论文阅读笔记——拥塞控制算法PCC Vivace

PCC Vivace 阅读笔记

本文是关于NSDI '18论文《PCC Vivace: Online-Learning Congestion Control》的阅读笔记。

受机器学习中的在线（凸）优化启发，本文作者设计了Vivace，一个新型的速率控制协议。该协议是对之前作者提出的PCC框架的改进版本（NSDI '15论文《PCC: Re-architecting Congestion Control for Consistent High Performance》（见笔者上一篇阅读笔记））。

注：下文以Allegro代指之前提出的PCC算法（NSDI '15）。

PCC和BBR都是垃圾！

1. 他们既无法很好地优化时延，也无法很好地在收敛速度及稳定性上进行平衡。特别地，BBR在收敛的过程中速率波动很大，而且丢包率很高；而PCC收敛的速度太慢了。
2. BBR对网络进行了建模，当实际网络不同于模型时，BBR的性能非常差。
3. 他们都对TCP不是很友好（尽管BBR在设计的时候是想要对TCP友好的（= =！））

PCC Vivace vs. PCC Allegro

Vivace和Allegro一样都使用了目标函数和一个速率学习控制算法，不过在Vivace中，这两者的实现都与Allegro不同。

Allegro 为什么垃圾？

1. Allegro对目标函数的选择是胡乱拼凑的，没有深厚的理论依据。而且多个使用不同目标函数的Allegro流会发生什么样的碰撞只有天知道。
2. Allegro的步长也是瞎选的。凸优化中的步长选择是十分重要的。步长太小会导致收敛太慢，步长太大会导致震荡甚至发散。

Vivace 为什么比较牛逼？

1. Vivace使用了一个新的学习框架来保证多个Vivace流可以收敛到有一个公平和有效率的状态。
2. Vivace使用了一个基于梯度的no-regret在线优化算法来调整发送速率，它会计算步长。

• 注：什么是一个“no-regret”的速率控制协议？
  “no-regret”的速率控制协议（如Vivace）保证了其对发送速率的选择不会降低目标函数。

1. No-regret在所有网络状态中为各个发送者提供了一个性能保证（即使在非常动态的网络环境中，或者敌对的环境中）
2. No-regret为多个Vivace流如何交互提供了一个理论支持。

小结

1. Vivace结合了时延，解决了Allegro无法解决的bufferbloat问题；
2. Vivace可以让多个异构发送者（不同目标函数）进行有效交互；
3. Vivace对TCP更加友好；
4. Vivace收敛更快；
5. Vivace对动态网络反应更加迅速

Vivace 的目标函数框架

Vivace使用了与Allegro不同的目标函数框架，如下列公式所示：