上个月帮一个做工业数据采集的朋友排查问题，他们现场有一批自研的采集节点，通过一对差分线把数据汇总到主控板。原来的链路跑了大半年一直挺稳，后来因为要加长传输距离，固件里把物理层的线路编码从一种方案切到了另一种方案。改完之后，实验室里短距离测试一切正常，拉到现场跑了两天，开始出现随机丢包。具体现象是：主控板每隔几小时就报一次校验错误，采集节点那边看发送计数器，发现有些帧发出去之后收不到确认，重发几次才成功。最麻烦的是它不持续坏，而是隔一阵抽一下，现场根本抓不住规律。朋友一开始怀疑是线缆接触不良，把接头全换了一遍，没用。又怀疑是电源纹波，加了滤波电容，还是老样子。后来他把两版固件的波形抓出来对比，才发现问题出在编码方式切换之后，接收端时钟恢复的裕量变小了。原来那种编码跳变密度高，接收端很容易从数据流里提取时钟；换成的另一种编码虽然直流平衡更好、频谱效率更高，但连续相同电平的游程变长了，接收端锁相环在长游程期间只能靠自身惯性维持相位，一旦线缆衰减稍大或者温度漂移导致频偏，相位就慢慢跑偏，跑到一定程度就采错一个比特。这个错误又刚好落在帧头或者长度字段上，整帧就废了。这个坑让我觉得有必要把物理层编码切换这件事单独拎出来讲清楚。很多做嵌入式或者现场总线的工程师，选编码方式的时候只看两个指标：一是编码效率，二是直流平衡。这两个当然重要，但真正决定连接稳定性的，往往是第三个指标——跳变密度与接收端时钟恢复能力的匹配程度。这个指标在数据手册里通常只给一个典型值，很少告诉你它在长线缆、宽温区、低成本晶振条件下的实际表现。先讲清楚一个基本事实：任何串行链路，接收端都需要一个时钟来采样。这个时钟要么单独走一根线传过来（源同步），要么从数据本身提取（自同步）。绝大多数低成本差分链路用的是后者。从数据提取时钟的