先說一下我的思路，由于我自從中學(xué)開始就是一個深度的數(shù)形結(jié)合控，希望能把一切都畫在一個坐標系里，然后無非就是找最高點，最低點，找規(guī)律這些了，所謂求極值，展示特征無非也就是那些慣用的方法， 求導(dǎo)，積分，數(shù)列展開這些，所以對于BBR算法，我依然循著這樣的思路。
現(xiàn)在要做的，就是怎么把BBR的行為畫在一個坐標系里。如果這一步做到了的話，我相信以我20年的經(jīng)驗順水推舟事情就一定能成。
其實，BBR最初的slides和paper中，不斷展示的圖示是下面這個：
然后，我仔細觀察了這兩個坐標系，分別是BW(其實是Deliveryrate) vs Inflight以及RTT vs Inflight，都有Infligh。其實，這兩張圖是用于展示BBR特征的，它只說了What，并沒有解釋W(xué)hy，實際上，難道Inflight不應(yīng)該是 計算出來的 嗎？如果說我能根據(jù)另一個坐標系的曲線進行一系列計算，最后 推導(dǎo)出Inflight的值必須是那個值才能達到某種最優(yōu)的效果，那就解釋了Why。
就是這個思路。讓我們一步一步去做。
既然我們把Inflight當(dāng)成了一個結(jié)果而不是原因，為了找這個原因，我們合并兩個坐標系，消去公共的Inflight，那么我們就可以得到RTT vs BW的曲線了！
為了數(shù)學(xué)上表述的方便，后面統(tǒng)一一下符號：BW：ww wwRTT：tt ttInflight：ff ff臨界的Inflight：fcfc f_cfc?
下圖是消去ff ff的方法：首先給出圖像的方程表示：
r={1f−fc−1f≤fcf>fcr={1f≤fcf−fc−1f>fc r =
{1f−fc−1amp;f≤fcamp;fgt;fc{1amp;f≤fcf−fc−1amp;fgt;fc
r={1f−fc?−1?f≤fc?f>fc??
w={ffc1f≤fcf>fcw={ffcf≤fc1f>fc w=
?????ffc1amp;f≤fcamp;fgt;fc{ffcamp;f≤fc1amp;fgt;fc
w=????fc?f?1?f≤fc?f>fc??
很簡單，方程組聯(lián)立就可以消去變量ff ff。
我們可以看到，最終ww ww和tt tt的取值范圍就是那條開向第二象限的折線，現(xiàn)在的問題是，在這條折線中，P(w,t)P(w,t) P(w,t)P(w,t)在哪里是最優(yōu)的，而此時的Inflight值就是最適合灌進網(wǎng)絡(luò)中的數(shù)據(jù)包的數(shù)量，換句話說，它反映了Cwnd應(yīng)該取什么值。
問題轉(zhuǎn)化為了 如何度量所謂的最優(yōu) 。
一般工業(yè)界和經(jīng)濟學(xué)領(lǐng)域都會采用 ***產(chǎn)出/成本***的比值來衡量一個系統(tǒng)是不是優(yōu)秀，換句話說就是 最優(yōu)的系統(tǒng)是用最少的代價換取最高的收益。對于我們目前的模型而言，用語言來表達，即 最少的時間傳輸最多的數(shù)據(jù)包。
因此，很顯然，我給出下列的比值，最為衡量系統(tǒng)是否最優(yōu)的度量：E=wtE=wt E=dfrac{w}{t}E=tw?問題變成了 P(w,t)取在哪里，上述的比值E最大？
肉眼看得出來，ww ww取最大值wmax=1wmax=1 w_{max}=1wmax?=1，tt tt取最小值tmin=1tmin=1 t_{min}=1tmin?=1即可，即取點Pe(wmax,tmin)Pe(wmax,tmin) P_{e}(w_{max},t_{min})Pe?(wmax?,tmin?)，所謂的最優(yōu)的EE EE值就是11 11，而此時，Inflight的值就是所謂的BDP=wmax×tmin=fc=1BDP=wmax×tmin=fc=1 BDP=w_{max} times t_{min}=f_c=1BDP=wmax?×tmin?=fc?=1
這確實說明了Inflight取值為臨界的恰好要使得隊列增加的fcfc f_cfc?時，系統(tǒng)的效能真的是最優(yōu)的。
如果你將P(w,t)P(w,t) P(w,t)P(w,t)在允許的定義域值域稍微偏離PePe P_ePe?點，你會發(fā)現(xiàn)EE EE值均會減少，這反映在TCP數(shù)據(jù)傳輸上，就是：
- 要么帶寬沒有用滿，沒有達到wmaxwmax w_{max}wmax?;
- 要么帶寬超額了，數(shù)據(jù)排隊了，數(shù)據(jù)到達的太快，因此延遲增加了；
無論發(fā)生了上述的什么情況，顯然都不是什么好事。
這算完成了任務(wù)嗎？證明了BBR是最優(yōu)的。看起來算是吧…
如果這樣就算是一個BBR背后完備的數(shù)學(xué)模型，這篇文章一個多月前就能寫出了。。。
我們發(fā)現(xiàn)，上面的推導(dǎo)基于一個明顯的事實，即 用肉眼看，之所以可以用肉眼觀測出最值，那是因為Yuchung Cheng和Neal Cardwell在描述BBR算法時，簡化了模型，基于簡化的模型，才給出了那兩幅BW vs Inflight和RTT vs Inflight的坐標圖示，在這兩個圖示中，所有的線均為直線。
所謂的簡化模型，即假設(shè)數(shù)據(jù)包是間隔均勻勻速到達的，數(shù)據(jù)包也是勻速經(jīng)過網(wǎng)絡(luò)節(jié)點設(shè)備的。但是在實際上，這并不是事實，真實的情況畫在坐標系里并不是直線，而是曲線，類似下面的樣子：
此時如果我們依然要求解E=wtE=wt E=dfrac{w}{t}E=tw?的極大值，很顯然要求這條曲線函數(shù)tt tt針對ww ww的導(dǎo)數(shù)，這下麻煩有點大！我怎么能知道帶寬ww ww和傳輸時間tt tt之間的關(guān)系呢？顯然，必須有二者之間的關(guān)系，才能求導(dǎo)啊！
怎么辦？這件事讓我搞了一個多月時間！
我能理解數(shù)據(jù)包的到達其實是柏松到達，被服務(wù)時間符合指數(shù)分布特征，但是我并沒有就著這個思路思考下去(不然我一定能想到排隊論)，而是希望能先有一個通用的解。
起初，我是反著求解，我假設(shè)傳輸時間tt tt已經(jīng)可以用帶寬ww ww來表示，即t=f(w)t=f(w) t=f(w)t=f(w)然后，就會有：
```
E=wt=wf(w)E=wt=wf(w) E=dfrac{w}{t}=dfrac{w}{f(w)}E=tw?=f(w)w?進一步按照求導(dǎo)法則針對ww ww求導(dǎo)，推導(dǎo)如下：E'=w×df(w)dw−f(w)f2(w)E′=w×df(w)dw−f(w)f2(w) Eprime=dfrac{wtimes dfrac{d f(w)}{d w}-f(w)}{f^2(w)}E′=f2(w)w×dwdf(w)?−f(w)?若求EE EE的極大值，那么它一定出現(xiàn)在曲線的拐點處，其導(dǎo)數(shù)一定為00 00，因此：E'=w×df(w)dw−f(w)f2(w)=0E′=w×df(w)dw−f(w)f2(w)=0 Eprime=dfrac{wtimes dfrac{d f(w)}{d w}-f(w)}{f^2(w)}=0E′=f2(w)w×dwdf(w)?−f(w)?=0f(w)=w×df(w)dwf(w)=w×df(w)dw f(w)=wtimes dfrac{d f(w)}{d w}f(w)=w×dwdf(w)?
```
這便是最終的關(guān)系式，雖然我不知道tt tt如何用ww ww來表示，但這個關(guān)系是存在的，這是個普遍適用的關(guān)系。
我為得到這個關(guān)系式興奮了一個周末，非常有成就感，雖然它現(xiàn)在看起來很簡單，但在當(dāng)時，這個想法真的顯得來得太晚！
我是從初中開始就喜歡擺置坐標系的，一直到大學(xué)，幾乎任何數(shù)學(xué)題，我都能采用數(shù)形結(jié)合的方案一題多解，某種程度上，我老婆就是當(dāng)時我如此炫技追到的…最近幾年，我用同樣的方式設(shè)計了iptables的優(yōu)化方案，DxR的優(yōu)化方案…不多的幾次失敗包括Bloom Filter的形象化展示。
所以面對上述的表達式子，依然可以任意把玩。式子兩邊同時除以ww ww：f(w)w=df(w)dwf(w)w=df(w)dw dfrac{f(w)}{w}=dfrac{d f(w)}{dw}wf(w)?=dwdf(w)?
看看左邊右邊分別是什么？
- 左邊：f(w)f(w) f(w)f(w)上任意一點到原點的直線的斜率；
- 右邊：曲線f(w)f(w) f(w)f(w)上任意一點切線的斜率。
兩個斜率一致的時候，ww ww取值計算的EE EE是最優(yōu)的，即 曲線f(w)f(w) f(w)f(w)上任意一點PP PP和原點之間的直線與該點的切線共線！ 的時候，該點PP PP的ww ww和tt tt的取值為最優(yōu)！
形象地看，我們可以通過 操作 來獲取最優(yōu)的點，即：從經(jīng)過原點的t=0這條直線開始，任其繞著原點逆時針旋轉(zhuǎn)，第一次切到曲線f(w)f(w) f(w)f(w)的那個點，就是最優(yōu)點。
很簡單，是吧。
現(xiàn)在已經(jīng)定性地把問題解決了，無論曲線t=f(w)t=f(w) t=f(w)t=f(w)長什么樣子，我們可以從上述的操作步驟中獲取最優(yōu)的PP PP點，進而求出Inflight值，最終確定Cwnd。
然而，這并不能定量地分析，如果要定量地分析，則必須要有t=f(w)t=f(w) t=f(w)t=f(w)的表達式。
這個表達式何來？我花了好長時間也沒有思路。
再仔細看看帶寬和RTT之間的關(guān)系，在固定的帶寬下，RTT受到Inflight的影響，然而Inflight正是我們要求解的，這貌似進入了一個循環(huán)，消除Inflight變量并無法確定二者的關(guān)系，這便是陷入了兩難！
…
我略過了好多文字，這些文字描述了大概將近一個月的見聞，然后我就想到了 排隊論， 排隊論， 排隊論， 排隊論， 排隊論！
排隊論基于概率理論給出精確的逗留時長和到達率以及服務(wù)率之間的關(guān)系。
排隊論是一個復(fù)雜的理論，能寫幾大部頭都寫不完，我自己也只是略懂一二，并不是專門研究這個的，所以本著解決手頭當(dāng)前問題的廣度優(yōu)先原則，下面我依據(jù)排隊論的一些結(jié)論性的公式進行推導(dǎo)，關(guān)于這個公式的推導(dǎo)，我會在本文后面給出一個附錄。
我們依然根據(jù)最簡單的情況建立模型，即經(jīng)典的M/M/1排隊模型下的場景，在該場景下，先設(shè)以下的變量：
- 到達率：λλ lambdaλ
- 服務(wù)率：μμ muμ
- 系統(tǒng)負荷水平：ρρ rhoρ
- 用戶停留時間：WsWs W_sWs?
然后，有一些用到的定義以及公式，我們根據(jù)這些公式來進行后續(xù)的關(guān)于BBR最優(yōu)化的證明。需要聲明的是，M/M/1排隊模型是一個簡化的模型，并不代表現(xiàn)網(wǎng)中運行BBR算法的TCP傳輸發(fā)包特征就一定符合這個模型，但這是一個很好的開始。
這些結(jié)論性的定義和公式如下：
- 系統(tǒng)負荷水平
ρ=λμρ=λμ rho=dfrac{lambda}{mu}ρ=μλ? - 用戶停留時間(包括排隊時間和被服務(wù)的時間)
Ws=1μ−λWs=1μ−λ W_s=dfrac{1}{mu-lambda}Ws?=μ−λ1? - 當(dāng)前系統(tǒng)中用戶數(shù)(包括排隊的和正在被服務(wù)的)
Ls=λμ−λLs=λμ−λ L_s=dfrac{lambda}{mu-lambda}Ls?=μ−λλ? - 排隊等待時間
Wg=λμ×(μ−λ)Wg=λμ×(μ−λ) W_g=dfrac{lambda}{mu times (mu-lambda)}Wg?=μ×(μ−λ)λ? - …
有了這些，便可以建立BBR的模型了。
在一個帶寬固定的網(wǎng)絡(luò)中，我們假設(shè)帶寬為CC CC(基于這種固定帶寬的假設(shè)，實際上這是M/D/1排隊模型，但是推導(dǎo)過程并無傷大雅！)，而我們發(fā)送的帶寬可以理解為 到達率， 即λλ lambdaλ，此時我們可以把WsWs W_sWs?等效于RTT，因此RTT和帶寬的關(guān)系則為：
RTT=f(λ)=Ws=1μ−λ=1C−λRTT=f(λ)=Ws=1μ−λ=1C−λ RTT=f(lambda)=W_s=dfrac{1}{mu-lambda}=dfrac{1}{C-lambda}RTT=f(λ)=Ws?=μ−λ1?=C−λ1?
根據(jù)我們上面的那個最優(yōu)解公式：
f(λ)=λ×df(λ)dλf(λ)=λ×df(λ)dλ f(lambda)=lambda times dfrac{d f(lambda)}{d lambda}f(λ)=λ×dλdf(λ)?
帶入則有：
f(λ)=λ×df(λ)dλ=1C−λf(λ)=λ×df(λ)dλ=1C−λ f(lambda)=lambdatimes dfrac{d f(lambda)}{d lambda}=dfrac{1}{C-lambda}f(λ)=λ×dλdf(λ)?=C−λ1?
而這里的df(λ)dλdf(λ)dλ dfrac{d f(lambda)}{dlambda}dλdf(λ)?則可以對f(λ)f(λ) f(lambda)f(λ)簡單求導(dǎo)：
df(λ)dλ=1(C−λ)2df(λ)dλ=1(C−λ)2 dfrac{d f(lambda)}{dlambda}=dfrac{1}{(C-lambda)^2}dλdf(λ)?=(C−λ)21?
代入則有了結(jié)論：
λ(C−λ)2=1C−λλ(C−λ)2=1C−λ dfrac{lambda}{(C-lambda)^2}=dfrac{1}{C-lambda}(C−λ)2λ?=C−λ1?λ=C−λλ=C−λ lambda=C-lambdaλ=C−λλ=C2λ=C2 lambda=dfrac{C}{2}λ=2C?
最終，我們發(fā)現(xiàn)了最有點PP PP，即：
P(C2,2C)P(C2,2C) P(dfrac{C}{2},dfrac{2}{C})P(2C?,C2?)
這個結(jié)論有什么用呢？它意味著什么呢？
我們再來看M/M/1模型中的另外一個公式，即計算當(dāng)前系統(tǒng)的用戶數(shù)：
Ls=λμ−λ=C2C−C2=1Ls=λμ−λ=C2C−C2=1 L_s=dfrac{lambda}{mu-lambda}=dfrac{dfrac{C}{2}}{C-dfrac{C}{2}}=1Ls?=μ−λλ?=C−2C?2C??=1
這意味著系統(tǒng)中只有一個用戶，這意味著沒有排隊！！這意味著最優(yōu)的情況，即EE EE最大的時候，系統(tǒng)是沒有隊列堆積的！這個時候，我們來計算一下BDP：
BDP=λ×f(λ)=C2×2C=1BDP=λ×f(λ)=C2×2C=1 BDP=lambdatimes f(lambda)=dfrac{C}{2}times dfrac{2}{C}=1BDP=λ×f(λ)=2C?×C2?=1
正解于天下！這也是我在這方面工作的一個里程碑，現(xiàn)在總結(jié)一下就是：在M/M/1排隊模型的假設(shè)下，BBR擁塞控制算法是效能E最優(yōu)的。
然而，M/M/1模型只是一個開始，事實上，基于端到端的TCP協(xié)議，在鏈路上會經(jīng)過非常多的中間節(jié)點，即，至少起碼的，我們也要在M/M/k排隊模型上再次證明上述結(jié)論的正確性才行。
而這是簡單的。
我們假設(shè)一個端到端的鏈路上有kk kk個中間節(jié)點，那么每一個節(jié)點都遵循M/M/1排隊模型的法則，綜合起來就是M/M/k了，我們假設(shè)這些節(jié)點的處理能力并不相同，并假設(shè)其中有一個能力最弱的節(jié)點m，其處理能力μmμm mu_mμm?，在排隊論模型中，只要有排隊現(xiàn)象，就會增加時延而降低效能E，所以為了不排隊每一個節(jié)點的到達率均要滿足：λk≤μm2λk≤μm2 lambda_k le dfrac{mu_m}{2}λk?≤2μm??，所以最終的系統(tǒng)中的用戶數(shù)是要小于kk kk的，這就是說，系統(tǒng)的吞吐是由最弱的節(jié)點決定的這個典型的漏桶理論。
我們來看BBR的名稱，Bottleneck Bandwidth and RTT，其中以 Bottleneck Bandwidth為M/M/k排隊模型的依據(jù)保證了RTT不會因為排隊引入的延遲而增加。
換句話說，BBR擁塞控制算法告訴你，別發(fā)太多包，超過Bottleneck Bandwidth的限額，你多發(fā)了也過不去，還平添時延，因為已經(jīng)偏離了最優(yōu)的操作點！
算法是OK的，代表了一種正確的方法，退一步，至少可以說是一種引向正確方法的趨勢。然而在實現(xiàn)上，它的根基在于 測量的準確性。算法實現(xiàn)的具體實施過程中，TCP協(xié)議固有的不可測量性是最大的掣肘，而這是TCP的固有缺陷所導(dǎo)致，永遠也無法被解決！
那么QUIC的實現(xiàn)呢？我準備花大力氣測測看。
在很早之前介紹BBR算法的文章中，我提到了 帶寬和RTT互為正交 的概念：google’s BBR擁塞控制算法模型解析：https://blog.csdn.net/dog250/article/details/52895080
現(xiàn)在我們可以基于本文上述的關(guān)于最優(yōu)化的結(jié)論再來理解這個 正交。
先從固定的D/D/1排隊模型看，我們再看BW vs RTT圖：
我們可以看到最優(yōu)點PePe P_ePe?處，帶寬和RTT的乘積正好是矩形的面積，而它就是BDP，無論你在折線上怎么移動PP PP點，你均無法獲得更大的矩形面積，往左移動，面積減少，這意味著不夠，效能當(dāng)然低，往上移動，面積不再增加，這說明多發(fā)數(shù)據(jù)包也沒用，并不能增加有效BDP。
好完美的既視感！貌似打消了任何企圖通過多發(fā)包來提升性能的念頭，然而突然發(fā)現(xiàn)這只是理想D/D/1排隊模型下的結(jié)論。
稍微真實點的M/M/1排隊模型下，是這樣子的：
你會發(fā)現(xiàn)，在最優(yōu)化點附近，還是可以 通過比較小的RTT增加的代價，獲得更多有效BDP的。這似乎給了人們稍微增加一點Cwnd以理由和意義。黑暗壓下來的時候，總是留下一絲的光亮，沒有辦法。
通過相對嚴格的數(shù)學(xué)推導(dǎo)，我們發(fā)現(xiàn)BBR算法在BW vs RTT坐標系的曲線上的操作點確實是最優(yōu)的，然而我們又從同樣一張圖的M/M/1表述中發(fā)現(xiàn)了一點可以利用的Trick…
不管怎么說，不想排隊是為了自己，然而制造排隊則是毀了大家，你能控制的，僅僅是自己不排隊，這是個博弈，答案卻非常簡單！
如此簡單的數(shù)學(xué)推導(dǎo)，展示了事實，那么，為什么路由器和交換機還要設(shè)計隊列緩存呢？
從商業(yè)的角度，如今的存儲設(shè)備越來越便宜，更多的緩存可以換取更多的 不丟包指標，極低的代價換一個噱頭。
從工程的角度來看，隊列不僅僅是 為了緩存多出來的數(shù)據(jù)包，更多的是一種主動式的管理設(shè)施，比如流量整形，按照不同的產(chǎn)品進行限速，優(yōu)先級管理等等。
最后，從數(shù)學(xué)上看，假設(shè)數(shù)據(jù)包到達行為是泊松到達，其到達率期望是λλ lambdaλ，那么為了獲得最佳的效能，其服務(wù)率必然是2λ2λ 2lambda2λ，但是這些都是統(tǒng)計分布，到達率的期望只是一個均值，在可計算的概率下，到達率完全可以達到3λ3λ 3lambda3λ，4λ4λ 4lambda4λ…為了吸收這些統(tǒng)計峰值，則必須設(shè)計隊列緩存。
現(xiàn)在的問題是轉(zhuǎn)發(fā)節(jié)點設(shè)備上的緩存要設(shè)計多大？有了BW vs RTT這張圖，這是可以計算出來的！
我們依然假設(shè)這個模型是簡單的M/M/1排隊模型。我將D/D/1模型和M/M/1模型放在一張圖里解釋：
虛線和橘黃色真實的實線圍成部分的面積就是節(jié)點需要的緩存的大小(事實上要稍微大一點，畢竟這里的RTT也是均值)，因為它在泊松到達的正常波動范圍內(nèi)。
此外根據(jù)本文上面的推論，當(dāng)λ=μ2λ=μ2 lambda=dfrac{mu}{2}λ=2μ?的時候，系統(tǒng)的效能E最大，在上圖中，這也是可以解釋的：
其中藍線圍成的區(qū)域面積為 最佳的BDP，這個是和D/D/1模型不同的。
由于泊松到達的統(tǒng)計效應(yīng)造成了不可避免的排隊和空轉(zhuǎn)，且二者不能抵消，因此必須設(shè)計緩存隊列，曲線相對t=1t=1 t=1t=1往上下凸了，因此從原點出發(fā)相切于t=f(λ)t=f(λ) t=f(lambda)t=f(λ)的切線肯定在λ=μλ=μ lambda=muλ=μ的左邊，這意味著相對于D/D/1模型，M/M/1模型在其它條件都相同的情況下，損失了一點Inflight！這是統(tǒng)計的不確定性帶來的不可消除的代價！
所以說，在非主動管理的意義上，隊列的作用是什么？隊列的作用是，平滑泊松到達的統(tǒng)計特性引發(fā)的突發(fā)。突發(fā)總是存在的，為了能容忍這些突發(fā)， 而不至于丟包。
從示意圖上看，即便是BBR，也是無法100%避免排隊的，這是泊松到達的統(tǒng)計特征決定的，即便單一服務(wù)節(jié)點的服務(wù)率μμ muμ是到達率λλ lambdaλ的1000倍(而不是計算出來的最優(yōu)值2倍)，也會有小概率的突發(fā)會造成輕微排隊。故而，隊列算是一個基礎(chǔ)設(shè)施，必不可少，但你要明白，隊列是用來干嘛的！
然而，還有一個話題，與統(tǒng)計突發(fā)概率相等的對稱的現(xiàn)象就是系統(tǒng)空轉(zhuǎn)，而空轉(zhuǎn)是無法彌補的，沒有任務(wù)到達，系統(tǒng)確實什么也做不了。因此，引入主動隊列管理是必要的，上一時間周期來不及處理的任務(wù)通過緩存隊列推遲到下一個時間周期，填補空轉(zhuǎn)期，這方面，我覺得帶突發(fā)的令牌桶這個設(shè)計，簡單又直接。
慢啟動在BBR中仍然保留，它的意義是在不知道連接的瓶頸帶寬時，以起始較低的發(fā)送速率，以每RTT兩倍的速度快速增加發(fā)送速率，直到到達一個閾值，對應(yīng)上圖中0-4秒。到該閾值后，進入線性提高發(fā)送速率的階段，該階段叫做擁塞避免，直到發(fā)生丟包，對應(yīng)上圖中8-11秒。丟包后，發(fā)速速率大幅下降，針對丟包使用快速重傳算法重送發(fā)送，同時也使用快速恢復(fù)算法把發(fā)送速率盡量平滑的升上來。
如果瓶頸路由器的緩存特別大，那么這種以丟包作為探測依據(jù)的擁塞算法將會導(dǎo)致嚴重問題：TCP鏈路上長時間RTT變大，但吞吐量維持不變。
事實上，我們的傳輸速度在3個階段被不同的因素限制：
1、應(yīng)用程序限制階段，此時RTT不變，隨著應(yīng)用程序開始發(fā)送大文件，速率直線上升；
2、BDP限制階段，此時RTT開始不斷上升，但吞吐量不變，因為此時瓶頸路由器已經(jīng)達到上限，緩沖隊列正在不斷增加；
3、瓶頸路由器緩沖隊列限制階段，此時開始大量丟包。
宏觀背景下的BBR
1980年代的擁塞崩潰導(dǎo)致了1980年代的擁塞控制機制的出爐，某種意義上這屬于見招拆招的策略，針對1980年代的擁塞，提出了1980年代的擁塞控制算法，即ss，ssthresh，congestion avoid這些。
說實話，這些機制完美適應(yīng)了1980年代的網(wǎng)絡(luò)特征，低帶寬，淺緩存隊列，美好持續(xù)到了2000年代。
隨后互聯(lián)網(wǎng)大爆發(fā)，多媒體應(yīng)用特別是圖片，音視頻類的應(yīng)用促使帶寬必須猛增，而摩爾定律促使存儲設(shè)施趨于廉價而路由器隊列緩存猛增，這便是BBR誕生的背景。換句話說，1980年代的CC已經(jīng)不適用了，2010年代需要另外的一次見招拆招。
如果說上一次1980年代的CC旨在 收斂，那么這一次BBR則旨在 效能E最大化，這里的E就是本文上面大量篇幅描述的那個E，至少我個人是這么認為的，這也和BBR的初衷 提高帶寬利用率 相一致！
