TCP源端口选择算法与列维模型

发起一个TCP连接，4元组是必须的，即源IP，源端口，目标IP，目标端口。目标IP和端口都是确定的，源IP根据路由选择或者bind也可以确定，基本上最终的源IP都是本机的IP地址，然而通过IP_TRANSPARENT参数可以bind一个不属于本机的IP地址。唯一麻烦的就是源端口的确定。
在继续深入源端口选择算法之前，必须要认识到一个大的前提，也算是源端口选择算法的一个大的目标，那就是“必须保证TCP四元组的唯一性”！有了这个前提以及终极目标，TCP源端口的选择算法就非常容易理解了。在以下的情况下需要算法来选择一个源端口：
1.调用bind，但是bind的端口是0的时候；
2.没有调用bind，直接调用connect的时候。
这两种情况使不同的，因为在第一种情况下，4元组中的目标IP和目标端口是不确定的，而在第二种情况下，除了源端口，其它的都是知道的。所以两种情况的端口分配算法是不同的。

1.bind情形的列维搜索算法

对于bind的情形，由于缺失信息，需要采用非常严格的方式选择源端口，即要做到：只要有可能四元组冲突，就不能分配。比如已经有一个连接的四元组为：Tuple1(IPsrc,PORTsrc,IPdst,PORTdst)，现在为一个新建立的套接字bind一个源端口，其不bind任何确定的IP地址，那么它就不能使用PORTsrc这个端口作为源端口，因为它可能和Tuple1冲突，虽然仅仅是可能而已！如下是算法的实现：

#include <stdio.h>
#include <stdlib.h>
#include <pthread.h>

#define LOW     10000
#define HIGH    65535

//端口分配函数
//base：一个(源IP,目标IP,目标端口)三元组的hash值
int get_local_port(int base )
{
        unsigned int i,j,port, remaining;
again:
        remaining = (HIGH - LOW) + 1;
        //采用随机的方式更容易找到空闲端口
        port = LOW + random()%remaining;
        for (i = 1; i <= remaining; i++) {
                int port_ok = 0;
                //判断该端口是否可用，由于四元组唯一性现在由于信息不全无法判断，先检查最容易匹配的：
                //端口没有处在TW状态，非LISTEN状态，可用
                //此处要保证的是，聚集者要越往外越少。
                port_ok = 1;
                if (port_ok) {
                        goto check_inner;
                }
                //如果不合适就以port为基准，递增
                port ++;
        }
check_inner:
        {
                //更深层次，但更耗时的判断
                int port_inner_ok;
                port_inner_ok = 1;
                if (!port_inner_ok) {
                        goto again;
                }
        }
        return port;
}

//分配端口函数
void func()
{
        while(1) {
                int port = get_local_port(0);
                printf(" %d \n", port);
                sleep(1);
        }
}

//main函数
int main(int argc, char **argv)
{
        func();
        return 0;
}

可以看到，算法从一个随机计算出的值为基准端口，然后通过一系列的判断来得到该端口是否可用的信息，一共是两层的判断，如果外层简单判断发现不可用，则递增端口数值重新判断，如果内层复杂判断该端口不可用，则重新计算随机基准端口重新开始。使用这个算法可以很快定位到一个可用的端口。通过算法可以看得出，它符合 列维模型，即在更近的局部细致扫描，然后飞跃到一个更远的地方继续列维查找。
实际生活中，这种搜索是很高效的，深夜找宾馆，到一个陌生的城市找工作，警察搜山...信天翁觅食...都是 列维搜索！

2.connect情形的精确判定模式

connect的时候，四元组中的三元组已经确定，因此可以精确匹配了，和bind时的端口选择相反，此时只要有一个元组不同即可成功，记住我们的目标，即保证TCP四元组的唯一性！
确定性的查找不需要列维搜索，而是大家都可以根据顺序递增加简单冲突判定的方式进行端口选择，最合常理的方式就是，每一个三元组(源IP，目标IP，目标端口)都可以有一个65534个端口可供选择，每次递增即可。但是这样的话需要为每一个端口维护一个计数器，Linux使用了更加巧妙的方法，可以采用为每一个三元组用哈希计算一个确定的基准端口，全局维护一个递增的计数器，根据这个计数器与基准端口之和和端口空间大小做模运算，这样的一个取模操作可以确定一个offset，加上最小端口确定一个候选端口，这样就保证了候选端口和三元组的线性关系，也就是说，每一个三元组独立选择端口。
这么做的好处在于，对每一个三元组而言，都是从基准端口开始顺序分配的，相同三元组的端口都集中在一起，因为我们正是要和相同三元组的那些已经确定的端口来比较，以判断有没有冲突，通过这种方式，将相同三元组的已经分配的端口集中在了一起，省去了维护链表的麻烦，只需要从计算出的候选端口开始线性搜索整个端口空间即可，由于全局计数器是递增的，所以除非使用bind占据了某个端口，一般都会很快找到可用端口号，最多搜索几个就能找到。算法如下所示：

#include <stdio.h>
#include <stdlib.h>
#include <pthread.h>

#define LOW     10000
#define HIGH    65535

static unsigned int hint = 0;

//端口分配函数
//base：一个(源IP,目标IP,目标端口)三元组的hash值
int get_local_port(int base )
{
        unsigned int i,j,port, remaining;
        unsigned int offset = hint + base;
        remaining = (HIGH - LOW) + 1;

        for (i = 1; i <= remaining; i++) {
                int port_ok = 0;
                port = LOW + (i + offset) % remaining;
                //判断该端口是否可用，由于仅四元组唯一即可接受，现在假设：
                //所有的端口均已经安全释放。
                port_ok = 1;
                if (port_ok) {
                        break;
                }
        }
        //越过你排除的那几个(那些！)
        hint += i;
        return port;
}

//hint递增函数
int inc_hint(int value)
{
        hint += value;
}

//分配端口线程
void *func(void *arg)
{
        while(1) {
                int port = get_local_port(0);
                printf(" %d \n", port);
                sleep(1);
        }
}

//hint递增线程
void *func_others(void *arg)
{
        while (1) {
                int rnd = random();
                //其它的线程选择源端口的时候，由于使用不同的(源IP，目标IP，目标端口)
                //不会有任何冲突，因此只模拟递增hint即可。
                inc_hint (1);
                sleep(1);
        }
}

//main函数
int main(int argc, char **argv)
{

        pthread_t id[20] = {0};
        int i = 0, ret = 0;
        //一个线程不断分配端口
        ret = pthread_create(&id[0], NULL, (void*)func, NULL);
        if (ret) {
                printf("Create pthread error!/n");
                return 1;
        }
        //N个线程模拟其它的端口分配，仅仅递增hint
        for (i = 1; i < 20; i++) {
                ret = pthread_create(&id[i], NULL, (void*)func_others, NULL);
                if (ret) {
                        printf("Create pthread error!/n");
                        return 1;
                }
        }
        for (i = 0; i < 20; i++) {
                pthread_join(id[i], NULL);
        }
        return 0;
}

关键点在于，三元组已经确定，剩下的就是根据不同的三元组独立递增端口，效果就是同样三元组的端口都聚集在一起，在无需链表的情况下高效判断！

附：关于列维搜索

列维模型其实是一种概率分布模型，和泊松分布大大不同！它更多的体现在一种“生长，聚集”效应上。通俗来讲就是，首先随机确定一个点，然后在该点附近进行遍历搜索，成功后则加入，达到阀值后依然没有找到则退出，再次随机生成一个点，在该点附近搜索，以此类推。这种模型有很精确的数学证明。如果对数学望而却步，可以从生活中体会。刚毕业不久的人，可能会留在一个城市工作，两三年内换了N份工作，接下来突然到达一个陌生的城市，从新开始...这就是列维模型！本质上讲，整个人类文明都是遵循列维模型，一开始原始人从来不知道哪里适合居住，也不知道自己要到哪里去，只是漂泊荡漾，但是过了千百万年以后，我们发现人类的分布并不是平均的，也就是说，有些地方发展成了大都市，有些地方依然没有人烟，这难道说发展成都市的地方自然条件优于没有人烟的地方吗？非也！列维模型在起作用，它正如莫菲法则一样是个真理！

列维模型一直都在主宰着我们，并且工作的很好，由于列维模型，我们现在拥有了典型的几个不错的国际化大都市...列维模型正如磁石一样在发挥着作用。它本质上就是要把同类同质的东西聚集在一起！Linux在bind的时候分配端口正是使用这种列维搜索方式。列维模型天生具备一个阀值，即，在由于列维模型聚集在一起的东西超过阀值后，将不再聚集，而是选择“长跳”，即随机到达一个比较远的地方重新开始聚集！列维模型总结起来就是，局部搜索，达到范围阀值后，到一个很远但是随机的地方重新开始局部搜索！如下图所示：