Inbox/系统基座文件/2/2.5/2.5.1 内部高性能业务对象模型 (Internal High-Performance Business Object Model).md

tags, date created, date modified

tags	date created	date modified
	星期一, 十一月 24日 2025, 5:32:36 下午	星期一, 十一月 24日 2025, 10:39:00 晚上

2.5.1 内部高性能业务对象模型 (Internal High-Performance Business Object Model)

基线核心宗旨：“Hardware-First (硬件优先)”。

内部数据对象的设计不再是为了“方便编程”，而是为了适配 CPU 缓存行 (Cache Line)、迎合 SIMD 指令集 (AVX/NEON) 以及 最小化内存带宽消耗。

---

1. 核心设计契约 (Design Contracts)

在定义具体结构体之前，必须确立以下不可逾越的“红线”：

1. 严格 POD (Plain Old Data)：

   • 所有业务对象必须是 Trivial 和 Standard-Layout 的。
   • 禁止：虚函数 (virtual)、智能指针成员 (std::shared_ptr)、堆内存容器成员 (std::vector, std::string)。
   • 理由：确保对象可以被 memcpy 直接拷贝（虽然我们用零拷贝，但在某些边界仍需落盘或调试），且在内存中是连续的，对 CPU 预取器（Prefetcher）友好。

2. 强制对齐 (Forced Alignment)：

   • 利用 C++11 alignas 关键字，强制结构体大小为 16 字节 (128-bit) 或 32 字节 (256-bit) 的倍数。
   • 理由：适配 ARM NEON (128-bit) 和 x86 AVX2 (256-bit) 寄存器宽度，允许编译器生成向量化加载/存储指令 (vld1q, vmovaps)，而非逐个标量读写。

---

2. 业务对象定义基线

2.1 点迹对象：DetectionResult

这是信号处理流水线产出的最高频数据（每秒可能数万个），是 CPU（数据处理模块）的数据密集型计算对象。

C++ 结构体定义 (基线)：

/**
 * @brief 单个检测点迹 (Plot/Detection)
 * @note 强制 16 字节对齐，适配 SSE/NEON 128位寄存器
 * @size 48 Bytes (3个 128-bit 块)
 */
struct alignas(16) DetectionResult {
    // Block 0: 空间坐标 (16 Bytes) -> 可以直接加载到一个向量寄存器
    float range;        // 距离 (m)
    float azimuth;      // 方位角 (rad)
    float elevation;    // 俯仰角 (rad)
    float velocity;     // 径向速度 (m/s)

    // Block 1: 信号质量与辅助信息 (16 Bytes)
    float snr;          // 信噪比 (dB)
    float power;        // 信号功率
    float noise;        // 噪声底
    uint32_t channel_id;// 通道/波束ID (用于区分多源)

    // Block 2: 索引与标识 (16 Bytes)
    uint32_t range_idx; // 距离门索引
    uint32_t doppler_idx; // 多普勒索引
    uint32_t batch_id;  // 所属的 CPI 批次 ID
    uint32_t padding;   // [显式填充] 保持 16B 对齐
};

设计决策辩护：

• Float vs Double：选用 float (32-bit)。对于雷达点迹处理，单精度浮点数精度通常已足够，且相比 double 能让 SIMD 吞吐量翻倍（一个 AVX2 寄存器处理 8 个 float vs 4 个 double）。
• Block 0 布局：将 r, azi, ele, v 紧凑排列，使得坐标转换算法（极坐标转笛卡尔坐标）可以一次加载 Block 0 并执行向量运算。
• Explicit Padding：末尾增加 padding 字段，不仅为了凑齐 48 字节，更是为了防止隐式填充导致的内存脏数据风险。

2.2 航迹对象：TrackData

这是数据处理模块的核心状态对象，用于卡尔曼滤波等矩阵运算。此处的改动最大：我们废弃了旧文档中 std::vector 的设计，改为定长数组，以符合 POD 约束。

C++ 结构体定义 (基线)：

/**
 * @brief 单个航迹状态 (Track)
 * @note 强制 32 字节对齐，适配 AVX2 256位寄存器
 * @note 假设使用 6维状态向量 (x, y, z, vx, vy, vz)
 */
struct alignas(32) TrackData {
    // --- Header (32 Bytes) ---
    uint64_t track_id;      // 全局唯一航迹 ID
    uint64_t timestamp_us;  // 更新时间戳
    uint32_t status;        // 状态枚举 (Tentative/Confirmed)
    uint32_t hit_count;     // 关联次数
    uint32_t miss_count;    // 丢失次数
    uint32_t station_id;    // 源站 ID (分布式新增)

    // --- State Vector (32 Bytes) ---
    // 6维状态向量，最后补 2 个 float padding 凑齐 8 个 float (256-bit)
    // 便于 AVX2 一次加载整个状态向量
    float state[8];         // [x, y, z, vx, vy, vz, pad, pad]

    // --- Covariance Matrix (Diagonal/Simplified) ---
    // 这是一个设计折中。完整的 6x6 协方差矩阵需要 36*4 = 144 Bytes。
    // 为了保持对象轻量，这里仅存储对角线元素 (方差)，
    // 或者如果内存允许，展开存储下三角矩阵。
    // 此处演示存储完整对角线 + 填充 (32 Bytes)
    float covariance_diag[8]; // [var_x, var_y, var_z, …, pad, pad]

    // --- Quality & Classification (32 Bytes) ---
    float prob_target;      // 目标存在概率
    float maneuver_indicator;// 机动指示器
    uint32_t type_label;    // 分类标签
    uint32_t _reserved[5];  // 预留空间，保持缓存行对齐
};

设计决策辩护：

• 定长数组 (float state[8])：替代 std::vector。
  • 收益：内存绝对连续。卡尔曼滤波预测步骤中，CPU 预取器可以直接将 state 和 covariance 拉入 L1 缓存，消除指针跳转（Pointer Chasing）开销。
  • 对齐技巧：6 维向量补齐到 8 维，完美契合 AVX2 (256-bit = 8 floats)。这意味着向量加减法只需一条指令。
• 分块对齐：每个数据块（Header, State, Covariance）都对齐到 32 字节。这确保了字段不会跨越缓存行（Cache Line Split），消除了跨行访问的惩罚。

---

3. 容器与内存管理策略

定义了“原子”结构体后，还需要定义装载它们的“容器”。

3.1 容器选型：std::vector + 对齐分配器

在 DataPacket<T> 的 Payload 中，我们不存储单个对象，而是存储对象的数组。

// 定义专属分配器，确保 vector 的底层内存首地址也是 32 字节对齐的
template <typename T>
using AlignedVector = std::vector<T, boost::alignment::aligned_allocator<T, 32>>;

// 最终在 DataPacket 中的 Payload 类型
using DetectionList = AlignedVector<DetectionResult>;
using TrackList     = AlignedVector<TrackData>;

• 为什么需要 Aligned Allocator？

  普通的 std::vector 只保证元素大小对齐，不保证数组首地址对齐（尽管现代 glibc 通常对齐到 16B）。为了让第一条 AVX 指令（vmovaps）安全执行，首地址必须严格对齐。

3.2 内存布局图示 (AoS 布局)

在内存中，一批点迹的物理视图如下。这种 Array of Structures (AoS) 布局对于“逐个点迹处理”的逻辑（如卡尔曼滤波的 Update 步骤）是非常缓存友好的。

| <--- Cache Line 64B ---> | <--- Cache Line 64B ---> |
[ Det 0 (48B) ] [ Det 1 (48B) ] [ Det 2 (48B) ] [ … ]
	^                ^                 ^
 Align(16)        Align(16)         Align(16)

• 注意：由于 48B 不是 64B 的约数，Det 1 会跨越缓存行边界。
• 优化选项 (SoA)：如果在某些极端性能场景下（如纯粹的坐标转换），我们可以考虑 Structure of Arrays (SoA)，即 vector<float> range_list, azimuth_list…。但考虑到代码复杂度和卡尔曼滤波的逻辑特性（通常需要同时访问一个点的所有属性），AoS (上述结构体) 是当前工程最佳平衡点。

---

总结

2.5.1 章节基线 已确立为：

1. Strict POD：摒弃 std::vector 成员，全面拥抱定长数组。
2. SIMD Alignment：DetectionResult 16B 对齐，TrackData 32B 对齐。
3. Explicit Padding：显式填充所有空隙，消除未定义行为。
4. Aligned Container：使用带对齐分配器的 Vector 承载数据。

这套模型直接服务于 DataProcessor 的 CPU 计算效率，确保数据进入算法时是“最可口”的形态。