汤不热吧车载信息娱乐系统（IVI）中的AI应用，如高级驾驶辅助系统（ADAS）中的计算机视觉模型或智能语音助手，通常需要瞬时占用大量的内存进行模型推理。如果系统内存紧张，这种突发的内存需求很容易触发Linux内核的内存回收机制，甚至Low Memory Killer（LMK），从而导致负责渲染界面的HMI进程或SurfaceFlinger进程响应变慢，造成用户体验上的卡顿（Jank）。
本文将聚焦于如何利用Linux和Android的内存管理特性，通过调整进程的优先级来确保HMI关键任务的流畅性。
1. 理解内存回收机制与卡顿的关联
在内存不足时，Linux内核会尝试回收内存。主要手段包括回收页面缓存（Page Cache）和交换（Swap）。如果回收速度跟不上分配速度，系统就会进入内存紧缺状态，此时内核的虚拟内存管理器（VMM）会花费大量时间来寻找可用的内存页，导致所有需要内存分配的操作延迟，进而影响HMI的渲染帧率。
当内存压力持续增大时，Low Memory Killer (LMK) 或标准的 OOM Killer 就会启动，根据进程的优先级分数（oom_score_adj）来决定杀掉哪些进程以释放内存。
2. 核心解决方案：调整 oom_score_adj
在Android和车载Linux系统中，进程被杀死或受到内存压力的程度主要由其/proc/
- -1000: 绝对不杀（通常用于关键内核服务）。
- 0: 基准分，普通应用。LMK会根据系统预设的阈值来决定何时杀死它们。
- +1000: 最容易被杀（通常用于后台缓存进程或不重要的服务）。
要解决界面卡顿问题，关键是给HMI和图形渲染相关的进程设置极高的保护（极低的oom_score_adj），同时给AI推理服务设置一个合理的、略低于HMI的保护级别，或者将其设置为更容易被回收的级别（如果AI任务可以重启且对时延不敏感）。
操作步骤与代码示例
假设我们有以下两个关键进程：
1. HMI主界面进程 (PID: 1234)：必须保持流畅。
2. AI模型推理服务 (PID: 5678)：内存占用大，优先级次于HMI。
我们可以使用Shell命令在运行时调整这些进程的OOM分数：
#!/bin/bash
# 查找HMI进程的PID (实际应用中可能通过名称或系统服务获取)
HMI_PID=1234
# 查找AI推理服务的PID
AI_SERVICE_PID=5678
echo "--- 保护HMI进程: 设置 oom_score_adj 为 -950 ---"
# 赋予HMI进程接近最高的保护（-1000是内核服务级别，-950足够高）
echo -950 > /proc/$HMI_PID/oom_score_adj
# 检查设置是否成功
current_hmi_score=$(cat /proc/$HMI_PID/oom_score_adj)
echo "HMI PID $HMI_PID OOM Score Adjustment: $current_hmi_score"
echo "--- 设置AI推理服务进程: 给予中等保护 ---"
# 给予AI服务比HMI低但仍高于普通应用的保护（例如-300）
# 如果系统压力过大，LMK会倾向于先杀死分数更高的进程
echo -300 > /proc/$AI_SERVICE_PID/oom_score_adj
# 检查设置是否成功
current_ai_score=$(cat /proc/$AI_SERVICE_PID/oom_score_adj)
echo "AI Service PID $AI_SERVICE_PID OOM Score Adjustment: $current_ai_score"
# 注意：在生产环境中，这些配置通常需要集成到启动脚本或Android Zygote/System Server的配置中，确保它们在进程启动时就被正确设置。
3. 进阶优化：内存隔离与Cgroup
对于车载系统，更强大的内存管理可以通过Cgroupv2实现。你可以将AI推理服务放入一个专用的Cgroup，并对其施加严格的内存限制（memory.high 或 memory.max）。
通过Cgroup的压力失速信息（Pressure Stall Information, PSI），系统可以更早地发现内存压力，并在压力蔓延到HMI进程之前，限制或暂停AI进程的运行，从而确保关键服务的QoS（服务质量）。
虽然oom_score_adj是快速实用的解决方案，但在现代车载平台上，使用Cgroup进行资源隔离是推荐的长期策略，它可以更精细地控制AI模型的内存爆发对整个系统的影响。