大连开发区二手房最新房源,长沙谷歌seo,云设计工具,wordpress anzhuo本文包含中心极限定理#xff0c;大数定律#xff0c;经济规律等#xff0c;bbr 倒没多少#xff0c;不过已经习惯把 bbr 当靶子了。 上周写了 揭秘 bbr 以及 抢带宽的原理#xff0c;我对自己说#xff0c;这都是理论上如何#xff0c;可实际上呢。于是有必要结合更实际… 本文包含中心极限定理大数定律经济规律等bbr 倒没多少不过已经习惯把 bbr 当靶子了。 上周写了 揭秘 bbr 以及 抢带宽的原理我对自己说这都是理论上如何可实际上呢。于是有必要结合更实际的场景而这恰恰是大部分人所忽略的场景。
网络拥塞主要涉及 buffer 占用则聚焦到 buffer。细节不重要重要是流量在 buffer 的分布真实网络是下面这样(对于个人直播D 和 S 对称)
整天说互联网是统计复用系统就要用统计的语言描述中心极限定理大数定律以及幂律在网络拥塞动力学中起重要作用。 题外话但凡能用数学精确描述的都不真实都是近似且一定范围内的近似。参见牛顿在《自然哲学的数学原理》中的方法论引入牛顿刚体伽利略光滑平面…后来的澄清石灰水橡胶棒与皮毛玻璃棒与丝绸就显得在数学上不那么严谨了但真实啊。 先大致描述图中涉及的分布以及它们的特点。
根据中心极限定理正态分布是归宿。骨干网由接入网汇聚而成汇聚过程正是中心极限定理作用的过程即任意分布在叠加过程中趋向正态分布。
正态分布很容易理解它就像(实际上也是)个垃圾堆。水杯塑料袋裤头袜子皮鞋卫生纸都是有用的低熵体(生产它们需要注入能量)将它们丢弃就是叠加它们最终就是个垃圾堆里面所有东西都被独立丢在这里任由时间飞逝而烂掉任何两件东西之间没有任何关系。
等量样本正态分布的方差最小熵最大所谓中心极限定理表达的就是有用的东西变成垃圾堆的熵增过程。
然而非独立样本的分布往往偏离正态分布比如表现为幂分布典型的这类场景中往往有人的行为影响。比如贫富占比的幂律也叫二八定律马太效应这就是说致富和贫困并非彼此独立发生的。 题外话我一直说货币系统就是个分布式系统交易就是供需认知的分布式一致性收敛达到共识的过程而这个一致性共识永远不会达到否则就会打破二八定律。财富在交易过程中积累而交易过程必有一方比另一方在等价中间物上获益否则交易便不会发生。所谓财富分化来自信息差经济规律一直在试图消除信息差达到分布式一致性在这个过程中产生新的信息差抵制一致性趋向以此循环永远达不到一致性世界因而发展财源滚滚来。 接入网流量往往表现为突发而这类突发和人的上网行为相关如网红直播抢购刷短视频看热播剧都是人驱动流量和人之间千丝万缕的联系很难满足独立事件约束这表现为接入网流量更不稳定。
无数接入网流量汇聚到骨干正态分布的流量表现出更稳定的特征骨干网 buffer 占用相对可预期流量分布概率密度函数就是个有高度和宽度垃圾堆便可基于此决策适应它的行为。
流量稳定性可通过大数定律理解任意时间点流量相当于对数据流的一次抽样数据流越多其均值越接近总量均值而总量可表示为一个任意足够大时间段的流量总和该时间段随时间向前滑动其均值保持和单点抽样均值一致在此过程中少量数据流进入退出对整体影响微乎其微正好像海面始终有浪花偶尔惊涛骇浪但总体上的海面却是平的。 题外话数量越多的流量同步的概率越低代价越大越趋向于异步而异步趋势则表现为锯齿的变小直到消失表现为波峰波谷抵消而总体趋平平面升高或降低需要足够多流量整体同时同步升高(拉偏期望)才能产生影响而这又是一个同步行为前面说了数量越大同步概率越低代价越大越不可能因此整体趋稳定。这是一种更好的理解大数定律的方式正如用垃圾堆理解中心极限定理一样。 由此互联网流量越往边缘越偏离正态分布为照顾大而不稳的方差buff_size BDP / sqrt(n) 的根号效应减弱(参见 Sizing router buffers 值得一提的是这篇论文的结论本身就是从中心极限定理导出的)buffer 溢出和 bufferbloat 更容易在边缘发生所配置 buffer 反而比实际需要的更大。
要关联 bbr 就要单独抽出 bltbw 和 proprt 这两个 bbr 顾名思义的核心正交要素看它们如何分别适应接入网和骨干网。 如果 bltbw 在接入网单流 bbr 将以 “准精确” 方式运行“准” 是考虑到骨干流量分布特征rtt 随正态分布的流量而波动因此维持 10s 的 minrtt 将不再可信正确做法是让 minrtt 跟着骨干网流量而波动。
如果 bltbw 在接入网多流 bbr 将以 “粗粒度” 方式运行“粗” 指不但测不准波动的骨干网时延接入网 buffer 挤占也破坏 bbr 假设此前我说过多次该话题不再赘述bbr 邮件组也没更好方案直到 bbr3 依然只是回引 aimd。
如果 bltbw 在骨干网bbr 的模型假设将完全失效。骨干网洪流中单独一条 bbr 流的 probertt 对 buffer 将不会有可识别的影响对 minrtt 测量的影响远不如对正态分布的流量波动进行识别和跟随。如果不想进行这种费力却依然测不准的识别回退到 aimd剩下的交给 RED。
只要 bltbw 在骨干网bbr 流就像泼进长江的一盆水或一滴水滴在海绵上。设定 aimd随波逐流就好。如果要摆脱这悲观尝试着在 bbr 上还能做点事适应而不是改变不争不退所以就知道我那些旨在提高 bbr 灵敏性而不是提高测量精度的想法的用心良苦了吧。
按照收敛比概念bltbw 大概率在第一跳骨干反而近乎无限只需识别并跟随其波动即可但随着接入网技术的发展(老掉牙的说法是 xx 没能同样发展)越来越多的用户购买越来越大的接入带宽(我们从运营商购买的带宽即接入带宽而骨干网只是个资源池)bltbw 也会向网络中心考虑网络的统计特征越来越明显拥塞控制将越来越指望不上精确这是和 越来越无效的拥塞控制 不同的另一个的意思虽然无法精确度量链路画像但正态分布却是可预期的基于这种预期虽然端到端算法无法影响它但却可以适应它跟随它。
我的信条保持稳定向趋势靠拢。所谓端到端算法名字里就没有网络对这类算法网络是不可知测不准的网络仅能反馈趋势而不是值过于执着精确测量的算法犯了唯心主义的错误必跌入形而上学的深渊。
比如 sender 测得 rtt 为 73ms66ms51ms46ms33ms30ms31ms28ms34ms32ms这充其量只能告诉 sender 拥塞在缓解你不会真的相信 minrtt 就是 28ms 了吧那么移指平均后它可信吗哦那只是一种滤波方式为什么不是另一个呢基于这些完全不准确但一本正经的粗粒度度量试图做精确的决策不是胡扯么
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。
