约 1.2 万字 · 6 张图 · 读完你能说清插上一个设备后的那一秒里系统做了什么、 为什么有的免驱有的要装驱动、以及一页纸在打印机里到底经历了什么
先把场景固定下来。一台开着的笔记本,桌面正常,你拿起一个 U 盘,插进侧面的口。
第一件事发生在电气层,比任何软件都早。USB 口里有四根线:两根供电,两根传数据(D+ 和 D−)。 设备那一头,D+ 上挂着一颗 1.5k 欧的电阻,接到 3.3 伏。设备没插进来的时候,这根线是悬空的; 一插进来,主机的 USB 控制器立刻看到 D+ 的电压被拉高。 这就是「有东西插上了」的全部信息——只此一句,别的一概不知。
顺带说一句,这颗电阻挂在哪根线上,本身就是个信号:挂 D+ 是「全速 / 高速设备」, 挂 D− 是「低速设备」(老式鼠标键盘)。主控靠这个先分出快慢两类, 后面的通信速率才有得谈。
接下来是枚举(enumeration)。这个词听着玄,意思很朴素: 主机挨个问一遍「你是谁、你能干什么、你要多少电」,设备挨个答。 问完了,主机在内存里建一个数据结构,把这个设备登记进去。 从这一刻起,系统里才「存在」这个设备。
枚举走完,才是驱动匹配:系统拿着刚问到的身份信息,去自己那本字典里查, 看有没有现成的驱动能管它。查到了,加载驱动,设备的接口出现在系统里; 查不到,设备照样在,但没人会用它——这就是设备管理器里那个黄色感叹号。
这三段的顺序不能乱:先有电,再有身份,最后才有驱动。 很多人排错时把顺序搞反,一看到「设备不工作」就去重装驱动, 其实问题卡在第一段——线太长、供电不够、Hub 太烂,设备连自我介绍都没说完。
下面这三节,就按这个顺序往下走:枚举、描述符、驱动匹配。 再往后是三台具体设备的拆解——打印机、摄像头、手柄, 它们刚好代表三种完全不同的外设类型:单向大批量、等时流、低延迟小数据。
图 0.2.4-1 是完整的九步。这张图值得对着看几遍,因为后面所有的故障现象, 都能在图上找到对应的那一步。
第一步到第二步之间有个细节:主机看到 D+ 拉高之后,不会马上开始问话, 而是先把总线复位——把两根数据线同时拉到低电平,保持至少 10 毫秒。 这是给设备一个「醒醒,从头开始」的信号,也让所有设备把内部状态清干净。
复位之后,所有设备的地址都是 0。这是整个协议里最反直觉的一点:
同一时刻,总线上只能有一个设备在用地址 0。
所以主机必须一个一个来:先跟 0 号说话,问完,给它分配一个新地址,它让开,
再跟下一个 0 号说话。这就是为什么插一个劣质 Hub、上面挂八个设备时,开机要等好几秒。
第三步的问法很有意思。第一次取设备描述符,只要前 8 个字节, 不是全部 18 个。为什么?因为主机这会儿还不知道这个设备的控制端点一次能收多大的包 (这个值就藏在那 8 个字节里)。先要 8 个,读完知道包长了,再要剩下的。
这种「先问一个头,再按头里说的长度问全部」的模式,在 USB 里反复出现。
第六步取配置描述符也是一样:先取 9 字节的头部,里面有个字段叫
wTotalLength,告诉你「整套配置一共多长」,然后按这个长度重新取一次。
因为一个配置下面可能挂着接口、接口下面挂着端点,长度是不固定的。
| 步骤 | 请求 | 方向 | 失败时会看到什么 |
|---|---|---|---|
| 1 | D+ 上拉 | 设备 → 主机 | 完全没反应,像没插 |
| 2 | 总线复位 | 主机 → 设备 | 反复「叮咚」声,设备不断重连 |
| 3 | 取设备描述符(8 字节) | 主机 → 设备 | 「设备描述符请求失败」 |
| 4 | 返回 VID / PID / 类 | 设备 → 主机 | 同上,或认成「未知设备」 |
| 5 | 分配地址 | 主机 → 设备 | 设备在,但地址冲突,时好时坏 |
| 6 | 取配置描述符 | 主机 → 设备 | 「未知 USB 设备(配置描述符请求失败)」 |
| 7 | 返回接口与端点 | 设备 → 主机 | 设备在,但功能不全 |
| 8 | 选定配置 | 主机 → 设备 | 设备在,但不工作 |
| 9 | 驱动加载 | 系统内部 | 黄色感叹号,代码 10 或 43 |
「设备描述符请求失败」这句话,很多人见过,但很少有人意识到它精确到什么程度: 它说明第一步成功了(主机知道有设备), 第三步失败了(设备没答上来,或者答到一半错了)。 所以问题不在驱动,也不在系统,而在电气层或者设备固件。
常见的三个原因,按概率排: 线太长或太细(电压跌落,信号眼图关闭)、 供电不足(尤其是移动硬盘、外置光驱这类大电流设备接在无源 Hub 上)、 设备固件有 bug(便宜的国产小板子常见,换个口偶尔能好)。
还有一个更隐蔽的:USB 3.0 的干扰。 USB 3.0 在 2.4GHz 附近有很强的辐射,如果一根劣质的 USB 3.0 延长线正好铺在 2.4G 无线接收器旁边,鼠标会卡、Wi-Fi 会掉。这不是玄学, 是 Intel 当年专门发过白皮书的问题——解决办法是把接收器插到远离 USB 3.0 口的那个口上, 或者用一根短的延长线把它挪开。
枚举过程中设备交出去的那些字节,统称描述符(descriptor)。 把描述符摊开看,它是一棵树,四层:设备、配置、接口、端点。图 0.2.4-2 是一个真实的例子。
最上面一层是设备描述符,18 个字节,回答「我是谁」。
里面最重要的两个字段是 idVendor 和 idProduct,
简称 VID 和 PID:前者是厂商编号,后者是产品编号,都由 USB 协会分配,全球唯一。
罗技是 0x046D,你看到的那个接收器是 0xC52B。
第二层是配置描述符。一个设备可以有多个配置, 比如一个设备可以「配置 1:满功率全功能」「配置 2:低功耗只保留基本功能」。 同一时刻只能选一个。大多数设备只有一个配置,所以这一层看起来像摆设, 但它在笔记本摄像头上真的有用——省电模式下切到低带宽配置。
第三层是接口描述符,这一层才是关键。 「功能」的单位不是设备,是接口。 一个接口对应一套协议、一个驱动、一条数据通道。 图里那个接收器有三个接口:接口 0 报键盘、接口 1 报鼠标、接口 2 是厂商自定义的(管灯效和固件升级)。
这解释了很多人困惑的一件事:为什么一个 USB 接收器能同时带键盘和鼠标, 而且在系统里显示成两个独立的设备? 因为它本来就在描述符里声明了两个接口,操作系统给每个接口单独匹配驱动, 于是「键盘」和「鼠标」各自出现在设备列表里,互不相干。 这类设备有个专门的名字,叫复合设备(composite device)。
顺带一个实用推论:如果你的键鼠套装突然只剩键盘能用, 先别怀疑接收器坏了——很可能只是「鼠标那个接口」的枚举失败了, 键盘那个接口还活着。拔下来换个口再插,让整套重新枚举一次,往往就好了。
第四层是端点描述符。端点是数据真正流动的管道, 每个端点有个编号和一个方向(IN 是从设备到主机,OUT 是反过来)。 端点 0 是特殊的,专门用来做枚举和命令,任何设备都有,永远是双向控制端点。 其他端点按用途分四种类型,这个分类值得单独说。
| 类型 | 保证什么 | 不保证什么 | 谁在用 |
|---|---|---|---|
| 控制 control | 送达,且能双向对话 | 速度 | 枚举、改设置、读状态 |
| 中断 interrupt | 延迟有上限(轮询间隔到了就查) | 带宽 | 键盘、鼠标、手柄 |
| 批量 bulk | 一个字节都不丢 | 什么时候到 | U 盘、移动硬盘、打印机 |
| 等时 isochronous | 按时到,带宽预留 | 丢了不补 | 摄像头、麦克风、声卡 |
这张表里最值得琢磨的是最后一行。等时传输不重传。 主机每毫秒(高速下是每 125 微秒一个微帧)给摄像头留一段时间, 到点就来取数据;取到多少算多少,错了、丢了,也不会要求重发。
为什么可以这么「不负责任」?因为视频和音频有个特点:迟到的数据等于没有数据。 一帧画面晚到 50 毫秒,你看到的不是「画面晚了一点」,而是卡顿和花屏。 与其花时间重传一帧旧的,不如直接扔掉,赶下一帧。 这个取舍在 0.2.3 讲显示器时提过一次,这里是它在总线层的版本。
反过来,U 盘走的是批量传输。它不在乎快,只在乎对。 传给它的每一个字节都要确认,错了重发,所以你能接受「U 盘写文件时快时慢」, 但不能接受「文件写进去以后打不开」。
bMaxPower。
设备在这里申报「我要多少电」,单位是 2 毫安(USB 2.0)。
主机在枚举时读这个值,如果超过端口能给的上限,就拒绝配置这个设备,
并在系统日志里写一条「端口电涌」。
所以那个「USB 端口电涌」的提示,不是电压真的打上来了,
是设备申报的电流超过了预算,主机主动把它关掉了。
现在到了这一节最核心的一个概念:设备类(device class)。
描述符里除了 VID 和 PID,还有一个字段叫 bInterfaceClass,
一个字节,取值范围 0 到 255。这个字节的含义是:
「我打算按第几号规范说话。」
规范是 USB 协会(USB-IF)定的一批文档,每一份定义一个类别设备的完整行为: 怎么描述自己、怎么传数据、出错怎么办。 厂商只要挑一个现成的类,照着写固件,操作系统那边就已经有对应的驱动等着了。 这就是「免驱」的全部秘密。
图里最值得看的是 HID 那一行。HID 是唯一一个「自带说明书」的类。 别的类靠规范文档约定字段含义,HID 不——HID 设备在上报数据之前, 先交一段叫报告描述符的小程序给主机,用自己的话说明: 「我的第 0 个字节,第 0 位到第 7 位,是八个开关」「我的第 1 个字节,是有符号的 −127 到 127,代表 X 轴位移」。
这段描述符是一串「条目」(item),每个条目两三个字节,用一种很紧凑的编码写成。 主机的 HID 驱动读懂它之后,就能把后面来的原始字节解析成「轴」「按钮」「按键」。 所以同一个通用驱动,能同时处理鼠标、键盘、手柄、绘图板、调音台、飞行摇杆—— 因为它不需要预先知道设备的形状,设备会告诉它。
这个设计极其成功,成功到有点过头:任何东西只要会说话,都能装成 HID 设备。 后面讲安全的时候会提到,这也是「一个 U 盘假装成键盘」那类攻击的根源。
举一个最熟悉的例子。图 0.2.4-6 是一个标准键盘的一次报告,固定 8 个字节。
第 0 个字节是八个修饰键的开关位:左 Ctrl、左 Shift、左 Alt、左 Win、右 Ctrl、右 Shift、右 Alt、右 Win, 一人一位。第 1 个字节永远是 0,历史上留给厂商自定义。后面六个字节是六个槽位, 按顺序填当前按下的普通键的编号,没按的槽写 0x00。
于是就有了那个绕不开的限制:标准 USB 键盘最多同时报 6 个键。 你同时按住十个,它也只能报出六个。 这不是键盘偷工减料,是这份表格只有六行。 所谓「全键无冲」,做法无非三种:把报告加长到 16 或 32 字节、 拆成几个接口各报六个、或者干脆不用 HID 的键盘协议而走厂商自定义接口。
还有一种更细的用法:这 8 个字节每毫秒重发一次,主机靠「有没有新报告」判断设备还在不在。 所以拔掉键盘的那一刻,主机收到的不是「松开」消息,而是「没有报告了」—— 这是某些系统上按键卡住不放的原因之一。
再看打印机那一行。打印机的类代码是 0x07,
但这个类规范只定义了「怎么把一页数据送进去」,完全没规定这页数据长什么样。
所以打印机这一类里,真正的差异全在「页面描述语言」上,下一节细讲。
还有一类值得说:0xFF,厂商自定义。
选了这一类的设备,操作系统完全不知道它是干什么的,只能靠厂商自己提供驱动。
专业相机、示波器、工业采集卡、游戏外设的「高级功能」,大多挂在这个类下面。
枚举结束,系统手里有一份完整简历:VID、PID、类代码、接口清单、端点清单。 接下来要决定:用哪个驱动。
三家操作系统的做法大同小异,都是按优先级查表。 表里的每一条规则,要么精确到 VID/PID,要么只写类代码。
在 Windows 上,这张表是 INF 文件。一个 INF 里有一段叫 [Models],
列着这个驱动支持哪些设备,写法是这样的:
USB\VID_046D&PID_C52B&REV_1201 ← 型号+版本
USB\VID_046D&PID_C52B ← 型号
USB\Class_03&SubClass_01&Prot_01 ← 这一类
系统从上往下匹配,谁先命中用谁。所以厂商驱动(写死了 VID/PID) 会优先于系统自带的类驱动(只写类代码)。 这就是为什么你装完厂商驱动之后,设备原来那个「通用 HID 键盘」的名字 会变成「XX 游戏键盘」——匹配规则换了。
Linux 的做法更透明,全在文件系统里能看到。
插上一个设备,/sys/bus/usb/devices/ 下面会多出一个目录,
名字形如 1-2(第 1 条总线上的第 2 个口),里面的文件就是描述符:
idVendor 046d
idProduct c52b
bDeviceClass 00
bNumInterfaces 3
manufacturer Logitech
product USB Receiver
内核模块那边有一张 usb_device_id 表,写法是宏:
USB_DEVICE(vendor, product) 或者 USB_INTERFACE_INFO(class, subclass, protocol)。
两边一比对,命中了就调用那个模块的 probe 函数。
「probe」这个词就是从这里来的,意思是「试探一下,这个设备你能不能管」。
macOS 用的是 IOKit 的 personality 匹配,本质一样: 每个驱动声明自己关心哪些属性(provider class、VID、PID、类代码), 设备一注册,内核就挨个问过去。
| 你看到的 | 含义 | 卡在哪一层 |
|---|---|---|
| 黄色感叹号 + 代码 10 | 设备无法启动 | 驱动加载了但初始化失败 |
| 黄色感叹号 + 代码 43 | 设备报告故障 | 枚举或运行中出错,硬件/固件 |
| 黄色感叹号 + 代码 19 | 注册表里的配置损坏 | 系统侧,驱动装坏了 |
| 「未知 USB 设备」 | 枚举完了但没有驱动 | 匹配失败,缺 INF |
| 「设备描述符请求失败」 | 枚举第三步就断了 | 电气层,跟驱动无关 |
| 「USB 端口电涌」 | 申报电流超预算 | 供电,主机主动断电保护 |
这张表建议存下来。它最大的用处是帮你判断该不该重装驱动: 凡是带「描述符」「电涌」字样的,都跟驱动没关系; 凡是带代码 10、19 的,才是驱动或系统配置的问题。
设备管理器里那棵「通用串行总线控制器」的树,其实就是枚举结果的直接展示: 根集线器下面是各个端口,端口下面挂设备,设备下面挂接口。 你看到的每一个节点,都是某一次枚举留下来的记录。 树的结构,就是物理连接的结构——这也是判断「设备到底插在哪个口上」最可靠的办法。
前面四节讲的是通用机制。从这一节开始,挑三台设备拆开看。 选打印机打头,因为它是这三台里链路最长的一台, 也是「外设为什么难伺候」这个问题最典型的答案。
你在 Word 里点「打印」,到纸出来,中间隔了六道手。图 0.2.4-4 是完整路径。
第一道手是应用。Word 把这一页排好版,告诉系统「我要打印这个版式」。 第二道手是图形栈(Windows 的 GDI、macOS 的 Quartz),把它翻译成一串绘图指令: 在 (120, 340) 画一行 12 号宋体、画一条 0.5 磅的表格线、贴一张 300dpi 的图。
第三道手是打印驱动,这是整条链上最关键的一环。它要把这串绘图指令 翻译成「打印机自己能懂的语言」。翻译成什么,取决于打印机的档次,这一点下面细说。
第四道手是假脱机(spooler)。这个词是 Simultaneous Peripheral Operations On-Line 的缩写, 意思是「外设操作与主机同时进行」——早年大型机打印时,先把任务写到磁带上缓冲, 主机接着干别的,再慢慢送出去。中文把它译成「假脱机」,取的正是这个意思:不是真脱机,是假装脱机。 今天它是个后台服务,任务数据真的会先落到硬盘上一个临时文件里。
为什么要多这一步?为了解耦。Word 把任务交给 spooler 就可以关掉了, 不用一直开着等打印机打完。打印队列、暂停、取消、优先级,全都建立在这一层上。 代价是:spooler 这个服务一卡,所有打印任务全堵住——这就是「打印队列卡住」的由来, 解决的辦法是重启 Print Spooler 服务,而不是重装打印机。
第五道手是传输,USB、网口、Wi-Fi 都行。第六道手才进打印机,由它自己的处理器解释这堆字节。
现在回到第三道手:驱动到底把页面翻译成了什么?这里有两条完全不同的路线。
路线一:页面描述语言。驱动把这一页写成一段程序, 比如 PostScript 或者 PCL,发给打印机,打印机自己执行这段程序、自己光栅化成点阵。 这条路要求打印机里有一颗像样的 CPU 和几十 MB 内存, 但好处是:打印分辨率由打印机决定,电脑不用管;一张复杂的图,传过去可能只有几十 KB。
路线二:宿主光栅化。驱动在电脑上就把这一页算成点阵图, 打印机只负责「把收到的点阵打到纸上」。这类机器叫 GDI 打印机(或 host-based printer), 机器里没有页面解释器,成本低、卖得便宜,但电脑负担重、传的数据量大。
数据量差多少?算一页 A4 就清楚了。A4 是 210 × 297 毫米, 600 dpi 意味着每英寸 600 个点,一页就是:
宽 210mm ÷ 25.4 × 600 ≈ 4960 点
高 297mm ÷ 25.4 × 600 ≈ 7016 点
单色二值 4960 × 7016 ÷ 8 ≈ 4.3 MB
彩色 24 位 4960 × 7016 × 3 ≈ 104 MB
一页黑白文字,光栅化之后就是 4.3 MB。走 USB 2.0 的批量传输(实际三四十 MB/s), 一页要零点几秒;彩色照片按 24 位算就是 104 MB,得好几秒。 这就是为什么便宜的彩色喷墨打印机打一张照片要「嗡嗡」很久—— 它不是在算,是在收数据。
而同样一页文字,用 PostScript 描述可能只有 20 KB。 这个差距,就是「打印机里那颗 CPU」值不值钱的分界线。
最后提一句小票打印机。超市收银台那种热敏机,用的是 ESC/POS 指令集, 本质上是一门「排版语言」:换行、加粗、切纸、开钱箱,都是一两个字节的命令。 它简单到连字库都在机器里,所以便宜、快、皮实——这正好是商业场景要的三件事。
数据到了打印机,接下来的事跟电脑没关系了。激光打印机的成像过程, 是整本书里少有的「纯物理、不涉及任何逻辑」的一段,值得走一遍。
核心零件叫感光鼓(photosensitive drum),一个铝筒, 表面涂了一层光电导材料,最常见的是 OPC(有机光导体)。 这种材料的脾气是:平时绝缘,被光照到的地方会导电。整个打印过程就建立在这句话上。
第一步,充电。一根细细的电晕丝(或者充电辊)靠近鼓面, 加上几千伏的高压,把周围的空气电离,让鼓面均匀地铺上一层负电荷,大约 −600 伏。 这一步要求「均匀」,不均匀就会打出深浅不一的竖条。
第二步,曝光。激光器发出一束光,打在一个高速旋转的多边形棱镜上, 反射出去,横扫过鼓面;同时鼓在转,于是光点在上面画出一行一行的扫描线。 被光打到的点,光电导材料导通,电荷顺着铝筒跑掉;没被打到的点,电荷还在。
扫完一整页,鼓面上就留下了一幅静电潜影—— 看不见,摸不着,但电荷分布就是那一页的内容。 这一步和 0.2.3 讲液晶时的「加电压改变分子排列」是同一类思路: 用电压把信息写在某种介质上。
第三步,显影。碳粉仓里,碳粉被摩擦带上负电。 鼓面转到碳粉辊旁边,带负电的碳粉被鼓面上「还有负电荷」的地方排斥, 被「电荷跑掉了」的地方吸引(相对电位差),于是吸附上去。 潜影变成了看得见的粉像。
第四步,转印。纸从鼓下方经过,纸的背面有一个转印辊, 加上更强的正电,把带负电的碳粉从鼓面「抢」到纸上。 这时候粉只是搭在纸上,用手指一蹭就花——必须还有第五步。
第五步,定影。纸经过一对辊子,上辊是加热辊,表面温度 180 到 200 摄氏度; 下辊加压。碳粉在高温高压下熔化,被压进纸纤维里。出来就是能蹭不掉的字了。
| 步骤 | 物理动作 | 坏了的症状 |
|---|---|---|
| 充电 | 鼓面铺满负电荷 | 整页发灰、纵向条纹 |
| 曝光 | 激光扫出静电潜影 | 全白,或整页黑 |
| 显影 | 碳粉吸附到潜影上 | 颜色淡、底灰 |
| 转印 | 碳粉被抢到纸上 | 字能蹭掉、背面脏 |
| 定影 | 高温高压熔进纸纤维 | 一摸就掉粉 |
这张表在修打印机时很好用。比如「打出来的字用手一蹭就掉」, 不用想,是定影这一环——要么加热辊没到温度(预热不足),要么用了太厚的纸。 再比如「整页均匀发灰」,多半是充电辊脏了或者碳粉快没了。
顺便解释两个日常现象。为什么激光打印机开机要「预热」? 因为定影辊要从室温升到 180 度,这需要十几秒到几十秒。 待机时机器会让它保持一个较低的温度(叫「省电待机」), 所以第一张总是比后面几张慢——它在等辊子热起来。
为什么打印机会卡纸?因为纸在机器里走的不是直线,是一条 S 形或 C 形的路径, 要绕过鼓、经过定影辊、翻面机构。路径上任何一个辊子的转速差一点点, 纸就会被拉歪;纸受潮变软、静电吸在导板上,也会卡。 大部分卡纸其实是纸的问题,不是机器的问题——这也是为什么说明书总在强调「用干燥的、符合克重的纸」。
喷墨打印机走的是另一条路:没有鼓,没有激光,只有一个喷头, 上面密密麻麻排着几百到几千个微小的喷嘴。 两种主流技术:热泡式(惠普、佳能)给每个喷嘴加一个微加热器, 瞬间加热到 300 度,墨水局部汽化产生气泡,把一滴墨顶出去; 压电式(爱普生)用压电陶瓷,加电压就形变,挤压墨腔把墨滴推出去。
热泡式的喷嘴长期高温,寿命短,所以很多机器的喷头是和墨盒做在一起的, 换墨盒等于换喷头;压电式喷头寿命长,做在机器里,但一旦堵了很难换。 「堵头」是喷墨打印机的通病:墨水在喷嘴口干结,堵住通道。 厂商的对策是定期「洗头」——用墨水冲洗喷嘴,代价是费墨。 这也是为什么长期不用的喷墨打印机,往往比天天用的更容易坏。
摄像头属于 UVC 类,代码 0x0E。它的枚举过程比键盘复杂得多,
因为摄像头不是「一种能力」,而是「一堆能力的组合」:
支持哪些分辨率、每个分辨率支持哪些帧率、每种帧率支持哪些像素格式。
这些组合写在一个叫视频流接口(Video Streaming,VS)的地方, 结构是一层套一层的:格式描述符下面挂帧描述符,每个帧描述符里再列一串帧间隔。 一个普通摄像头,这一段描述符能有几百字节。
Windows 打开「相机」应用时,系统做的事就是:读这张清单, 挑一个「当前场景最合适」的组合,然后告诉摄像头「就按这个来」。 你在设置里选的「720p」或「1080p」,就是在替它做这个决定。
选定之后,数据流就开始了。摄像头走等时端点, 主机每个微帧(高速 USB 下是 125 微秒)来取一次数据,取到多少算多少。 没有确认,没有重传,没有流控。
为什么必须这样?因为带宽不够。图 0.2.4-5 算过这笔账: 1080p、30 帧、未压缩的 YUY2,需要 124 MB/s, 而 USB 2.0 高速口的实际上限只有 40 MB/s 左右。差了整整三倍。
所以免驱摄像头出厂默认给你 MJPEG——每一帧单独压成一张 JPEG, 压缩比大约 8 比 1,带宽降到 15 MB/s,刚好塞得进去。 代价是:每一帧都是独立压缩的,帧与帧之间的冗余完全没利用上, 压缩效率低,画质也比 H.264 差一截。
这不是厂商偷懒,是接口的物理上限逼出来的工程妥协。 想跑 1080p60 或者 4K,就必须上 USB 3.0,或者用 H.264 硬件编码 (把压缩做进摄像头芯片里,主机收到的已经是压缩流)。 近几年的高端摄像头开始支持后者,代价是延迟增加几十毫秒—— 因为编码器要缓存几帧才能算出帧间差异。
还有一个日常现象值得解释:为什么视频会议时画面会突然变糊、掉帧? 两个原因。一是带宽被抢:同一个 Hub 上插了移动硬盘, 批量传输会占满剩余带宽,等时传输的预留不够,摄像头只能降帧。 二是软件在自适应:会议软件检测到 CPU 忙或者网络差,会主动把分辨率降下来。 前者是硬件层,后者是应用层,但用户看到的现象一模一样。
最后说一句隐私。摄像头的指示灯,绝大多数是并联在供电上的—— 只要图像传感器通电,灯就亮,软件关不掉。这算是一个硬件级的承诺。 但也有过一些机型,灯是由固件控制的,被改过的固件可以让灯不亮而照样采集。 所以真正可靠的防护是物理遮挡:一个滑盖,一块贴纸, 比任何软件开关都硬。
手柄是这三台设备里最「标准」的一台——它就是一个 HID 设备, 和键盘鼠标共用同一个驱动。但它也是最容易被「翻译层」搞乱的一台。
先看它在线上到底是什么。一个 Xbox 手柄插上电脑,每秒发 125 次(或 1000 次)报告, 每次几十个字节。报告里是:两个摇杆的 X/Y、两个扳机的行程、十几个按钮的按下状态、 还有十字键。这些字段的含义,全部写在它的报告描述符里。
这里就能看出 HID 的威力了:报告描述符可以描述任意形状的数据。 摇杆是一个「有符号 16 位、范围 −32768 到 32767」的字段, 扳机是一个「无符号 8 位、范围 0 到 255」的字段, 按钮是「1 位 × 12 个」的一串。通用驱动读懂了描述符,就能把这些字节拆成有意义的输入。
但现实没这么顺。Windows 上有两套手柄接口:老的 DirectInput 和新的 XInput。 XInput 是随 Xbox 360 引入的,它不是标准 HID,而是一套微软自己的协议, 好处是按钮编号统一——所有 XInput 手柄的 A 键都在同一个位置, 游戏不用为每个手柄单独适配。
这就造成了一个长期困扰玩家的现象:同一个手柄,在不同游戏里按钮不一样。 因为那个游戏用的是 DirectInput,读到的是 HID 的原始按钮编号; 另一个游戏用 XInput,读到的是映射后的编号。 两套编号体系并存了十几年,直到今天还没完全统一。
于是就有了第三层:翻译层。Steam 的控制器设置、 DS4Windows、x360ce 这类工具,做的都是同一件事—— 把一种手柄的输入翻译成另一种接口期望的格式。 你在 Steam 里勾上「Switch 手柄支持」,它就在中间加了一层映射, 让游戏以为自己在跟一个 Xbox 手柄说话。
这也解释了为什么有些游戏「一插手柄就识别成键盘」: 手柄厂商为了兼容老游戏,会在固件里同时声明一个键盘接口, 把几个按钮映射成方向键和回车。系统按接口分别匹配驱动, 于是你在设备列表里同时看到一个手柄和一个键盘。
| 参数 | 典型值 | 影响 |
|---|---|---|
| 轮询率 | 125 Hz / 250 Hz / 1000 Hz | 8ms / 4ms / 1ms 一次采样 |
| 摇杆分辨率 | 8 位(256 级)或 16 位 | 能不能做出细微的转向 |
| 扳机行程 | 8 位模拟量 | 赛车游戏能不能半踩油门 |
| 死区 | 5% 到 15% | 回中不精确时的补偿 |
死区这个词值得解释。摇杆是靠两个电位器(或霍尔元件)测角度的, 松开手之后,它不会精确回到正中心,可能偏个百分之几。 如果不对这个偏差做处理,游戏里的视角就会自己慢慢漂。 所以在软件层划一个圆:摇杆位置落在这个圆里,一律当成「没动」。
死区设大了,微调就没了;设小了,视角会漂。这就是为什么竞技玩家要自己调, 也是为什么霍尔摇杆(无接触、不磨损)比碳膜电位器贵——它漂得少,死区可以设得很小。
至于陀螺仪、HD 震动、自适应扳机这些「超出 HID 标准」的功能,
走的是厂商自定义接口(类代码 0xFF),
必须装厂商驱动或者靠 Steam 这类中间层才能用。
标准管得到的部分免驱,标准管不到的部分就得装东西——
这条规律在整个外设领域都成立。
无线键鼠套装里那个小小的 USB 接收器,插在电脑上,系统认出来的通常不是一个设备, 而是两三个。原因在 0.2.4-3 讲过:功能单位是接口,不是设备。 接收器在描述符里声明了「键盘接口」「鼠标接口」,可能还有一个「厂商自定义接口」。
接收器内部是两颗芯片:一颗 USB 控制器(负责跟电脑说话), 一颗 2.4GHz 射频收发器(负责跟键鼠说话)。 中间那层固件做的事,是把射频帧翻译成 USB 报告: 键盘那头发来「A 键按下」,接收器就拼一个 8 字节的 HID 键盘报告,等主机来取。
所以从系统的角度看,这跟有线键盘没有任何区别。 键盘的「无线」属性,完全被接收器吃掉了——这就是为什么无线键鼠也免驱。
蓝牙是另一条路。蓝牙键鼠不经过接收器,直接跟电脑的蓝牙控制器通信。 但它在系统里最终也表现为一个 HID 设备,因为蓝牙上有一层叫 HID over GATT(HOGP)的规范,把 HID 报告封装进蓝牙的数据包里。 上面那套描述符、报告、解析的机制,一模一样地复用。
区别在配对。2.4G 接收器和键鼠出厂时就配好对了(内部存了地址), 插上就能用;蓝牙必须先「配对」——双方交换密钥、建立信任, 之后才能开始传 HID 数据。 这就是为什么蓝牙鼠标第一次用要长按配对键,而 2.4G 鼠标插上就行。
| 有线 | 2.4G 接收器 | 蓝牙 | |
|---|---|---|---|
| 延迟 | 1–2 ms | 1–4 ms | 7–30 ms |
| 抗干扰 | 最好 | 中等(跳频) | 较差(共用 2.4GHz) |
| 首次使用 | 插上就行 | 插上就行 | 要配对 |
| 占用 USB 口 | 一个 | 一个(可带多个设备) | 不占 |
| 换电脑 | 插上就行 | 插上就行 | 要重新配对 |
延迟这一行的数字,解释了为什么电竞选手几乎都用有线或者 2.4G,不用蓝牙。 但也要说句公道话:30 毫秒的蓝牙延迟,对办公和网页浏览毫无影响。 人对鼠标延迟的感知阈值大约在 20 到 30 毫秒,超过才会觉得「飘」。 所以「蓝牙鼠标不能打游戏」是对的,「蓝牙鼠标不好用」是错的。
干扰这件事值得多说一句。2.4GHz 这个频段是公共的:Wi-Fi、蓝牙、无线键鼠、 微波炉、无线摄像头,全挤在这里。2.4G 键鼠的对抗手段是跳频—— 每秒换几十到上千次频道,遇到干扰就跳走。 但如果干扰源占满了整个频段(比如一个正在满速传输的 Wi-Fi 6 路由), 跳到哪里都一样,这时候就会看到鼠标卡顿。 解决办法是把接收器插到离路由器远的口上,或者换 5GHz Wi-Fi。
前面十节讲的是「正常情况长什么样」。这一节反过来,从现象倒推原因。 下面这张表里的每一条,都能在前面找到对应的那一层。
| 现象 | 最可能的原因 | 先试什么 |
|---|---|---|
| 插上完全没反应,连提示音都没有 | 供电或接触 | 换口、换线、换一台机器试 |
| 反复「叮咚」,设备一闪一闪 | 枚举反复失败(供电不足最常见) | 拔掉其它设备,直插主板后置口 |
| 「设备描述符请求失败」 | 电气层,线或固件 | 换短线;换机器;大概率是设备本身 |
| 「未知 USB 设备」 | 枚举成功但缺驱动 | 查 VID/PID,装对应驱动 |
| 「USB 端口电涌」 | 设备申报电流超预算 | 用带电源的 Hub,别用无源 Hub |
| 黄色感叹号,代码 43 | 设备报告故障 | 换线;更新固件;硬件可能坏了 |
| 打印机在,但任务一直「正在打印」 | 假脱机服务卡住 | 重启 Print Spooler 服务 |
| 打印机「脱机」 | 连接断了但队列还在 | 取消「脱机使用打印机」,重连 |
| 摄像头「被另一个应用占用」 | 独占打开 | 关掉会议软件、浏览器标签 |
| 摄像头画面卡、掉帧 | 带宽被抢 | 别和移动硬盘共用一个 Hub |
| 手柄被识别成键盘 | 固件同时声明了键盘接口 | 正常现象,用 Steam 或厂商工具 |
| 蓝牙鼠标隔一会儿卡一下 | 2.4GHz 干扰或省电策略 | 关「允许计算机关闭此设备以节约电源」 |
这张表最想传达的,是「分层定位」的思路。 一个外设出问题,先问它卡在哪一层:电气层(有没有电、线通不通)、 协议层(枚举过没过)、驱动层(匹配上没有)、应用层(软件用没用对)。 四层里,越靠下的问题越像「硬件坏了」,越靠上的问题越像「软件有病」。
举一个具体的例子。有人说「我的移动硬盘插台式机能用,插笔记本就不认」。 按分层看:设备本身没问题(台式机能用),线可能没问题, 那问题在供电——笔记本的 USB 口输出能力弱,或者那个口是 USB 2.0 的。 解决办法不是装驱动,是用带电源的 Hub,或者用双头 USB 线从两个口取电。 先定位到层,再谈方案,这比盲目重装驱动省几个小时。
还有一种情况值得单独说:设备在设备管理器里存在,但应用里找不到。 这说明枚举和驱动都成功了,问题在应用层——可能是权限(macOS 的摄像头权限、 Linux 的 udev 规则和用户组)、可能是应用只认某一种接口、 也可能是另一个进程已经独占了设备。这类问题去查系统日志,比在应用里瞎点有用得多。
这一节从头到尾其实只讲了一件事:外设能被认出来,靠的是「自描述 + 匹配」。
设备不会说「我是罗技的键盘」,它只会交出一串字节: VID 是 0x046D,PID 是 0xC52B,接口类是 0x03,端点 0x81 每毫秒送 8 个字节。 系统拿着这串字节去查表,查到了就加载驱动,查不到就放着。 整个过程没有任何「智能」,全是格式化的问答。
而「免驱」这件事,本质上是把「为每一款设备写一份驱动」变成了 「为每一类设备写一份驱动」。标准化省下的工作量,落在了操作系统厂商身上, 换来的是用户可以闭着眼睛插。 这是过去三十年计算机外设领域最大的一次效率提升, 只是它太成功了,成功到没人记得它曾经是个问题。
三台设备刚好代表三种数据形态:打印机是单向大批量(批量传输,一个字节都不能丢), 摄像头是等时流(按时到,丢了不补), 手柄是低延迟小数据(定时轮询,每次都新鲜)。 把这三个形态记住,以后再遇到任何外设,都能先猜出它走哪条路。
最后一句话收尾:这一章讲的是「外面的东西怎么接进来」。 下一章换个角度,讲「怎么把这些东西组装成一台能用的机器」—— 为什么有的件插不上、为什么同样的预算配出来差一倍、二手和矿卡到底能不能碰。 从认识零件,到组装零件。
1. 电气层(D+ 上拉,主机发现有东西)→ 枚举(问身份、分配地址、读配置)→ 驱动匹配(查表加载驱动)。
2. 让所有设备回到初始状态,地址统一归 0。复位后同一时刻只能有一个设备用地址 0,所以必须一个一个来。
3. 因为主机还不知道控制端点一次能收多大的包,而这个值就在前 8 个字节里。先读头,再按头里的长度读全部。
4. 卡在第三步。说明电气层是通的(主机知道有设备),但设备没答上来。查线材、供电、设备固件,别动驱动。
5. 设备 → 配置 → 接口 → 端点。一个物理设备可以声明多个接口,每个接口一套协议、一个驱动,所以功能单位是接口。
6. 控制保证送达;中断保证延迟上限;批量保证不丢;等时保证按时到但不保证不丢。摄像头要的是「按时」,晚到的帧等于废帧。
7. 因为厂商照着 USB-IF 的类规范写固件,操作系统内置了对应的类驱动。专业设备用了自定义类(0xFF),没有通用规范,只能厂商自己写驱动。
8. 约 4.3 MB(4960 × 7016 ÷ 8)。这解释了为什么便宜的 GDI 打印机打一页要等——它不是在算,是在收几 MB 的数据。
9. 充电、曝光、显影、转印、定影。一蹭就掉是定影没做好,碳粉没熔进纸纤维。
10. 因为 1080p30 的原始 YUY2 需要 124 MB/s,而 USB 2.0 实际只有 40 MB/s 左右,差三倍。MJPEG 压到 15 MB/s 才塞得进去。