每一份网关固件升级说明的最后,几乎都会写上一句"升级过程中请勿断电"。

这句话看起来是提醒,实际上是一份免责声明。它把系统唯一的存活条件交给了现场环境:电网是否稳定、保洁会不会拔插头、UPS 有没有到期、那位恰好路过的同事会不会觉得这个盒子有点烫。

问题在于,绝大多数网关被装在弱电井、吊顶上、楼道配电箱里——那些地方没有人看管,也没有人承诺供电连续性。

A/B 双分区不是为了"升级更方便",它是为了把上面那句免责声明从系统里删掉。这篇文章讲的是这件事怎么做到的,以及在 GD6 这类基于 ESP32-S3 的开源网关上,具体长什么样。


一、先分清楚:网关 OTA 和终端 FUOTA 不是一回事

LoRaWAN 系统里有两个完全不同的"固件升级",它们共用 OTA 这个缩写,但走的协议、技术约束和失败后果都不一样。混着谈会导致方案设计时选错工具。

网关侧 OTA 终端侧 FUOTA
升级对象 网关本体(ESP32-S3 上的应用) 末端 LoRaWAN 节点(传感器、DTU)
传输通道 IP:以太网 / Wi-Fi / 4G / USB LoRaWAN 空口下行
固件体量 MB 级 KB 级,分片传输
主要约束 Flash 槽位容量、有没有回退 空口占时占空比、电池电量
失败后果 网关离线,其下全部终端数据断流 单台节点失效,影响局部
是否需要 A/B 强烈建议,几乎是必需 视 MCU 资源而定

一个典型的量级对比:GD6 网关的单个 App 槽位是 2.75 MB。而 LoRaWAN 单包最大 255 字节——同样的体量,经空口分片下发,要拆成上万个数据包。这就是为什么终端侧的实践普遍依赖差分升级(官方口径:可减少约 90% 数据量)和多 bin 分片重组,而网关侧完全不需要考虑"省流量",只需要考虑能不能回得来。

本文以下内容专指网关侧。


二、单分区就地 OTA 的致命窗口

要理解 A/B 的价值,先看清单分区做法的缺陷在哪。

单分区(就地覆盖)的升级流程是:

  1. 接收新固件数据流
  2. 擦除当前 App 分区
  3. 逐块写入新固件
  4. 校验
  5. 重启

真正的风险集中在第 2 步到第 3 步结束之间。这段时间内,设备上既没有完整的旧固件,也没有完整的新固件——它是一台没有操作系统的裸机。

这段窗口有多长?以 ESP32-S3 为例,擦除 2 MB 量级的 Flash 区间通常在数百毫秒到数秒量级,写入再加校验则是另一段易于叠加的时间。也就是说,这是一个持续数秒且完全无法缩短的设备不可用窗口:在这几秒里断电,设备不会降级运行,也不会自动重试,它就停在那个没有有效程序的状态等你派人过去。

更麻烦的是,这个风险和"固件质量"无关。一个新固件哪怕经过完整测试,只要用户在擦写窗口期间拔了电源,结果和推送了一个错误固件完全一样。

所以正确的思路不是"测试更充分",而是从物理上让旧固件在被覆盖之前始终保持可执行。这就是双分区的出发点。


三、A/B 分区:把致命窗口缩成一个标志位

A/B 方案的核心改动很小:Flash 上划两个 App 槽位,任何时刻只跑其中一个,另一个空闲。

升级流程随之变成:

  1. 接收新固件,写入当前未运行的那个槽位
  2. 写完后校验新槽内的镜像完整性
  3. 把"下次从这个槽启动"的记录写到一个专用的小分区
  4. 重启

关键在于,整个过程中运行中的旧固件从没被碰过。写入失败?旧固件仍在,下次还是从旧槽启动,最多是升级没成功。写入到一半断电?旧固件仍在,重启回到旧版本。新固件有 bug 起不来?只要没有标记为"已确认可用",下次重启 bootloader 会自动退回旧槽。

ESP32-S3 上这套机制由几个部分构成(属于 ESP-IDF 框架提供的标准能力):

这一步"由应用主动确认"是整套机制的灵魂。它把"新固件是否可用"这个问题从人的主观判断变成了一个可由运行结果触发的客观信号:跑起来了、稳定了、能连上服务器了——才确认;否则自动回退。

需要提醒的是,回滚不是默认白送的。回滚能力依赖 bootloader 配置中启用相应的 App 回滚与 Anti-rollback 相关的设置项,以及相关 SDK 配置。如果你在做自己的固件开发,这一项要在 SDK 配置里显式检查,不能假设它开着。


四、解剖 GD6 的 8 MB 分区表

GD6 的固件和 Web 配置系统已在 GitHub 开源(github.com/ManThink/gd6-open),采用 ESP-IDF 框架 + PlatformIO 构建。仓库根目录的 partitions.csv 定义了一张 8 MB Flash 的完整分区表,逐行如下:

分区 类型 / 子类型 偏移 大小 作用
nvs data / nvs 0x9000 24 KB 非易失存储(含密码等)
otadata data / ota 0xF000 8 KB OTA 槽位选择记录
phy_init data / phy 0x11000 4 KB RF PHY 初始化数据
ota_0 app 0x20000 2.75 MB 固件槽 A
ota_1 app 0x2E0000 2.75 MB 固件槽 B
storage data / spiffs 0x5A0000 2.375 MB Web UI + 配置文件

这张表是满的,六个分区加起来正好填满 8 MB。有几个点值得单独拎出来说:

第一,0x0 到 0x9000 之间是什么。 这个区间不出现在 partitions.csv 里,因为那里放的是 bootloader 与分区表本身——它们由构建系统按固定偏移烧入,不属于用户分区描述的范畴。这也解释了下一节要讲的那个禁令的来源。

第二,2.75 MB 是"单个槽位"的容量,不是"固件总量"。 两个槽各 2.75 MB 意味着:任何一份固件镜像不能超过 2.75 MB,否则编译能过、OTA 会失败。这是很多人在加了个新的大组件(比如额外的 TLS 栈、新的回传协议实现)之后才撞上的墙。仓库文档里也明确写了:如果固件超过 2.75 MB,需要重新调整分区表。

这里还有个容易被忽略的乘数效应:.bin 文件的大小决定了 Flash 占用,而槽位必须容纳最坏情况下的完整一份。你没法说"这两个槽共享一份公共数据"——它们是物理上独立的两块区域。

第三,storage 分区不在 A/B 保护范围内。 Web UI 和各种 *.json 配置放在 SPIFFS 里,走的是另一条更新通道(pio run --target uploadfs)。OTAB 只管 App 槽,不管 storage。

这意味着一次固件升级的风险其实分成了两半,且不对称:

所以用"文件系统"页面在线编辑 Web 文件这件事,要在有串口可达的前提下做。这是个由架构决定的边界,不是操作规范能弥补的。


五、三种产物,两个偏移,一个禁令

GD6 的多区域构建脚本 scripts/build_regions.py 会产出几类文件,命名都带版本号和区域:

产物文件 内容 烧录偏移 能走 Web OTA 吗
GD6-<ver>-<REGION>-full.bin 完整 8 MiB Flash 镜像 0x0 不能
GD6-<ver>-<REGION>-firmware.bin App 固件 0x20000 能
GD6-<ver>-<REGION>-spiffs.bin SPIFFS 镜像 0x5A0000 不能,走单独的文件系统烧录

然后是那条在多方文档里反复出现的禁令。

GD6 说明书的原话是:不要把整片 Flash 制造镜像当作 Web OTA 固件上传。gwTool6 配置说明书在固件升级一节写得更直白:不要把整片 Flash 制造镜像作为 Web OTA 固件上传。Upgrade 前保存网络、LoRaWAN 和无线参数记录。

为什么?

因为 full.bin 是从 0x0 开始的整片镜像,它的内容是从 bootloader 和分区表开始排布的。而 Web OTA 通道写入的目标是备用 App 槽,偏移是 0x20000 或 0x2E0000。

把 full.bin 交给 OTA 通道,等于让系统把一段本应从 0x0 开始执行的整片布局数据,原样塞进一个 App 槽里。槽的头部不是有效的应用程序映像,校验这一关就过不去,更谈不上执行。

这里恰好 A/B 分区又救了一次命:因为写入的是备用槽,即使传错了文件,运行中的旧固件依然完好,网关大概率还活着、控制台还能进,你还有机会再传一次正确的文件。如果是单分区方案,同样的操作直接就是一台砖。

这大概是最直观的一个例证——A/B 分区保护的不只是断电,还包括人。

另外两个偏移值也值得记住,救砖时要用得到:App 从 0x20000 开始,SPIFFS 从 0x5A0000 开始。

整片重写和恢复的手段是一次性命令:

python -m esptool --chip esp32s3 erase_flash python -m esptool --chip esp32s3 write_flash 0x0 GD6-1.0.2-EU868-full.bin

第一条会抹掉包括 Gateway EUI 在内的全部设备数据,所以它是最后的手段,不是常规手段。官方提醒很明确:需要保留的数据先备份。


六、四条刷写路径各管什么

GD6 开放了四条把固件弄进设备的路,它们不是冗余选项,各自覆盖不同的场景。

路径 前提条件 典型场景 是否被 A/B 保护
PlatformIO 上传 有编译环境、USB 连接 开发调试 否,直接覆盖当前槽
esptool 整片烧录 USB 连接 首次烧录、救砖 否,全盘重写
浏览器烧录器 Chrome/Edge + USB 现场无编译环境的升级 取决于写入目标
Web 控制台 OTA 网络可达 已部署网关的在线升级 是

仓库 tools/flasher/ 下的浏览器烧录器值得一提:它基于 ESP Web Serial API,不需要在工程师电脑上安装任何工具链,用 Chrome 或 Edge 打开网页、插上 USB 就能刷。它还集成了 ESP32-S3 外部看门狗(TPL5010)的喂狗控制,以及中止和异常复位保护——这两件事在现场很重要,因为 USB 刷写到一半误拔线的概率,远高于升级窗口内断电的概率。

Web 控制台侧的 OTA 也有对应的 REST 接口:GET /api/firmware 查询固件信息,POST /api/firmware/upload 上传并执行 OTA。也就是说这件事可以脚本化,而不一定要人去点页面。

官方给出的操作纪律是一致的:

  1. 核对当前型号、硬件版本、区域和固件版本;
  2. 只选择与设备完全匹配的固件文件;
  3. 等待上传、校验和写入完成,期间不要刷新、断网或断电;
  4. 按提示重启,重新登录后核对版本与关键配置。

另外 GDI51/GDO51 这类网关在本地 Web 界面升级时,官方注明升级过程中网关会重启两次——知道这一点,就不会在第一次重启之后误以为升级已完成而去拔线。


七、永不消失的控制台:六阶段启动与兜底

A/B 分区解决的是"固件起不来"。但还有一种失效模式是"固件起来了,但依赖的东西坏了"——比如 SPIFFS 挂载失败,或者 SX1302 自检没过。

这种情况下 A/B 帮不了你,因为两份固件都会遇到同样的问题。GD6 在启动流程上做了另一层处置。app_main() 分六个阶段:

阶段 动作
Phase 0 NVS 初始化 + 事件循环;状态灯与恢复出厂按键尽早就绪
Phase 1 挂载 SPIFFS——失败会禁掉 Web 服务器和 packet forwarder
Phase 2 启动 Wi-Fi Soft-AP(异步、非阻塞)
Phase 3 路由管理器按以太网 → 4G PPP 顺序启动并做主备切换
Phase 4 启动 HTTPD(REST API + 静态文件)+ 远程 MQTT 配置通道
Phase 5 SX1302 自检 → 按配置启动 packet forwarder 或 BasicStation

仓库文档写明的设计原则是:后续阶段容忍前面的非致命失败,确保设备始终能通过 Wi-Fi AP 进入恢复模式。具体一点说,即使 SPIFFS 挂载失败或 SX1302 自检失败,Web 控制台仍然可访问。

这是个非常务实的取舍。它承认了一件事实:现场救一台网关,代价最低的方式不是设备自己变好,而是让人还有机会介入。控制台还在能意味着:能重传一次正确的固件、能看看日志、能改配置、能触发恢复出厂。

一个相关但容易混淆的点:不同机型在这件事上的入口不一样。GD62 IP67 室外型外部没有 REC 按键,官方明确要求不得向用户提供外部 REC 长按约 2 秒、快闪 3 次之类的操作步骤,也不得建议拆壳找内部按键;需要恢复出厂时联系技术支持,按交付维护流程处理,恢复后 Web 默认密码不变,已写入的 Gateway EUI 保留。

具体到 GD6 开源仓库,src/factory_reset.c 是对应的功能模块;配置文件本身是内嵌在固件里的,恢复出厂时从固件中提取默认值覆盖回 SPIFFS。但恢复出厂不还原 web/ 目录——这一点在前面提过,这里再强调一次,因为这个坑很难自己爬出来。

所以完整的兜底链条是三层:

  1. A/B 分区应对固件本身不可用;
  2. 六阶段启动 + 常驻控制台应对依赖失效;
  3. USB / 串口应对前两层都失守。

任何一层都不要指望单独扛住全部。


八、四个字段必须对齐:型号、硬件版本、区域、固件版本

大部分真实的升级事故,不是分区设计的问题,而是传错了文件。

升级前必须对齐四件事,这在 GD6、gwTool6、gwTool7 的文档里口径完全一致:

区域这一项尤其容易出事,因为它是物理约束而不是软件约束。

GD6 的应用代码本身与频段无关,区域差异全在 global_conf.json 里——这让人容易误以为"刷个软件就能换个频段"。但射频前端硬件必须匹配目标频段,868 / 915 / 470 这些模块不可混用。你把 EU868 的固件刷进一台 CN470 硬件的网关,软件层面不会报错,射频层面则是不工作。

gwTool7 管理员手册里还有一条适用范围更广的警告:四类升级包不可混用——TKG 应用包、gwTool 包、网关固件包、TKE 包是四种不同性质的东西,各自只能升级对应对象。并明确要求:不要上传来源不明、校验失败或型号不匹配的文件;升级失败时停止重复尝试并保留日志。

"停止重复尝试"这五个字很重要。反复用同一个错误包去试,只会把一次可诊断的失败,变成一次状态不明的失败。


九、批量升级:平台侧的两层责任人

单台网关用手刷就够了,几十台上百台必须走平台。

ThinkLink 把这件事拆成了两个角色、两个入口:

角色 入口 动作
平台管理员 系统平台 → 软件包管理 → 网关升级包 上传并维护所有租户可用的网关固件包
租户运维 网关管理列表 → 选中网关 → 更多 → 网关升级 从已上传的列表里选包,推送到指定网关

这个分层是有意义的:固件的合法性由管理员把关,固件的选择权留给租户。租户不会拿到一个自己上传的未经验证的包去推送给几百台设备。

另一件容易搞混的事:

系统升级 网关升级包
升级对象 ThinkLink 本体(TKG / TKE) 被纳管的网关设备固件
谁上传 admin,在系统平台直接上传 admin 上传到系统
谁下发 admin 租户在自己的网关管理页

前者升级的是运行 ThinkLink 的那台机器(或网关里内置的 ThinkLink 实例),后者升级的是网关的下位机固件。两者路径不同、对象不同,报错信息也完全不同。

如果走脚本化运维,网关侧的 REST API 提供了前置查询能力——先用 GET /api/status 拿到当前固件版本,判断是否需要升级,再决定要不要调 POST /api/firmware/upload。这样可以把"全量重推"变成"增量推送",把升级窗口从几百台同时重启压到几十台。


十、一次算例:这条设计值多少钱

我们不引用外部行业报价,只做一道参数公开的算术,读者可以代入自己的实际情况。

假设条件(明确列出,可自行替换):

算一算:

单分区方案:

预期变砖台数 = 120 × 1% = 1.2 台 单次救援成本 = 3 小时 × 100 元/小时 = 300 元 预期救援总成本 = 1.2 × 300 = 360 元

看起来不多。但这只是账面成本。真正的账在这里:

网关离线影响面 = 该网关下挂的全部终端 若单网关承载 60 个测点,1 台网关离线 1 个工作日 = 60 测点 × 1 天数据断流

这段数据损失无法补-recovered——LoRaWAN 的历史上行不会存在"补传队列"里等你修好网关。对于做能耗结算、环境监测、合规报表的客户,一天的断档可能需要出具说明。

而 A/B 方案的增量成本是:

额外一个 App 槽位 = 2.75 MB Flash

在一颗 8 MB Flash 的 ESP32-S3 上,这笔投资是已经付过的钱。换个说法:为了让 120 台网关里的 1.2 台不至于变成 1.2 次派车,代价是每颗芯片多焊一块既有的 Flash 区域。

如果把"截断电概率"从 1% 换成更贴合实际的弱电井数字(比如 3%),账面就是 3.6 台、约 1,080 元加三次协调成本。这个数字依然不算大——但它揭示的是另一件事:A/B 分区不贵,贵的是对它没有一个清楚的认识。很多方案选型的取舍最后落在"这笔预算值不值"上,而这个方案的成本早就包含在器件里了。

真正应该被放进决策表的,是那些无法事后补偿的部分:断档的数据、错过了窗口期的巡检、客户对"你们的设备不太稳定"的印象。


十一、灰度批次与回滚判定

有了 A/B 保护,不代表可以一次性全量推送。下面是一个可执行的批次建议。

批次划分

批次 数量 目的 观察时长
第 0 批 1 台,选离你最近、串口可达的那台 验证包本身没问题 ≥ 30 分钟
第 1 批 总量 10%,且尽量选同一物理区域内的 验证批量下发链路 ≥ 4 小时,覆盖一个完整数据周期
第 2 批 剩余 50% 验证规模效应 ≥ 1 个工作日
第 3 批 余下全部 收口 持续观察 72 小时

每批必须核对的项

  1. 固件版本号确实变了
  2. 活动分区发生切换(A→B 或 B→A),而不是仍在原槽
  3. 网络配置、LoRaWAN 服务器地址、无线参数有没有丢
  4. 网关成功回注册到 ThinkLink,列表显示在线
  5. 至少一台该网关下挂的终端完成了一次上下行往返
  6. 日志里没有出现新的重复告警

第 2 项特别重要。如果版本号变了但活动分区没切换,说明升级路径可能不在你以为的那条轨道上(比如被别的管理通道刷了一次),这时要先搞清楚再继续。

回滚判定标准

出现以下任一情况,立即停止下一批:

然后利用 A/B 特性:对失败个体重刷上一个版本,恢复到旧槽即可。这正是前 30 分钟观察的意义——代价最小的回滚窗口,是还没推第二台的时候。


十二、验收清单

下面这份清单可以打印出来带到现场。

升级前

升级中

升级后


结语

回顾全文,A/B 分区其实只做了一件事:让"升级过程中请勿断电"从一句免责承诺,变成一个不需要承诺的架构事实。

要做到这件事,代价付出在了三个地方:一块额外的 App 槽位(GD6 上是 2.75 MB)、一小块记录槽位选择的数据分区(8 KB)、以及一段必须被正确实现的确认逻辑。合计不到 3 MB 的 Flash——在一颗 8 MB 的 ESP32-S3 上,这是一笔早就预付过的成本。

剩下的部分不是技术问题,是纪律问题:不要用整片镜像去喂 OTA 通道,不要把核对四个字段当作可跳过的形式主义,不要在批次验证走完之前宣布升级成功。

真正值得记住的是那三个层次:A/B 分区保固件本身,六阶段启动保控制台可达,USB 串口保最后一道门。三层都在,一次升级才敢在没有人的弱电井里跑。


相关阅读


官方文档与开源仓库


ManThink — 让物联网开发更高效。