展开纯文字阅读版
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:
- 接收新固件数据流
- 擦除当前 App 分区
- 逐块写入新固件
- 校验
- 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:
- 接收新固件,写入当前未运行的那个槽位
- 写完后校验新槽内的镜像完整性
- 把"下次从这个槽启动"的记录写到一个专用的小分区
- 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):
- bootloader:每次启动时先读 OTA 数据分区,决定从哪个槽启动,并对目标槽的镜像做校验;
- OTA 数据分区:记录槽位选择信息,本身很小,一次原子写入即可更新;
- App 槽:至少两个,标记为 OTA 可写;
- 回滚确认:新固件起来之后,需要由应用主动调用确认接口取消回滚标记;如果新固件根本没跑到这一步(启动即崩溃、反复重启),bootloader 会在下次重启时切回旧槽。
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:
- App 槽是安全的,有 A/B 兜底;
- storage 分区如果被在线覆盖写坏了 Web UI 文件,官方 README 明确警告:可能导致控制台无法打开,且恢复出厂不会还原这些文件——这时候唯一可靠的恢复手段是串口重烧 SPIFFS。
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:
- 核对当前型号、硬件版本、区域和固件版本;
- 只选择与设备完全匹配的固件文件;
- 等待上传、校验和写入完成,期间不要刷新、断网或断电;
- 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:
- A/B 分区应对固件本身不可用;
- 六阶段启动 + 常驻控制台应对依赖失效;
- 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:
- 型号:GD6、GD61x、GD73、GDI51、GDO51 各是各自的包;
- 硬件版本:同一型号不同硬件版本也不通用;
- 区域:CN470 / EU868 / US915 / AS923 / AU915 / KR920 / IN865;
- 固件版本:确认当前版本与目标版本的升级路径。
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):
- 待升级网关数量:120 台,分布在 4 个园区
- 单分区方案下,每 100 次升级出现 1 次窗口内断电/中断(保守估计,弱电井场景)
- 单次现场救援:工程师路上 + 处理共 3 小时
- 人力成本:800 元 / 人天,按 8 小时计,即 100 元/小时
- 额外成本(重新派单、协调门禁、临时 workpiece):忽略不计,取 0
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
- 固件版本号确实变了
- 活动分区发生切换(A→B 或 B→A),而不是仍在原槽
- 网络配置、LoRaWAN 服务器地址、无线参数有没有丢
- 网关成功回注册到 ThinkLink,列表显示在线
- 至少一台该网关下挂的终端完成了一次上下行往返
- 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:
- 批次内有网关未能在预期时间内回线
- 批次内有网关出现重启循环
- 批次内有网关的配置项在重启后丢失
- 任何一台需要人工介入才能恢复
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
- [ ] 记录当前:型号、硬件版本、区域、固件版本
- [ ] 导出并保存:网络参数、LoRaWAN 服务器配置、无线参数
- [ ] 确认目标固件四字段全匹配
- [ ] 确认选的是 App 固件而非整片镜像
- [ ] 确认该台网关有串口可达的救砖路径
- [ ] 确认升级窗口内的供电安排
升级中
- [ ] 不刷新页面、不断网、不断电
- [ ] 留意设备可能重启两次
- [ ] 失败后停止重复尝试,保留日志
升级后
- [ ] 版本号变更确认
- [ ] 活动分区切换确认
- [ ] 网络 / LoRaWAN / ThinkLink 连接恢复确认
- [ ] 关键配置无丢失确认
- [ ] 至少一次完整上下行验证
- [ ] 强制刷新浏览器后重新登录(避免前端缓存误导)
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
- 第 24 期:BACnet/IP 与 Modbus TCP 在 ThinkLink 上的对接实战:从字段映射到 YABE 调试
- 第 23 期:ThinkLink Edge(TKE)本地部署实战:数据不出厂区,从硬件选型到与云端双向迁移
- 第 21 期:ThinkLink 物模型解码脚本实战:把 15 个字节变成一张能看的表
- GD6 硬件设计解析:ESP32-S3 + SX1302 的选型逻辑与工程取舍
官方文档与开源仓库
- GD6 开源仓库:github.com/ManThink/gd6-open
- GD61x 规格与使用说明书:think-link.net/docs/zh/Device/LoRaWANGateway/gd61x-user-guide
- gwTool6 配置说明书:think-link.net/docs/zh/Device/LoRaWANGateway/gd6-configuration-guide
- gwTool7 网关管理员手册:think-link.net/docs/zh/Device/LoRaWANGateway/gwtool7-administrator-guide
- 网关管理:think-link.net/docs/zh/Maintenance/GatewayManagement
- 网关升级包:think-link.net/docs/zh/SystemPlatform/GatewayUpgradePackage
ManThink — 让物联网开发更高效。