软件运维 --- 某康SDK兼容问题排查

故障处理总结

一、主要故障概述

共两类被叫故障：

故障 A：.被叫闪退 —— 设备按呼叫按钮，PC 端来电窗口一闪而过（存活仅 0.23 秒）即被挂断。

故障 B： 被叫无响应 —— 设备按呼叫按钮，PC 端完全无反应，无窗口、无日志。

---

二、如何发现的

故障 A：抓包逐帧分析 + 代码链路印证

1. 流量对比：正常场景 1100+ 帧媒体流，异常场景 0 帧、RTSP 会话 0.14 秒"建好即拆"——判断媒体从未建立。
2. 毫秒级时间线：RTSP 握手全部成功，PLAY 成功后仅 45ms 客户端就主动发 TEARDOWN——0.23 秒远超人类反应速度，说明挂断是程序自动行为，不是用户操作也不是崩溃（心跳持续 14 秒）。
3. 时钟偏差证据：解码报警包时间字段，发现设备时间与 PC 时间偏差 15 分 09 秒，且与某康 demo 正常场景的偏差完全一致 → 设备时钟慢 15 分钟（NTP 未同步）。
4. 代码对账：反编译代码证实被叫链路把设备报警时间戳作为振铃计时基准，30 秒超时判定因此恒成立，定时器第一个 tick 就执行挂断。推算时刻与抓包实测时刻（45ms 空隙）严丝合缝，推测变实锤。

故障 B：排除法 + 版本对比

1. 抓包：布防后 17 秒零报警——事件推送链路完全断裂，但布防确认、心跳全部正常（表象完美）。
2. 逐项排除：设备时钟准确、无事件外发配置、无异常上报地址。
3. 突破口——固件对比：同为一个型号，.141 是老固件 V5.1.6，.130 是新固件 V5.2.2，行为差异指向固件校验差异。
4. 参数核对：某康 SDK 布防等级 byLevel 只有 0/1 两个合法值，而代码调用时传了 AlarmLevel.Low = 2（超范围）。自研工具 HkCallTool 用等级 1 在同一设备上一直正常——同设备、同 SDK、不同参数、不同结果，嫌疑锁定。改传合法值 1 后重新布防，按键 0.4 秒内报警到达，闭环验证。

---

三、如何解决的

故障	修复
A	被叫不再使用设备时间戳，超时基准改用本地 DateTime.Now
A 配套	时间字段非法的设备回调崩溃，加 try-catch 回退本地时间
B	布防等级由 AlarmLevel.Low(2) 改为 AlarmLevel.Middle(1)

修复后均重新抓包 + 现场按键实测，证据链闭合。

---

四、本质原因

两类故障的共同本质是：代码中存在脆弱假设，被设备差异引爆。

• 故障 A：假设"设备时钟 ≈ PC 时钟"。设备 NTP 未同步、慢 15 分钟，用设备时间戳做超时判断就恒超时。
• 故障 B：假设"枚举值 Low=2 是合法布防等级"。老固件 V5.1.6 宽容（当作默认值照常工作），bug 被掩蔽多年；新固件 V5.2.2 严格校验，非法值导致布防订阅是"空壳"——连接、确认、心跳全部正常，事件却不推送。这解释了为什么故障集中出现在固件升级后的设备上。

更深一层的架构问题：某度客户端把 SDK 回调当作业务入口（6 层同步调用链、无异常保护、自动驱动开窗/挂断），而对照工具 HkCallTool 只读字段、只投递消息、不做判断——前者把 SDK 线程上的每个假设都变成了雷。