揭开TCP传输性能优化的秘密

我做过效果最好的TCP优化可将吞吐提升10%～20%，性能衰减长尾消除，P99接近中位数，如何做的？把这个秘密作为新年礼物送给穿皮鞋的经理们。

一句话就能说清楚：

• 我用了2000多个(约数，大致就是这个意思)if分支区分对待2000多个IP地址段，对它们分别设置cwnd/pacing_rate，平滑RTT。

if (src == 1.2.3.4) { 
    cwnd = 1234; 
    ... 
} else if (src == 4.3.2.1) { 
    cwnd = 510; 
    srtt = srtt - a; 
    ... 
} else if (src = 123.123.123.4) { 
... 
... 
... 

很low的做法，但管用。

在基调，博睿等第三方测试平台测试，我花了一个周末的时间整理历史数据。我的编程水平很差，无力Python，不会Excel，采用复制粘贴的方式用bash在vim里处理数据，对吞吐率区间进行IP地址聚类，最终得到了2000多个IP段。根据这2000多个段进行定制优化，效果相当棒。

这里没有用到任何高端的技术：

• 没用Python，Excel。
• 没用OO，设计模式。
• 半手工方式处理数据。
• if分支进行定制优化。
• 一个C函数几千行。
• 没用任何高端算法。
• 没用任何复杂算法。
• 小学生都会做。

难点在哪里？难点就是让这一切不再需要人力。这可能就扯到AI算法了，而AI算法我也不懂。

这是一个靠蛮力取胜的例子。你会发现做到这个结果和编程技术没有关系，只需要稍微会一点就可以，甚至都可以不懂网络，我只需要告诉我女儿要怎么把数据挑出来，整理成什么形式，她应该会比我更快完成，因为她会用Python。

回头看我到底做了什么熵减的事情，总结来看就是我描绘了2000多幅相对准确的链路画像，手工干这个事情就是熵减的过程。

传输优化的核心就是链路画像，别的都不重要。

不要指望一个cc算法就能让你的TCP连接加速，cc是用来收敛的，不是用来加速的。你总觉得吞吐低是因为cc算出来的cwnd偏小，于是你加几个，比如简单地加10，甚至加1，这样带来的心理安慰属实有效，因为在常识中，好就是大。但事实可能会让你失望：

• 明明实验室自测时都是正向收益，为什么上线就歇菜呢？

哪里出了问题？

事实上，加几个cwnd，对那些本来吞吐就很高的优秀连接，确实会有正向收益，但是会烂长尾。如果碰上弱网连接，或者恰好的连接，加几个cwnd会加剧拥塞丢包进而加剧重传，这会是一个恶性循环，最终导致烂长尾。整体性能差的原因就是这些烂长尾导致的。

核心问题就是识别这些加几个cwnd就会烂的连接，这才是可上线的实用传输加速的难点！

BBR也不能带来极致优化的效果的原因还是在于没有熵减，换句话说就是信息太少了，信息太少便只能靠猜。缺失的信息便是链路画像。链路画像是一个静态信息，它是对规律进行归纳总结的结果，这是一个熵减的过程。

如何用AI画出链路画像不是本文的重点，而且我也不会，本文的重点是告诉你链路画像是可以画出来的。
没有做过这个行当的可能会不认同我的观点，可能会认为拥塞控制以及传输加速是在连接内持续进行的，所以必须做实时预测。你可能没有get到一个事实：

• 现实世界在大体上是确定的，小范围波动。 世界并不混乱。

以通勤交通为例，固定时间固定的地点的车流量相差无几，其中会有递归的规律，比如每周三下午6点武宁路内环匝道的车流基本相同，和每周日相同时间不同。所以你会发现即便是开车或公交车而不是乘轨道交通，每天下班到家的时间也是相差无几的，大概3到5分钟的误差，偶尔波动，但大体规律(so，不要跟媳妇谎称天天不规律堵车)。

网络流量也一样。背后的动力学还是个人习惯的全局同步，每个人固定的时间会做固定的事，每天晚上7点40分刷抖音的和每天晚上11点看网剧的会带来不同的网络流量，但对于每一类都是确定的，偶尔波动。

要做的就是把这个规律找出来：

• 要么手工做，会很累，会显得自己很忙。
• 找博士帮忙，对AI，建模，数据分析要求高。

理论上可以对所有IPv4地址绘制几十亿幅链路画像。能绘制和如何绘制是两回事，能绘制是因为世界并不混乱，如何绘制需要经理和博士。

…

本文可能会修改，想起来再说吧。

浙江温州皮鞋湿，下雨进水不会胖。