tcp inflight 守恒算法(tcp_ccr)

最初的算法:

  • 在 winmax 中追踪 alpha rounds 的 bw / rtt,将其 bw 记为 b;
  • 在 winmin 中追踪 k*alpha rounds 的 rtt,记为 minrtt;
  • 保持 inflight = b * minrtt + beta。

后来我给 beta 增加了一个 rtt 缩放系数,主要是避免 rtt 膨胀,增加一个往回收缩的趋势:

  • 保持 inflight = b * minrtt + (minrtt / rtt) * beta。

今天有朋友提出这算法全靠统计波动随机收敛,没有自动收敛的适应力。ok,那么还需要增加一个负反馈环,该反馈环作为另一个 beta 系数,要与 bw 负相关。

看量纲,beta 是一个表示数据量的标量,它可由 bw 和 rtt 相乘获得,而 rtt 可由 “报文数量” 与 bw 相除获得,显然,若想控制报文数量,则可由 beta / bw 获得 rtt,再乘以一个预期带宽 gamma 就是了:

  • 保持 inflight = b * minrtt + (minrtt / rtt) * (beta / bw) * gamma。

如果你的预期带宽是 500mbps,预期 buffer 量为 20m,则 gamma = 20m,beta = 500mbps:
保持 inflight = b * minrtt + (minrtt / (rtt * bw)) * 10000。

但事实上,还是那句话,“不要试图精确控制,让统计学来搞定”,千万不要在这里把事情过度复杂化,避免重蹈覆辙,我们只需要给出一个负反馈系数。因此上式可简化为:

  • inflight = b * minrtt + (minrtt / (rtt * bw)) * beta。

bw 越大,inflight 位于 buffer 中的 probe 余量越小,它便逐渐出让带宽,反之 bw 越小,inflight 位于 buffer 中的 probe 余量越大,可获得更多带宽。与此并列,rtt 超出 minrtt 意味着 buffer 开始堆积,于是 probe 余量减小抵制这膨胀。

这就是算法的全部,全程负反馈。

如果碰到 loss-based cc(or capacity-seeking) 怎么办?有趣的是,只需要将 probe 余量计算系数的分子分母倒置就 ok,这正好是一个 “加性增”。

算法中揉进丢包检测处理,间隔倒置 beta 系数就能自适应,但这又复杂了不是吗,这不是我一直怼的吗,所以可这么做,但别做。

下个问题,随流量增加,buffer 中的 probe 余量是累加的,该算法在这个点上似乎是 “不可扩展” 的,这可是计算机算法相关判断标准的大忌,只要不可扩展,O(f(n)) 里的 f(n) 不上凸就是一个孬算法,这咋办。

没任何算法能空手套白狼,但程序员却总妄想空手套白狼。程序员总希望找到不花任何代价完成系统伸缩和扩展的方法,10000000 条流的表现要和只有 1 条流是一模一样,这是纯扯犊子。

任何统计复用系统,只要系统过载(超过容量的一个比例阈值),时延一定增加,甚至系统崩溃,随着网络中流量的快速增加,后果非常类似于操作系统面临 fork 炸弹,再好的调度算法也无力应对。

既然系统可过载,buffer 增加甚至溢出就是允许的。

流数量增加,buffer 占用一定增加。但这算法会尽力让 buffer 增加的速度变慢,(minrtt / rtt) 系数就干这个,只要 k 足够,beta 系数会逐渐变小,让 buffer 中 probe 余量增加变慢。

解决系统过载问题的核心不再算法,而在端决策。

如果你看到实时导航发现路上已经堵成一锅粥了,你还会出行吗?会开车但看不懂地图的人还真会照旧出行,但恰恰就是他们在添堵,但他们会想,凭什么让我等。

同理,视频卡成狗了,你会不断刷新而不是暂停,而刷新行为就是添堵。

如果网络没有准入限制,不在端限流,只在转发节点限流,会让事情更糟,随之而来就是各类 qos,调度,pfc 类弱智方案。

好的端决策应把 “能不能发” 和 “发多少” 分开,算法只能告诉你发多少,无法告诉你能不能发,能不能发由 qoe 决定,如果你认为 “凭什么让我等”,即使算法告诉你不能发,它能阻止你吗,各类 “加速” 属此类,实属减速,最终让系统过载!如果你想获得好的体验,算法反馈的结果(比如有效吞吐[delivery rate])让你截止,这才是缓解拥塞的好方法。

拥塞控制一定要有准入约束,只要流量入网,就只能调度它,即使丢包,端的重传行为无非继续注入流量而已,不限制准入,转发节点所做的任何事,只是让网络变得更慢,而不是加速。

准入控制意味着报文阻塞在本地排队,网络告诉你什么时候可以发,时间可预期,端系统就可以精确调度其它任务,而不是被不可预期的回应中断,事情都解决了。但这就不是统计复用系统了。

所以,算法限制 inflight,剩下的交给统计律,本质上就是让系统行为可预期(不管在多大范围内)。我给这个算法取名 tcp cangchangroad,简称 tcp ccr,因为我在嘉定仓场路一个花园写的代码,但 ccr 也可以认为是 congestion control rewrite。

浙江温州皮鞋湿,下雨进水不会胖。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/555960.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

机器学习笔记 - 使用 OpenCV 的结构化森林进行边缘检测

一、简述 边缘检测是计算机视觉领域中一项非常重要的任务。这是许多纯计算机视觉任务(例如轮廓检测)的第一步。即使涉及深度学习,较深层也首先学习识别边缘,然后再学习图像的复杂特征。所以,我们可以说边缘检测在计算机视觉领域非常重要。拥有良好且高效的图像边缘检测算法…

微信小程序实现美食检索功能

1、打开浏览器搜索:腾讯位置服务 2、注册一个账号,有账号的直接登陆就行 3、注册登陆成功后,点击控制台 4、进入控制台后点击我的应用——>创建应用 5、添加key,注意看注释 6、key添加成功后,开始分配额度(配额&…

复合机器人在磁钢上下料中的应用及其优势分析

复合机器人是一种集成了移动机器人和工业机器人功能的设备,其独特之处在于拥有“手、脚、眼、脑”的综合能力,从而实现了更高的灵活性和操作效率。在磁钢上下料的应用场景中,复合机器人能够发挥显著的优势。 首先,复合机器人可以根…

【 书生·浦语大模型实战营】作业(五):LMDeploy 量化部署

【 书生浦语大模型实战营】作业(五):LMDeploy 量化部署 🎉AI学习星球推荐: GoAI的学习社区 知识星球是一个致力于提供《机器学习 | 深度学习 | CV | NLP | 大模型 | 多模态 | AIGC 》各个最新AI方向综述、论文等成体系…

vscode绿绿主题setting config

下载插件Green Tree Theme 选greentree ctrl shift p找到setting {"workbench.colorTheme": "Green Tree","editor.fontSize": 16.5, // 字号"workbench.colorCustomizations": {"[Green Tree]": {"activityBarBadge.…

android远程更新下载apk

最近业务有涉及到&#xff0c;奈何是个app代码小白&#xff0c;遂记录一下 一&#xff1a;AndroidManifest.xml文件配置 application标签里面加上 android:networkSecurityConfig"xml/network_config" <!-- app下载更新配置--> <uses-permission andr…

Hugging Face 推出 Idefics2 视觉语言模型

Hugging Face 公司宣布推出 Idefics2&#xff0c;这是一个多功能模型&#xff0c;能够理解和生成基于图像和文本的文字回复。该模型为回答视觉问题、描述视觉内容、根据图像创作故事、文档信息提取&#xff0c;甚至根据视觉输入执行算术运算树立了新的标杆。 Idefics2 仅有 80…

java死锁

一、什么是死锁 锁是个非常有用的工具&#xff0c;运用场景非常多&#xff0c;因为它使用起来非常简单&#xff0c;而且易于理解。但同时它也会带来一些困扰&#xff0c;那就是可能会引起死锁&#xff0c;一旦产生死锁&#xff0c;就会造成系统功能不可用。 比如我们现在有Th…

网络防火墙技术知多少?了解如何保护您的网络安全

在当前以网络为核心的世界中&#xff0c;网络安全成为了至关重要的议题。网络防火墙是一种常见的保护网络安全的技术&#xff0c;用于监控和控制网络流量&#xff0c;阻止未经授权的访问和恶意活动。今天德迅云安全就带您了解下防火墙的一些相关功能和类型。 防火墙的五个功能…

使用clickhouse-backup迁移数据

作者&#xff1a;俊达 1 说明 上一篇文章中&#xff0c;我们介绍了clickhouse-backup工具。除了备份恢复&#xff0c;我们也可以使用该工具来迁移数据。 这篇文章中&#xff0c;我们提供一个使用clickhouse-backup做集群迁移的方案。 2 前置条件 1、源端和目标端网络联通&a…

SRIO系列-仿真测试

一、前言 前两篇已经讲述了SRIO协议的概况&#xff0c;以及xilinx SRIO IP核的使用方式&#xff0c;已经在搭建工程的过程中时钟和复位的注意事项。 二、设计框图 整个框图也是按照之前的工程进行搭建&#xff0c;首先时SRIO_Channel&#xff0c;由SRIO IP核和时钟、复位模块…

使用yolov5训练自己的目标检测模型

使用yolov5训练自己的目标检测模型 使用yolov5训练自己的目标检测模型1. 项目的克隆2. 项目代码结构3. 环境的安装和依赖的安装4. 数据集和预训练权重的准备4.1利用labelimg标注数据和数据的准备4.1.1 **labelimg介绍:**4.1. 2 labelimg的安装 4.2 使用labelimg4.2.1 数据准备4…

[疑难杂症2024-003]如何判断一张没有头信息的dcm图像,是否是压缩图像?

本文由Markdown语法编辑器编辑完成&#xff0e; 1. 前言: DCM格式&#xff0c;是医学图像领域里面的通用格式&#xff0e;DCM图像一般分为两大部分&#xff0c;一部分是TAG信息&#xff0c;一部分是像素. 而TAG信息&#xff0c;一般又会分为两部分&#xff0c;如下图所示, 是…

编写Spark独立应用程序

执行本文之前&#xff0c;先搭建好spark的开发环境&#xff0c;我目前只搭建了standalone模式&#xff0c;参考链接 &#xff1a; Spark Standalone模式部署-CSDN博客 1. 安装sbt 1&#xff09;下载sbt 网址&#xff1a;https://www.scala-sbt.org/download.html &#xff0c…

Linux 系统下的进程间通信 IPC 入门 「下」

以下内容为本人的学习笔记&#xff0c;如需要转载&#xff0c;请声明原文链接 微信公众号「ENG八戒」https://mp.weixin.qq.com/s/IvPHnEsC6ZdIHaFL8Deazg 共享内存 我们在进程间传输比较大的数据块时&#xff0c;通常选用共享内存的方式。共享内存大小也是有限制的&#xff0…

Python进阶编程 --- 3.闭包、装饰器、设计模式、多线程、网络编程、正则表达式、递归

文章目录 第三章&#xff1a;3.1 闭包3.2 装饰器语法糖写法 3.3 设计模式3.3.1 单例模式3.3.2 工厂模式 3.4 多线程3.4.1 进程、线程和并行执行3.4.2 多线程编程 3.5 网络编程3.5.1 Socket3.5.2 服务端开发3.5.3 客户端开发 3.6 正则表达式3.6.1 基础匹配3.6.2 元字符匹配单字符…

风力发电自动化控制系统中的智能化技术应用研究

风力发电自动化控制系统中的智能化技术应用研究 随碳中和目标的提出和执行&#xff0c;风能发电作为新能源行业的核心部分&#xff0c;步入了它的黄金发展期。由于风能资源具有间歇性、随机性等特点&#xff0c;这给风电的高效利用带来了巨大挑战。为了增强风力发电系统的工作效…

Py深度学习基础|Numpy基础总结

注&#xff1a;本文来自菜鸟教程学习总结 一、数组属性 NumPy 的数组中比较重要 ndarray 对象属性有&#xff1a; 注意&#xff1a;使用reshape后&#xff0c;数组的结构&#xff08;即元素的排列顺序和内在连接&#xff09;没有改变&#xff0c;但因为返回的是一个视图&#…

PTA L1-009 N个数求和 【C++】【辗转相除法】【Python】

C&#xff1a; 辗转相除法&#xff1a; 每次算最小公倍数和最大公约数都是用的常规思路&#xff0c;本身是不会有错的&#xff0c;但是当数据很大时&#xff0c;就会出现错误&#xff0c;时间复杂度过高 辗转相除法&#xff0c;又称欧几里德算法&#xff08;Euclidean Algori…

接口压力测试 jmeter--增强篇(二)

前期准备 1. JMeter的插件的安装 下载Jmeter Plugins Manager对插件进行管理 &#xff08;1&#xff09;下载地址&#xff1a;https://jmeter-plugins.org/install/Install/ &#xff08;2&#xff09;下载后&#xff0c;将jar包放到jmeter包目录下/lib/ext目录下 &#xff0…
最新文章