在鸿蒙PC上做端侧3D高斯泼溅工坊「曜彩 SplatLab」,算法并不是最容易被卡住的部分。SfM、可微光栅化、球谐系数、协方差初始化都有成熟论文和开源实现,真正难的是把一条要跑十几分钟到一小时的任务放进桌面工位:用户随时切窗口、随时取消、随时合盖,界面还要能解释每一步在干什么。原文提到,这个鸿蒙PC工程里与三维直接相关的点云生成与投影、深度排序、每帧填充加起来不到三分之一,剩下三分之二都在管理一条任务从生到死的秩序。本文围绕其中可落地的ArkTS模块,梳理状态机、进度语义、失败归因和队列预算的设计取舍。
一、桌面长任务先要回答三个问题
演示场景只要点一下、出个结果,工位却要面对三个算法回答不了的问题:进度62%到底是迭代比例还是时间比例;能不能先关掉任务晚上继续;任务挂了该重试还是换参数。原文用四张鸿蒙PC真机桌面截图对应任务相位:草稿、采集中、训练中、已完成。训练中卡片上的62%是最危险的字段,因为它看起来像事实,实际上可能是四种完全不同的进度含义之一。另一张训练监控页停在“已暂停”,指标全是初值,NPU占用0%,按钮是“开始”而不是“暂停”,说明没有长任务运行时,界面不应残留任何“像在跑”的痕迹。同一页面进入运行中后,曲线开始动,但四张指标卡仍停在初始值,暴露出任务线程采样和界面定时器两个真相源。由此得到一条原则:一个页面不允许出现两个真相源,界面只消费快照。
二、用显式状态机替掉散落的布尔变量
早期版本用isCapturing、isTraining、hasResult三个布尔描述任务,能拼出8种组合,业务上只有4种有意义。剩下4种没有名字,却会在某个catch分支里悄悄出现,最后表现为“正在训练但没有进度”的卡片。更稳的表达是枚举加合法迁移表。原文把任务拆成八个状态:DRAFT草稿、CAPTURING采集中、QUEUED排队中、RUNNING训练中、PAUSED已暂停,以及DONE、FAILED、CANCELED三个终态。八个状态之间合法迁移只有十二条,56种组合里剩下44种一律非法。非法迁移立即断言失败,比一周后从用户嘴里听到怪现象更可控。
- // entry/src/main/ets/core/task.ets
- export enum TaskState {
- DRAFT = 'draft',
- CAPTURING = 'capturing',
- QUEUED = 'queued',
- RUNNING = 'running',
- PAUSED = 'paused',
- DONE = 'done',
- FAILED = 'failed',
- CANCELED = 'canceled'
- }
- const LEGAL: Map<TaskState, TaskState[]> = new Map<TaskState, TaskState[]>([
- [TaskState.DRAFT, [TaskState.CAPTURING, TaskState.CANCELED]],
- [TaskState.CAPTURING, [TaskState.QUEUED, TaskState.CANCELED]],
- [TaskState.QUEUED, [TaskState.RUNNING, TaskState.CANCELED]],
- [TaskState.RUNNING, [TaskState.DONE, TaskState.FAILED, TaskState.PAUSED, TaskState.CANCELED]],
- [TaskState.PAUSED, [TaskState.RUNNING, TaskState.CANCELED]],
- [TaskState.DONE, []],
- [TaskState.FAILED, []],
- [TaskState.CANCELED, []]
- ]);
- export function canTransit(from: TaskState, to: TaskState): boolean {
- const allowed = LEGAL.get(from);
- return allowed !== undefined && allowed.indexOf(to) >= 0;
- }
- /** 同状态视为幂等,桌面用户会连点;非法迁移原样返回 */
- export function transit(task: TaskRecord, to: TaskState, nowMs: number): TaskRecord {
- if (task.state === to) {
- return task;
- }
- if (!canTransit(task.state, to)) {
- return task;
- }
- const next: TaskRecord = {
- id: task.id,
- parentId: task.parentId,
- state: to,
- frameCount: task.frameCount,
- revision: task.revision + 1,
- updatedAtMs: nowMs
- };
- return next;
- }
复制代码
这段状态机有三个被真实操作逼出来的决定。第一,同状态迁移必须幂等,revision不能增加;否则鼠标连点两次“开始”会让快照总线误判状态变了,多做一轮无意义重建。第二,终态不可复活,FAILED任务点重试不能改回QUEUED,否则抹掉了“它曾经失败过”的证据;正确做法是新建记录,把旧id写进parentId,任务墙上还能显示第几次尝试。第三,RUNNING到DONE必须先有证据:产物manifest通过校验,文件存在、点数与声明一致、校验位匹配,才允许进DONE,否则走FAILED,挡住“显示成功但成品空白”的线上问题。
三、进度不是一个数,而是一份带档位的报告
进度条最容易被写错的地方,是把不同阶段的完成度直接压成一个百分比。原文把进度拆成三种档位:DETERMINATE、ESTIMATED、UNKNOWN,并把训练拆成PREPROCESS、INIT、OPTIMIZE、EXPORT四个阶段,权重分别是0.1、0.1、0.7、0.1。总进度等于已完成阶段的权重加上当前阶段内比例乘该阶段权重。权重是产品决定,不是数据决定,它决定了进度条什么时候开始慢下来。
- // entry/src/main/ets/core/progress.ets
- export enum ProgressKind {
- DETERMINATE = 'determinate',
- ESTIMATED = 'estimated',
- UNKNOWN = 'unknown'
- }
- export enum Phase {
- PREPROCESS = 'preprocess',
- INIT = 'init',
- OPTIMIZE = 'optimize',
- EXPORT = 'export'
- }
- const PHASE_WEIGHT: Map<Phase, number> = new Map<Phase, number>([
- [Phase.PREPROCESS, 0.1],
- [Phase.INIT, 0.1],
- [Phase.OPTIMIZE, 0.7],
- [Phase.EXPORT, 0.1]
- ]);
- export function overallProgress(report: ProgressReport): number {
- const weight = PHASE_WEIGHT.get(report.phase);
- if (weight === undefined) {
- return 0;
- }
- let passed = 0;
- const index = PHASE_ORDER.indexOf(report.phase);
- for (let position = 0; position < index; position++) {
- const item = PHASE_WEIGHT.get(PHASE_ORDER[position]);
- passed += item === undefined ? 0 : item;
- }
- const ratio = report.total > 0 ? Math.min(1, Math.max(0, report.done / report.total)) : 0;
- return Math.min(1, Math.max(0, passed + weight * ratio));
- }
- /** 超过预估两倍就撤回时间承诺 */
- export function etaText(remainingMs: number, elapsedMs: number, startedAtEtaMs: number): string {
- if (remainingMs <= 0) {
- return '即将完成';
- }
- if (startedAtEtaMs > 0 && elapsedMs > startedAtEtaMs * 2) {
- return '剩余时间重新估算中';
- }
- if (remainingMs > 600000) {
- return '预计 10 分钟以上';
- }
- const minutes = Math.max(1, Math.round(remainingMs / 60000));
- return '预计约 ' + minutes + ' 分钟';
- }
复制代码
etaText里“超过预估两倍就撤回”的分支很关键:估算模型自己失效时,要主动承认失效。一个永远显示“预计3分钟”的进度条,比写“剩余时间未知”更伤信任。进度还要单调,不允许回退;真要重来就换阶段,而不是让数字倒退。
四、取消也要走状态迁移,失败要归因到唯一动作
取消不是一个按钮语义。原文强调同一枚取消按钮在不同相位下要做的事不同,核心是让取消也走显式状态迁移进入CANCELED,而不是直接改布尔或删记录。终态不可复活,取消后也不应继续上报进度。
失败处理更不能只在catch里打日志然后显示“训练失败,请重试”。原文把失败分成四类:INPUT、RESOURCE、NUMERIC、ENVIRONMENT,并各自对应唯一动作:重新采集、降档重试、调参重试、导出诊断包。归因靠错误码前缀而不是错误文案,因为文案会随本地化变化,码不会。
- // entry/src/main/ets/core/failure.ets
- export enum FailureKind {
- INPUT = 'input',
- RESOURCE = 'resource',
- NUMERIC = 'numeric',
- ENVIRONMENT = 'environment'
- }
- export function classify(code: string, detail: string): FailureKind {
- if (code.indexOf('E_INPUT') === 0 || code.indexOf('E_FRAME') === 0) {
- return FailureKind.INPUT;
- }
- if (code.indexOf('E_MEM') === 0 || code.indexOf('E_DISK') === 0 || code.indexOf('E_BUSY') === 0) {
- return FailureKind.RESOURCE;
- }
- if (code.indexOf('E_NUM') === 0 || detail.indexOf('NaN') >= 0) {
- return FailureKind.NUMERIC;
- }
- return FailureKind.ENVIRONMENT;
- }
- /** 诊断包应含版本号、设备型号、失败迭代序号、结构化日志和参数快照;不含原始照片、绝对路径、用户名 */
- export function advise(failure: FailureRecord): FixAdvice {
- if (failure.kind === FailureKind.INPUT) {
- return {
- action: FixAction.RE_CAPTURE,
- headline: '素材不够支撑重建',
- hint: '至少需要 20 张有重叠的环绕照片,建议补拍缺失的那一侧'
- };
- }
- if (failure.kind === FailureKind.RESOURCE) {
- return {
- action: FixAction.RETRY_LIGHTER,
- headline: '这台机器当前腾不出足够资源',
- hint: '降低点数档位,或关掉其他重型应用后从第 ' + failure.atIteration + ' 次迭代继续'
- };
- }
- if (failure.kind === FailureKind.NUMERIC) {
- return {
- action: FixAction.RETRY_TUNED,
- headline: '优化过程发散了',
- hint: '建议下调学习率并把迭代预算减半,从检查点重启往往比从头更稳'
- };
- }
- return {
- action: FixAction.EXPORT_DIAGNOSTIC,
- headline: '遇到需要开发者介入的问题',
- hint: '导出诊断包(不含原始照片)后反馈,错误码 ' + failure.code
- };
- }
复制代码
诊断包“不含原始照片”不是客套,它同时告诉用户哪些隐私数据不会被带走,也告诉开发者包里能拿来定位问题。这样用户不会面对一个只能反复点重试的死循环。
五、2in1设备上主动把并发压到一
服务器思维在桌面端会害人。原文在鸿蒙PC这类2in1设备上把并发上限压到MAX_RUNNING等于1,原因有三层。第一层是算力本身:一条训练任务内部已经并行,再叠一条,两条都只能拿到一半核,缓存被打散、调度切换变密,用户看到的是两个都在慢慢转。第二层是内存与功耗:一条任务的中间张量峰值可能是产物大小的几十倍,并行意味着峰值叠加,失败可能不是一开始发生,而是跑到第8000次迭代才报E_MEM;笔记本风扇一转,用户对软件的好感也会下降。第三层是界面帧预算:训练在自己的线程里,UI还要重绘曲线、刷新进度、响应拖拽窗口,并发越多主线程时间片越碎,拖窗口就掉帧。串行执行换来两个好处:进度语义可解释,永远只有一条主进度;失败归因单一,出问题的一定是那一条。调度策略则按用户置顶优先、预估代价其次,队列可以很长,但执行必须串行且可中断。
六、快照总线与断言集把状态治理变成可测试模块
原文列出六个可单独编译进任意鸿蒙工程的ArkTS模块:状态机、进度语义、失败归因、队列预算、快照总线和断言集。快照总线解决的就是前面“两个真相源”的问题:任务线程上报采样,界面自己也有定时器,两边各自都对,拼在一起却会出现“曲线在动、卡片不动”的分裂。正确做法是界面只吃快照,由一个快照源驱动页面状态。断言集则把非法迁移、进度回退、终态复活、同状态revision增长这些规则变成可单测的失败,而不是等用户复现。
长任务不配待在主线程,也不配用几个布尔和一句“失败请重试”糊弄。对鸿蒙PC上的桌面工位来说,显式状态机、带档位的进度报告、错误码归因、串行队列和快照驱动界面,是把一条十几分钟到一小时的任务做成可解释产品的基础设施。 |