网站seo怎样做富阳住房和城乡建设部网站

RTT 的增加并非一定意味着发生了拥塞，也可能是介质的问题甚至拓扑的问题，同理，RTT 的减少也并不意味着拥塞的缓解，做这个假设并基于这假设的一切行为都不明智。

前段时间在 BBR 讨论组看到一个有趣的事：bbr-dev] BBR v1 + XDP SYN Proxy in WAN has low throughput for 10s

显然，TCP 没有拓扑发现的能力(IPID 和 TTL 可以帮忙，但有限且 trick)，导致这个问题很难有好的通用 fix 方案。说的其实就是我一直强调的 minrtt 随行的逻辑。由于 minrtt = RTprop + f(δ) 表示，就必须表示 f(δ)，遗憾的是，这就好比企图在足球场上精确预测足球的轨迹一样难，能做的只是预测趋势。

意思就是，当基础 RTT 稳定变大的时候，minrtt 要跟着变大，基础 RTT 变小时，minrtt 要跟着变小，δ 抖动时，minrtt 保持不变。

再次强调，BBRv1 只是一个想法，一个新的尝试，它对网络的假设太理想，一旦偏离假设，行为也将不可控制。比如文初所列出的 issue，BBR 硬编码 10s 的 minrtt 窗口，一旦 minrtt 误采，10s 内将没有任何改出手段，即使基础 RTT 明显持续增大或定于新的但更大的稳定状态，BBR 也无法识别，这种状态下，它的 BDP 将被低估，从而进入 cwnd-limited 状态，最终影响吞吐。

我的做法是：

• 当 RTT 抖动越大，minrtt 定力越大；
• 当 RTT 持续下降，minrtt 收敛到稳定值，下降越快越稳定，收敛越快；
• 当 RTT 持续增加，minrtt 窗口缩短，增加越快越稳定，窗口过期越快，好重采集 minrtt 。
• …

我写了一个脚本来描述上面的话：

#!/bin/bashinput_file="sample.txt"
data_file="data.txt"awk '
function abs(x) {return (x < 0) ? -x : x;
}
function sigmoid(x) {# k = 0.317# x0 = 12k = 0.2;x0 = 15;return 1 / (1 + exp(-k * (x - x0)));
}BEGIN {alpha1 = 0.3;alpha2 = 0.3;beta = 0.7;ema1 = 0;ema2 = 0;len = 0;anch = 0;win = 0.8;avg_diff1 = 0;avg_diff2 = 0;
}
{value = $0;if (NR - 1 >= len) {anch = ema2 = ema1 = value;len = NR - 1 + 15;win = 0.4;} else {diff1 = abs(value - anch);diff1 = 0.6 * (diff1 ^ 2);diff2 = abs(value - ema2);diff2 = 0.6 * (diff2 ^ 2);avg_diff1 = (1 - beta) * avg_diff1 + beta * diff1;avg_diff2 = (1 - beta) * avg_diff2 + beta * diff2;alpha1 = sigmoid(avg_diff1);alpha2 = sigmoid(avg_diff2);win = 0.8;if (value > ema2) {len = len - 15 * alpha2;} else {ema1 = (1 - alpha1) * ema1 + alpha1 * value;ema2 = (1 - alpha2) * ema2 + alpha2 * value;len = NR - 1 + 15;win = 0.4;}}# 输出：行号, 原始值, ema1, ema2, win, lenprint NR, value, ema1, ema2, win, len;
}
' "$input_file" > "$data_file"gnuplot <<- EOFset terminal pngcairo enhanced font "Arial,12" size 1000,600set output "minrtt.png"set title "minrtt-(win-len & value)"set xlabel "t"set ylabel "value"set ytics nomirrorset y2ticsset gridset key top leftstats "$data_file" using 1 nooutputplot "$data_file" using 1:2 with linespoints lw 2 pt 7 title "即时样本", \"$data_file" every ::0::(STATS_records-2) using 1:4 with linespoints lw 2 dt 3 title "区间抖动均值", \"$data_file" every ::0::(STATS_records-2) using 1:3 with linespoints lw 2 dt 2 title "逐包抖动均值", \"$data_file" every ::0::(STATS_records-2) using 1:5 with lines lc "red" title "minrtt 窗口长度", \"$data_file" using (\$2 == 0 ? \$1 : NaN):5 with points pt 7 lc "red" notitle, \"$data_file" using (\$2 == 1 ? \$1 : NaN):5 with lines lc "red" lw 1 notitle
EOFecho "minrtt.png"

用下图紫色代表的一组样本数据来调参，获得下图绿色，蓝色两组数据(显然，代码的文字标识写反了，绿的应该是逐包抖动均值)，最底下的红线，高凸起为 minrtt 窗口维持期，低凹陷是 minrtt 新样本采集点。最终，我们需要用蓝色线(区间抖动均值)来作为 minrtt 使用，绿色的逐包均值作为对比：

分别来看图中 1～8 的情况：

• 快速发现 RTT 上升并通过压缩窗口即时调整 minrtt 到稳定值附近；
• 快速收敛到稳定的 minrtt 即时稳定值；
• minrtt 虽跟随 RTT 上升(由于抖动)，但又跟随它急剧下降；
• 同上；
• 快速发现 RTT 总体上升，局部抖动，收敛到稳定值；
• 快速发现 RTT 抖动，取均值；
• 过滤噪点，minrtt 不变；
• 同上(minrtt 虽上升一丢丢，但快速跟随真实稳定 minrtt 值)；
• …

这实际上就是一种人工的智能调参，参数比较少，人工就够了(不得不再次提到我那内藏 1000 多个 if 分支的 C 函数)，但若参数很多，就需要更多的样本集去训练了。

用我这个来替换 BBR 的 minrtt，minrtt 采小了无损吞吐，采大了无损公平。

浙江温州皮鞋湿，下雨进水不会胖。