《利息理论》指导 TCP 拥塞控制

欧文费雪《利息原理》第 10 章,第 11 章对利息的几何说明是普适的,任何一个负反馈系统都能引申出新结论。给出原书图示,本文依据于此,详情参考原书:
在这里插入图片描述

将 burst 看作借贷是合理的,它包含成本(报文),收益(传输吞吐),时间转移(burst or pacing),以及风险(丢包-耗能 or 丢包重传-耗能耗时间)。借的是时间,还的是时间,利息也是时间,它可通过费雪利息理论的时间不耐解释,于是对于收敛问题也就和平衡市场利率问题相似(相同)了。

为啥非要是 TCP,因为 TCP 是刚兑协议,若对于柔性协议,就要复杂得多。

端到端 cc 算法作为借贷实体,它有欲望和节制,希望获得更大带宽却不想消耗太多(无论是能量 or 时间),它要不断平衡自己的策略,就像个人一样,通过不断借贷来修改自己的收入川流(《利息理论》术语),以达最佳 ROI,或换个词,最佳效能 E = B / T(B 为吞吐,T 为 rtt),而这就是当一条连接在最小 rtt 下获得最大带宽时达到的最佳操作点,这是 bbr 的梦想。

以时间不耐解释,越陷入当前困境,越欲以高利率博满足,但由于总量小,风险虽大但危害却小,相反,当前越富足,越欲以放贷博收益,稍富无力放太多,大富又不屑那点利息收益了,都处在自动平衡过程的负反馈漩涡中。

对于网络传输,大意就是 “数据量少就快点发-借时间,数据量多就慢点发-贷时间”,就像贫困意欲借钱,富裕意欲放款一样。

画出 burst 率作为动力兑换带宽的不耐线几何示意图,并给出基本解释:
在这里插入图片描述
上图结论:

  • 45 度线,借贷平衡,burst 率即为连接的 delivery rate。
  • 沿 45 度线,带宽越大,“不耐线” 弧度越小,无限带宽,近乎与 45 度垂直线,表示可全部 pacing。
  • 沿 45 度线,带宽越小,“不耐线” 弧度越大,小带宽,buffer 作用大,通过 burst 向 buffer 借时间。
  • 同一条 “不耐线” 往东南看,坡度小于 45 度,越往东南越平缓,“放贷” 倾向越强,burst 率越低。
  • 同一条 “不耐线” 往西北看,坡度大于 45 度,越往西北越陡峭。“借入” 倾向越强,burst 率越高。
  • buffer 越小,风险越大,但需要一个特殊维度表示 buffer,即新的 “当前 bw - 下次 bw - buffer” 坐标。

基于该图给出算法,传输收敛过程就是所有连接对 45 度坡度利率认同的过程,不断调整 burst 率,直到 pacing rate 等于 delivery rate。

以 AIMD 为例,比如 reno/cubic,cwnd 很小时,采用高 burst 率突发,随着 cwnd 递增,burst 率递减。这种策略可在不破坏公平性的前提下提高带宽利用率。注意下列反馈:

  • 当 cwnd 很大,burst 率很小,倾向于 pacing,抢占性降低,此时高 burst 率小消息很容易插队通过而不丢包。
  • 当 cwnd 很小,burst 率很大,快速抢占带宽,但随着它赶上 “正常水平”,抢占性随 burst 率降低而降低。

对于 bbr,采用同样的策略依然高尚。多个 probe 周期采用与 inflight 负相关的 burst 率进行,逐渐收敛到公平。bbr probe 流程要改善,因为 deliver_rate < gain * pacing_rate 就足以说明发生了 buffer 挤占(时间借贷),需要彻底恢复,而不仅仅归还 5 / 4 * old_maxbw * min_rtt - new_maxbw * min_rtt。

无论哪种具体 cc,都不是关键问题,关键问题是 cwnd + burst 率的控制方式是自平衡的,简直就是现实借贷本身。随 cwnd 增加,burst 率降低,当 cwnd 继续增加也发不出去 “cwnd 这么多,收发不再守恒”,换句话说,有效 inflight 饱和了,开始 queuing,这就是逃逸 cwnd-limited 的平衡态(逃逸速率),即使更大 inflight 试图挤占更多带宽也徒劳,背景流的类似行为会让收益与丢包 or 时延成本抵消,即使 buffer 足够,当更多 inflight 注入,rtt 也大,且增益渐小,依然无法守恒,就是收缩之时(类比 bbr,即 deliver_rate < gain * pacing_rate 时)。

《利息理论》是本好书,费雪的这个理论是普适的,可以指导传输收敛,天然无 buffer 挤占,在一个自组织系统自适应到一个叫做 “利率” 的贴现 roi,直接修改 cubic,bbr,不断自适应 burst 率即可。一本好书,条理清晰,结论明确,给人耳目一新的感觉,整个阅读过程中思维得到了训练,印象深刻。名著的效果就是提供高强度思维训练,读懂就形成了反射,可融会贯通,相对而言,畅销书就没这效果,过程中可能觉得很哇塞,但主题还是散。最近读的另一系列,许倬云的历史书,同样深刻,虽然许倬云不如费雪贡献和名气,但也算大师。

浙江温州皮鞋湿,下雨进水不会胖。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/110798.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Linux进程程序替换

文章目录 进程程序替换程序替换函数execl()函数调用另外一个可执行程序 execlp()函数ecexv()函数execle()函数 替换函数总结 进程程序替换 什么是进程程序替换&#xff1f;为什么要有程序替换&#xff1f; 顾名思义&#xff0c;进程程序替换就是把该进程中的程序替换掉&#x…

工程中Http的请求、各种回调函数的使用

文章目录 1、登录回调以及各种函数的使用1、SdoLoginClient工程中的SdoBase_Initialize3接口2、LoginClient中的Initialize接口3、ProcessResponse调用ProcessLoginResponse传递参数给回调函数使用4、ProcessLoginResponse登录响应接口的使用5、ProcessResponse调用然后根据req…

JavaSE 优先级队列(堆)

目录 1 二叉树的顺序存储1.1 存储方式1.2 下标关系 2 堆(heap)2.1 概念2.2 操作-向下调整2.3 操作-建堆 3 堆的应用-优先级队列3.1 概念3.2 内部原理3.3 操作-入队列(向上调整)3.4 操作-出队列(优先级最高&#xff09;3.5 返回队首元素(优先级最高)3.6 java 中的优先级队列3.7 …

【记录】使用yolov5_obb训练自己的数据集

引言 对于寻常的yolov5目标检测任务&#xff0c;只能检测水平或者垂直的检测框&#xff0c;而对于旋转框的检测却无能为力。为此&#xff0c;在这记录下使用yolov5_obb来训练自己数据集。 一、准备数据集 1、我们先看所需要的数据集文件什么样子&#xff0c;如下图文件夹Sym…

ngx_http_request_s

/* 罗剑锋老师的注释参考&#xff1a; https://github.com/chronolaw/annotated_nginx/blob/master/nginx/src/http/ngx_http_request.h */struct ngx_http_request_s {uint32_t signature; /* "HTTP" */ngx_connection_t …

解决深度学习训练时使用tensorboard http://localhost:6006/无法访问此网站问题

在windows上跑yolov5模型使用了Tensorboard来查看训练过程&#xff0c;开始训练&#xff0c;终端就会提示 直接点击这个网址&#xff0c;就会出现 解决办法是重新开一个终端&#xff0c;激活目前正在使用的虚拟环境&#xff0c;在下面输入 tensorboard --logdir runs\train -…

Leetcode2086. 从房屋收集雨水需要的最少水桶数

Every day a Leetcode 题目来源&#xff1a;2086. 从房屋收集雨水需要的最少水桶数 解法1&#xff1a;贪心 我们可以对字符串 hamsters 从左到右进行一次遍历。 每当我们遍历到一个房屋时&#xff0c;我们可以有如下的选择&#xff1a; 如果房屋的两侧已经有水桶&#xff…

C++ 入门

C关键字 C总计63个关键字&#xff0c;C语言总计32个关键字 命名空间 在c中变量&#xff0c;函数和类都是大量存在的&#xff0c;这些名称都存在于全局作用域中&#xff0c;可能会导致很多冲突&#xff0c;使用命名空间的目的就是对标识符的名称进行本地化&#xff0c;以避免命…

电商零售商家需求预测及库存优化问题(第1问)

电商零售商家需求预测及库存优化问题 数据和题目来源于 2023 年 MathorCup 高校数学建模挑战赛——大数据竞赛 只有第一问&#xff0c;使用ARIMA做预测&#xff0c;使用聚类算法做特征相似性 1 数据读取和处理 1.1 清除重复值 注意附件4要去重&#xff0c;原来是56条数据&am…

一文搞懂“支付·清结算·账务”全局

《上帝视角看支付&#xff0c;总架构解析》 对支付的宏观层面做了分析&#xff0c;详解了整个支付体系每一层的架构和业务模型&#xff0c;而每一层的企业内部支付体系建设是什么样的&#xff1f;会涉及到哪些环节和系统&#xff1f;每个系统会涉及到哪些单据和逻辑&#xff0c…

如何使用 Docker 搭建 Jenkins 环境?从安装到精通

不少兄弟搭 jenkins 环境有问题&#xff0c;有的同学用 window, 有的同学用 mac&#xff0c; 有的同学用 linux。 还有的同学公司用 window, 家里用 mac&#xff0c;搭个环境头发掉了一地。。。 这回我们用 docker 去搭建 jenkins 环境&#xff0c;不管你是用的是什么系统&…

KaiwuDB 亮相第四届跨国公司领导人青岛峰会

10月10日至12日&#xff0c;由商务部和山东省人民政府共同主办的第四届跨国公司领导人青岛峰会在青岛国际会议中心举办。该峰会为跨国公司打造的国家级开放平台&#xff0c;是聚集跨国公司与中国合作、专注跨国公司议题、分享跨国公司经验、链接资源、促进合作的重大活动。Kaiw…

4.多层感知机-2简化版

#pic_center R 1 R_1 R1​ R 2 R^2 R2 目录 知识框架No.1 多层感知机一、感知机1、感知机2、训练感知机3、图形解释4、收敛定理5、XOR问题6、总结 二、多层感知机1、XOR2、单隐藏层3、单隐藏层-单分类4、为什么需要非线性激活函数5、Sigmoid函数6、Tanh函数7、ReLU函数8、多类分…

Spring cloud教程Gateway服务网关

Spring cloud教程|Gateway服务网关 写在前面的话&#xff1a; 本笔记在参考网上视频以及博客的基础上&#xff0c;只做个人学习笔记&#xff0c;如有侵权&#xff0c;请联系删除&#xff0c;谢谢&#xff01; Spring Cloud Gateway 是 Spring Cloud 的一个全新项目&#xff0c;…

如何将你的PC电脑数据迁移到Mac电脑?使用“迁移助理”从 PC 传输到 Mac的具体操作教程

有的小伙伴因为某一项工作或者其它原因由Windows电脑换成了Mac电脑&#xff0c;但是数据和文件都在原先的Windows电脑上&#xff0c;不知道怎么传输。接下来小编就为大家介绍使用“迁移助理”将你的通讯录、日历、电子邮件帐户等内容从 Windows PC 传输到 Mac 上的相应位置。 在…

Leetcode刷题详解——下降路径最小和

1. 题目链接&#xff1a;931. 下降路径最小和 2. 题目描述&#xff1a; 给你一个 n x n 的 方形 整数数组 matrix &#xff0c;请你找出并返回通过 matrix 的下降路径 的 最小和 。 下降路径 可以从第一行中的任何元素开始&#xff0c;并从每一行中选择一个元素。在下一行选择…

UML—时序图是什么

目录 前言: 什么是时序图: 时序图的组成元素&#xff1a; 1. 角色(Actor) 2. 对象(Object) 3. 生命线(LifeLine) 4. 激活期(Activation) 5. 消息类型(Message) 6.组合片段(Combined fragment) 时序图的绘制规则:​ 绘制时序图的3步&#xff1a; 1.划清边界&#xf…

redis-集群切片

切片集群 我曾遇到过这么一个需求&#xff1a;要用 Redis 保存 5000 万个键值对&#xff0c;每个键值对大约是 512B&#xff0c;为了能快速部署并对外提供服务&#xff0c;我们采用云主机来运行 Redis 实例&#xff0c;那么&#xff0c;该如何选择云主机的内存容量呢&#xff…

linux目录与文件管理

目录与路径 关于执行文件路径的变量&#xff1a;$PATH ls完整文件名为&#xff1a;/bin/ls 在任何文件夹下输入ls命令可以显示出一些信息而不是找不到命令&#xff0c;这就是因为环境变量PATH所致。在执行命令时&#xff0c;系统会依照PATH的设置去每个PATH定义的目录下查找文…

【mysql】实现设置表中所有数据的update_time,要求每1000条设置在一天

实现效果示例 执行SQL&#xff1a;&#xff08;mysql 版本查看&#xff1a; select VERSION() &#xff1a;5.7.36-log&#xff09; 实现效果&#xff1a; 这里最后一个id 9 > 总条数 6&#xff0c;所以没有更新到&#xff0c;直接手动补下就行 SELECT * FROM my_test S…