华测导航嵌入式一面：Linux 基础与模型部署

《面试题目》

1. 进程和线程有什么区别？
2. 进程间通信有哪些方式？共享内存为什么速度快、需要配合什么使用？
3. 死锁的四个必要条件是什么？怎么避免？
4. 模型量化是什么？针对边缘设备资源受限的场景怎么做？
5. 怎么评估一个模型能不能部署到目标硬件上？
6. 多线程并发推理造成检测框错位，怎么解决？
7. 零拷贝 DMA-buff 是怎么降低端到端延迟的？
8. 职业规划：短期 1 到 2 年、3 到 5 年分别怎么打算？
9. 反问：部门技术方向与产品、岗位技术栈、部门氛围与应届生培养机制

《参考解析》

进程、线程与进程间通信

进程是资源分配的基本单位，有独立地址空间；线程是 CPU 调度的基本单位，同一进程内的线程共享地址空间和文件描述符，所以线程切换开销小但一个线程崩溃会拖垮整个进程。IPC 方式按速度排：共享内存最快（数据不经过内核拷贝，但必须配信号量或互斥量做同步，否则读到半成品）、有名管道和匿名管道、消息队列、信号、Socket（可跨主机）。匿名管道只能用于有亲缘关系的进程，有名管道和消息队列可以无关进程使用。

死锁

四个必要条件：互斥、占有且等待、不可剥夺、循环等待，打破任何一个即可避免。工程上最实用的是统一加锁顺序（打破循环等待）和加超时重试（打破不可剥夺），再就是一次性申请全部资源或用无锁结构。要注意「线程资源竞争」和「死锁」不是一回事：前者是并发访问共享数据出错，用互斥锁加条件变量解决；后者是互相等锁、程序永久卡住。

模型量化

量化是把 FP32 的权重和激活换成低比特表示，边缘设备上最常见的是 int8。做法分对称与非对称量化，粒度分 per-tensor 和 per-channel（权重用 per-channel 精度损失更小），流程分训练后量化（PTQ，需要一小批校准数据统计激活范围）和量化感知训练（QAT，训练时插入伪量化节点，精度更好但成本高）。收益是模型体积缩小约四倍、推理速度和内存带宽占用提升，代价是精度下降，YOLOv5s 这类检测模型 int8 后精度通常掉 1 到 3 个百分点。部署可行性评估要看三件事：NPU 或 GPU 的算力是否够（按目标帧率算 TOPS 需求）、模型体积和内存带宽能否装下、量化后精度是否满足业务指标，能先在真机上跑一版 profile 再下结论。

多线程并发推理导致检测框错位

根因是帧的处理顺序和输出顺序不一致，或者多线程共享了同一块输入输出缓冲。解决思路是给每一帧带序号和时间戳，从取帧、推理到后处理全程绑定，输出端按序号排序回收，过期帧直接丢弃；缓冲池按帧分配，不要让几个线程写同一块内存；必要时牺牲一点延迟换取顺序保证（限制在途帧数）。如果画面还有闪烁，通常也是同一原因——老帧覆盖了新帧显示。

零拷贝 DMA-buff

原来 OpenCV 的软编码链路要经过「摄像头驱动缓冲 → 用户态拷贝 → 编码器输入」多次拷贝，每次都是 CPU 参与的内存搬运，还伴随用户态和内核态切换，帧率越高开销越大。dma-buf 的思路是把物理缓冲导出成文件描述符，摄像头、NPU、编码器之间直接传递 fd，硬件各自 DMA 读写同一块内存，中间不再拷贝。做的时候要注意缓冲的生命周期管理、cache 一致性（非一致性架构上需要同步操作）、以及各模块对格式和 stride 的对齐要求，跑通后现象是 CPU 占用和端到端延迟同时下降。

关于这场面试

作者自评是 KPI 面：面试官态度不错、没怎么拷打、问题基本都答上来了，但两天后进了人才库。这类情况常见的解释是岗位本来就只招一两个、或者方向不完全匹配，不必过度归因到回答质量。可以复盘的是反问环节：问部门技术方向和应届生培养机制是对的，能拿到有用信息。原帖也记录了面试官给出的信息——产品面向车载定位导航，分三代（一代姿态信息、二代厘米级定位、三代 TP-BOX 融合定位加 5G 网关），软件分 MCU 端（FreeRTOS/AUTOSAR-OS）和 SOC 端（Linux 自研驱动、内核、设备树、中间层与应用），应届生有半年培养周期。准备同类岗位时，FreeRTOS、AUTOSAR、Linux 驱动与设备树这几个关键词值得提前准备。