# 指标与证据

## 1. 小脑控制实时性

- 周期任务释放、开始和完成时间；
- 响应时间与完成抖动；
- P50/P95/P99/P99.9 和观测最大值；
- deadline miss ratio，报告分子与分母；
- 外部输入到执行器输出的物理链路时延；
- 过载、热稳态和故障期间的控制表现。

## 2. 大脑结果可用性

- 大小脑端到端决策时延；
- deadline-hit ratio；
- 结果新鲜度合格率；
- 超时、过期、乱序、损坏和拒绝率；
- 模型任务质量与置信度；
- 大脑不可用时的回退发生率。

## 3. 跨域与隔离代价

- IPC 单向/往返延迟及尾部；
- 拷贝次数、CPU 开销和队列占用；
- 静态保留的 CPU、内存和设备资源；
- 分域前后的推理有效吞吐和能效；
- Linux 满载相对小脑空载的控制延迟增量；
- LLC、DRAM、I/O 和热压力的敏感度。

## 4. 故障与恢复

- 故障检测时间；
- 回退完成时间；
- 域隔离和重启时间；
- 故障窗口内控制违约数；
- 恢复后首个有效大脑结果时间；
- 是否出现不可恢复故障或错误动作。

## 5. 联合判定

系统配置只有同时满足下列条件才算有效：

```text
控制任务满足期限
AND 大脑结果达到规定的按期率与质量
AND 超时结果不会进入执行路径
AND 故障时在期限内完成回退
AND 资源和能耗代价可接受
```

平均推理时延降低但控制违约增加，不构成系统实时性改善；控制零违约但所有 AI 请求都被拒绝，也不构成有效协同。

## 6. 推荐核心图表

1. 大脑负载强度—控制违约率—结果按期率可行域；
2. 单域与分域方案的控制尾延迟对比；
3. CPU、内存、I/O 和热干扰消融图；
4. 跨域时序分解图；
5. 大脑故障期间控制时间序列；
6. 静态资源预留与推理有效吞吐 Pareto 曲线。