一个让人抓狂的现场故障
去年冬天，有个做分布式传感网络的朋友找我帮忙看一个问题。他们的设备部署在野外，节点靠电池供电，大部分时间处于深度休眠，每隔几分钟唤醒一次，通过广播方式把采集的数据传给汇聚节点。问题出在：设备在实验室跑得好好的，一到现场，运行几天后就有节点彻底失联，重启才能恢复。
他们最初怀疑是电池电压跌落、天线接触不良、甚至怀疑是低温导致晶振停振。换了一批硬件、加了大电容、改了唤醒周期，问题依旧。更诡异的是，失联的节点位置不固定，时间也不固定，有时候一天出两三个，有时候一周都不出。他们抓了串口日志，发现节点最后打印的一条信息是“准备进入休眠”，然后就再也没有然后了。
这个现象最折磨人的地方在于：它不可稳定复现。你在实验室用电源供电、常温、短距离通信，怎么跑都不出问题。一到现场，电池供电、温度变化、距离拉远、周围干扰增多，它就偶尔来一下。你改一个参数，好像好了几天，然后又复发，你根本不知道是改对了还是运气好。
我拿到他们的代码和日志后，花了大概三天时间，用逻辑分析仪和可控电源反复模拟现场条件，终于把这个问题稳定复现出来了。根因说出来简单得让人想骂人：休眠和广播切换的时序配合上，状态机有一个极窄的窗口，在这个窗口里如果收到一个特定长度的广播包，状态机会卡在一个中间态，既进不了休眠，也回不到正常接收，最终看门狗复位，但复位后如果再次落入同一个窗口，就形成死循环。
这篇文章就把这个坑完整拆开讲清楚。市面上讲低功耗状态机的资料，大多只讲“休眠前要关外设、要保存上下文”，但很少有人讲休眠和广播切换时那个微妙的时序窗口，以及为什么这个窗口在现场环境下会被放大。我会把复现方法、观察手段、权衡取舍都写出来，这些都是付费课程里才会细讲的东西。
