rate-based 拥塞控制吞吐测量

要点：一个方法无法精确刻画链路画像，就用多种方法组合刻画，设计一个 “自定义平均”。

当前 Linux kernel TCP 实现的 TCP delivery rate 测量机制(BBR 有使用到)如下图：

简略后可展示为下图：

详见 net/ipv4/tcp_rate.c(重点看 C 文件前面的注释，可省去看代码)。

这种方法有几个问题：

1. 粒度为一个 round 滚动，在大 RTT 场景下无法观测到 round 内 RTT 细节。
2. (如下图所示)很难捕捉流侵入瞬间的指标变化。

下图是一个良性流侵入前后的 case，流侵入后自觉排空 queue，RTT 重新收敛到传播时延，两条流均分带宽。但当前 Linux kernel TCP 的测量方法对待该 case 还是粒度过粗。

就更别提非良性流的侵入以及 incast 了。

在 漫谈拥塞控制： a Decade of Wasted Bandwidth? 一文中，我提到精确测量 delivery rate 的必要，要一个刻画 delivery rate 本身以及其变化的函数，而不仅是一种测量方法，换句话说，最终需要的是一幅链路画像。

上面提到的 Linux kernel 方法仅刻画一个 round 内的积累 delivery rate，记为 f(x)，此处 x 为 kernel 函数 tcp_rate_gen 所需，除此之外还需要两类(暂时想到的，后续可能会更新)刻画手段一起做功。

刻画 round 内趋势的 g(x)，如下图：

相当于在一个 or 几个 round 内做积累平均。

另外，还需要刻画 delivery date 瞬时变化的 h(x)，如下图：

h(x) 体现的是 delivery rate or rtt 的梯度或者变化率。

最终的函数表达式如下：

T = alpha * f(x) + beta * g(x) + gamma * h(x)

其中 alpha + beta + gamma = 1 且 gamma > beta > alpha，gamma < alpha + beta。

f(x) 以 round 为粒度向前平滑滚动，g(x) 在一个或者几个 round 内平滑滚动，h(x) 间隔固定的足够小但又不至于样本不够的 delta(time) or delta(delivered) 捕捉细节，比如类似 bbr 那般 x rounds 的 win，三者合力刻画链路画像。

如果在稳定状态，f(x) = g(x) = h(x)，T = f(x)，与当前 Linux kernel 无异。

如果有侵入流变化导致 RTT 变化，h(x) 会迅速捕捉到，由于 gamma 比重大，h(x) 会迅速反应到 T 上。

如果 RTT 上下剧烈波动，由于 gamma < alpha + beta，f(x) 和 g(x) 会联合平滑 h(x)，使 T 趋于平稳。

如果 RTT 在 round 内部发生持续变化且 RTT 较大，g(x) 会有所体现，且跨越 round 的变化又会被 f(x) 平滑。

…

总之，对结果做算术，不对过程做算术。

Linux kernel TCP 测量方式对测量过程做了 round 滚动平均的过程，这不合适，合适的做法是先把尽量采集精确样本，再采用算术方式计算结果。本文所示的 T 表达式只是我能想到的一种，换句话说，有没有能力处理样本是策略问题，能不能采集到精确样本是机制问题，机制先确定了，策略可以慢慢磨。

rate-based 算法主要目标是测量 delivery rate，识别拥塞并主导 pacing rate 而不是计算 cwnd，cwnd 仅作限制 in-flight，因此再精细的计算粒度也不足为过，也就不用纠结非整数的计算结果(比如 42.37 个 cwnd 的处理)了。

与传统 loss-based 算法不同，rate-based 算法实际的 delivery rate 测量结果无法作为一个边沿触发的 event，它更像一种水平触发的数据输出，而非一种状态。对 delivery rate 的反应是连续的过程而非一个固定的动作，如何设计这个连续的过程是 rate-based 算法的难点，好的算法应既能敏锐识别拥塞，又能过滤噪声，二者的矛盾本质意味着算法注定要在一个 buffer 上展开，为误判保留回退余地，BBR 状态机便是这样一个实例。

皮鞋没有蹬上，露着白袜子。

浙江温州皮鞋湿，下雨进水不会胖。