。

1. 3运行时间（Fig. 13） ARTSN 最大约 13.67 秒；Period 大致是 ARTSN 的几分之一；E-TSN 达到“小时”量级。这说明把 ST 当纯 ET 处理在求解上代价极高。

1. 4效率（Table II，实际利用率 vs 预留利用率） 在 U=40（实际利用率 80%）时，ARTSN 仅预留 83.20%，即额外开销约 3.20%；Period 预留约 184%；E-TSN 预留高达 464%。在 U=1（实际利用率 2%）时，ARTSN 效率约 96.15%。这组数据直观体现了“精确预留”相对“按最坏情况预留”的优势。

1. 5自适应释放机制（Fig. 14） 在 U=1 时，单条 ST 流量预期未使用预留约 2000 B，RP 帧开销 140 B，净潜在收益约 1860 B，盈亏平衡的触发缺席成功率门槛约 7%。

1. 6可靠性（测试床，5 跳，5 分钟观测） 最坏端到端时延 47.18 µs，最大抖动 1.01 µs，截止期 5 ms，在背景干扰下零截止期错失。

不要过度解读的地方：

• 实验规模偏小：总共只有 43 条流，其中 ST 只有 3 条；拓扑限定线型和星型，且只有 4 个 bay。这对验证“精确调度”思路够用，但远不能代表大规模多交换机生产网络。
• baseline 只有两个（Period 和 E-TSN），都是 SMT/确定性思路。论文没有和启发式调度器、ILP 多目标优化或工业 TSN 工具链做对比，所以“显著优于现有方法”要限定在这两个对照下理解。
• 测试床的可靠性数据来自单一 5 跳路径、5 分钟观测，时间尺度和路径多样性都有限。
• 不少结论依赖较强假设：全局时钟同步、单播、ST 周期等于最小触发间隔、处理抖动有界且可估、每超周期 ST 数量有界、实验中端到端截止期等于周期。

我对这篇论文的看法

这篇论文最有价值的地方是“流量建模”这一步。它没有停留在“TT + ET”的二分世界，而是识别出自主系统里普遍存在的第三类流量 ST，并抓住它一个被忽视的特性——到达虽然不确定，但因为由确定的 TT 流触发，所以是“可推断”的。把易变性用抖动窗口离散化、把缺席性用在线释放回收，这两步都对症，exact 的形式化定义也清晰，比单纯“可行”更进了一步。

它的适用边界也比较明显。这套方法适合流属性可预知、触发链可追溯、拓扑相对稳定、能接受离线规划的场景，例如离线或准离线规划的自主系统骨干网。如果网络里有大量真正随机的突发流、动态路由、处理抖动边界难以估计，方法需要更多扩展。

潜在弱点主要有三个。第一，可扩展性存疑：schedule stream 的展开倍数（ET 的 N、ST 的 M）会直接放大 SMT 问题规模，论文实验只有 43 条流，更大规模下求解时间和内存能否撑住没有给出证据。第二，在线释放机制依赖尽力而为的 RP 帧，作者自己承认可能释放失败，机制只在 ST 重载且易变时才划算，适用面有限。第三，对比 baseline 偏少且偏同质，缺少与启发式或工业工具的横向比较。

后续可跟进的方向包括：更大规模、多交换机拓扑下的可扩展性验证；处理抖动边界估计不准时的鲁棒性；RP 帧丢失下的降级保证；以及把 ST 流量模型和现有 ET 调度框架更系统地统一起来。

读完后应该能回答的问题

1. 1TT、ET、ST 三类流量分别由什么触发？ST 和另外两类的本质区别是什么？
2. 2为什么把 ST 当 TT 或当纯 ET 处理都不理想？
3. 3“易变性”和“缺席性”分别指什么？论文各用什么技术应对？
4. 4什么是“可推断的到达信息”？它为什么对精确调度至关重要？
5. 5schedule stream 是怎么把不确定到达转成可求解约束的？ET 和 ST 的展开倍数分别是 N 和 M 还是别的？
6. 6论文对“exact（精确）”的形式化定义是什么？它和“feasible（可行）”差在哪？
7. 7自适应释放机制的三个阶段分别做什么？为什么说它 low-intrusive、不改 GCL？
8. 8RP 帧多大？它用什么优先级传输？为什么可能失败？
9. 9启用释放机制的盈亏平衡门槛大致是多少？这个门槛由什么决定？
10. 10实验用的仿真器和测试床硬件分别是什么？两个 baseline 是谁？
11. 11在可调度性、内存、效率上，ARTSN 相对 Period 和 E-TSN 的关键数字大致是多少？
12. 12这篇论文的结论适合外推到哪些场景，又不适合直接外推到哪些场景？

与 TSNBIT 教程的衔接

这篇论文适合放在 TSNBIT 教程的中后段学习，不建议作为 TSN 入门第一篇。

比较合适的前置章节包括：

• TSN 基础与应用场景：先理解 TSN 为什么用于工业、汽车和自主系统。
• IEEE 802.1Qbv 与 TAS/GCL：理解队列门控、时间窗口和确定性调度。
• TSN 流模型与周期流调度：掌握 period、deadline、offset、route、hyperperiod 等概念，这是看懂 schedule stream 展开的前提。
• TSN 流量类型：TT 与 ET：先建立 TT/ET 二分认识，再引入 ST 会更有对比感。
• 基于 SMT/ILP 的 TSN 调度：理解约束求解类调度的优点和规模瓶颈，再看 ARTSN 的 Z3 建模会更顺。
• 时间同步 IEEE 802.1AS：离线时隙预留的前提。

在教程中，这篇论文可以作为“TSN 流量建模进阶：从 TT/ET 到自触发流量 ST”的专题案例，用来连接三个知识点：Qbv 时间感知调度、约束求解类离线调度、面向自主系统的流量类型扩展。