知识点 › 系统架构
系统全景（车云两段）
System Map
定义
车端：传感器（视频/CAN/Lidar）→ 编码解码管理系统（信号采集）→ 编码解码系统（trigger 触发录制）→ 影子服务 / datarecord → DDS → 车云 mesh。云端：mesh → 数据解析 → 数据挖掘（UGC/向量检索）→ 人工标注 → 数据加工（抽帧/模型打分/批次）→ 样本中心 → 模型训练 → 评测 → OTA → 影子下发。
关键要点
- 两段的分界线是「车云 mesh」：车端负责「采与筛」，云端负责「存与算」
- 七个系统不是并列的，是「一条主干 + 三条旁路（影子/信号/合规）」
- 面试画图时标出「哪里会堵」：解析队列、标注产能、OTA 排期、GPU 排队
面试怎么答
先画主干再点堵点；能说出「车端为什么必须有 trigger」比列系统名重要。
相关知识
- 数据管道 — 把「解析 → 质检 → 脱敏 → 打标 → 入库 → 切片 → 导出」串成可重跑的有向无环图（DAG）。要求：幂等、可…
- 工具链全景 — 采集 SDK → 回传网关 → 解析/质检 → 数据平台（存储/检索）→ 标注平台 → 样本工厂 → 训练平台 → 仿…
- 车端采集链路 — 车端四件事：①编码解码管理系统——把多路视频/点云/CAN 信号统一编码与缓存；②编码解码系统（trigger）——按…
- 车云通信 mesh — 车云一体的通信与任务通道：车端（DDS + OS + 业务）↔ 服务端（configor 配置服务、job 任务服务 …
- 数据解析与任务调度 — 原始包到达后解析成可检索的结构化数据：解包、解码、时间对齐、提关键帧、写元数据。任务量随车队线性增长，必须有优先级与限…
- StarRocks 千亿级检索 — 用 StarRocks（MPP + 向量化 + 物化视图 + bitmap/前缀索引）承载千亿行级元数据检索：按车/时…
- 数据预处理系统 — 解析后的清洗与加工：抽帧（关键帧/等间隔）、裁剪、脱敏、质检（模糊/曝光/丢帧）、生成缩略图与预览、切片成「样本候选」…
- 数据挖掘与检索 — 在解析后的数据上做「找人」：UGC 检索（用户/安全员上报的片段）、向量检索（以图搜图、场景相似）、标签组合检索。输出…
- 人工标注平台 — 标注任务的分发、执行、质检：任务池、租户/团队隔离、标注服务（预标注下发）、标注工具（2D/3D/视频）、质检与返工、…
- 样本中心与样本工厂 — 样本 = 基础文件的组合：基础文件含 TV 视频、PCD 点云、GPS、autolabel、manual_label …
- 模型训练平台 LPai — 训练平台：任务编排、多机多卡调度、样本挂载（JuiceFS 等共享文件系统）、实验追踪、权重归档、模型注册。是「样本 …
- 影子系统四层架构 — ①前端业务：模型管理、发布任务管理、应用编排、日志/灰度发布、模型升级回滚、配置管理、批次/标签/文件管理、trigg…
- 技术栈与工程选型 — 应用框架 gin（Go）/ laravel（PHP）；队列 Kafka + Redis；存储 Greenplum / …
- 合规脱敏流水线 — 数据入库前的人像模糊、车牌脱敏、地理信息加密、敏感区域裁切；并记录「谁在何时对哪些数据做了什么处理」。白板上「数据合规…
- OTA 系统（云端/车端） — 升级包制作与签名 → 差分分发 → 车端 A/B 分区安装 → 校验 → 回滚。云端负责批次、灰度、断点续传；车端负责…
- 车端基础全景（四层） — 车端是一个「资源受限 + 安全受限 + 不可现场调试」的计算环境，可以拆成四层：①OS 层（Ubuntu 裁剪、实时内…
- 数据闭环 — 把「真实世界产生的数据」持续转化为「车端模型能力」的工程体系：车端采集 → 回传 → 存储治理 → 场景挖掘与标注 →…