为什么不要优化网络协议

网络传输优化的第一性原理即降低传输流分布的各阶统计矩，这很难。进一步思考，几乎所有优化的目标都是自私行为，成为上分位，成为统计分布上的那个尾部，越尾尖越好，这恰拉高了各阶矩。

如果一条流单独拉高了 $\text{inflight}$，它便可以挤出更多的吞吐，这是事实，所有的优化都基于这事实，但所有人都采用这种内卷行为后，优化效果便失效了。

这是 $\text{TCP}$ 拥塞控制中一个经典的悲剧性结构，当所有流同时试图多占带宽时，没人得到更多带宽，所有人只得到更多延迟。任何超出链路容量的 $\text{inflight}$ 增量，无论来自一条流还是多条流，都只产生排队而不产生吞吐。

在资源不变前提下，优化是博弈行为。

本文是一个反向证明，在一个好好的各阶矩均为 $0$ 的好的，最理想网络里，协议层面的优化行为是不是提升了各阶矩，如果是，那么好的网络优化策略就一定针对全局资源的，它的手段确实就是降低各阶矩。

模型框架

瓶颈链路带宽为 $C$，传播延迟为 $T_p$，$n$ 条长生命周期流共享瓶颈，初始状态假设在零排队，均分资源临界点：

• 每条流的 $\text{inflight}$ 即 $\text{BDP}$，$\text{cwnd}$ 记为 $W$，$W_i\sim \mathcal{N}(\mu ,{\sigma }^2)，{\sigma }^2\approx 0$；
• 约束条件 $n\mu =C{T}_p$，即总 $\text{inflight}$ 恰填满传播管道，队列长度为零；

这个初始状态是合理的，因为 $\text{AIMD}$ 在 $n$ 无穷大时就会收敛到这个状态。所以我的分析从这个稳定状态开始。接下来分析大家熟悉的增窗优化，或丢包不降窗优化，或激进发送优化的后果。优化的目标很明确，无非想多挤占一些带宽，获得比不优化时更高的吞吐。

$m$ 条流将 $\text{cwnd}$ 提高 $\Delta$，对应其 $\text{inflight}$ 增加这么多，其余 $n-m$ 条不变，其中 m∈{1,2,…,n}m \in \{1, 2, \dots, n\}m∈{1,2,…,n}。

$m=1$ 对应单流增窗，$1<m<n$ 对应部分流增窗，$m=n$ 对应全流均匀增窗，统一的排队延迟为 $T_q=\frac{m\Delta }{C}$，$\text{RTT}$ 统一变为 $T_p\left(1+\frac{m\Delta }{n\mu }\right)$.

均值与各阶矩的统一表达式

在 $\sigma \to 0$ 极限下，初始流近乎完美均分，$\text{BDP}$ 经验分布的各阶矩表达如下。

均值为 $\mu +\frac{m\Delta }{n}$，即初始均值加上被 $n$ 条流稀释后的增窗贡献。

方差即二阶中心矩为 $\frac{m{\Delta }^2(n-m)}{n^2}$，等于原始方差之上叠加的组间方差项，由增窗组与未增窗组之间的均值差 $\Delta$ 产生。

三阶中心矩为 $\frac{{\Delta }^{3}m(n-m)(n-2m)}{n^3}$，正态分量的内部偏度贡献精确抵消，仅剩两组权重不对称产生的偏度。其符号由 $n-2m$ 决定：$m<\frac{n}{2}$ 时右偏，$m=\frac{n}{2}$ 时为 $0$，$m>\frac{n}{2}$ 时为左偏。

四阶中心矩为 $\frac{m{\Delta }^4(n-m)(n^2-3nm+3m^2)}{n^4}$，包含正态分量内部峰度，组间差异与内部方差的交叉项，以及纯组间四阶矩三部分。

偏度为 $\frac{n-2m}{\sqrt{m(n-m)}}$，超额峰度为 $\frac{n^2-6nm+6m^2}{m(n-m)}$.

排队延迟为 $T_q=\frac{m\Delta }{C}$，而传播管道中的有效 $\text{BDP}$ 均值恒为 $\mu$，与 $m$ 无关。

典型情形对比

以 $n=10$，$\Delta$ 固定为基准展开。

单流增窗即 $m=1$，均值为 $\mu +0.1\Delta$，方差 $0.09{\Delta }^2$，三阶中心矩 $0.072{\Delta }^3$，四阶中心矩 $0.0046{\Delta }^4$，偏度 $+2.67$，呈强烈右偏，被抬高的流构成稀疏而遥远的右尾，超额峰度 $+5.11$，分布呈尖峰厚尾，$9$ 条流聚集在 $\mu$ 附近形成尖锐主峰，一条流孤立在 $\mu +\Delta$ 处。

此分布形态是受污染的正态分布，即单异常点模型。所有流排队延迟徒增 $\frac{\Delta }{C}$，而被 “优化” 的单流的有效吞吐增益却被稀释。

若半数流增窗即 $m=5$，均值为 $\mu +0.5\Delta$，方差达到最大值 $0.25{\Delta }^2$，即优化与不优化两组各占一半时，组间分割最均衡，混合分布的离散度最大。

三阶中心矩为 $0$，分布关于两峰的中点对称，四阶中心矩为 $0.00625{\Delta }^4$，偏度为零，但超额峰度为 $-2$，远低于正态分布的 $0$。

这是等权两点分布的固有特征，双峰并峙使得分布比正态更平坦。分布形态是对称的双峰混合分布。排队延迟为 $\frac{5\Delta }{C}$，但每条优化流的有效吞吐增益仍无法抵消，所有流总吞吐收益为 $0$。

现在看全流增窗，即 $m=10$，均值为 $\mu +\Delta$，所有流同步平移，方差降回零，三阶中心矩和四阶中心矩也全部为零，分布退化为单个质点 $\mu +\Delta$，所有截面差异被消灭，偏度为零，超额峰度为零。

此分布形态是纯正态分布的整体平移，保持各阶矩与完美的初始状态一致，近似为 $0$，但排队延迟达到最大值 $\frac{10\Delta }{C}$，是单流优化情形的十倍，有效吞吐增益依然为 $0$，正如我说的，优化的核心在公平，如果大家都优化，一损俱损，也算是谁也不吃亏的效果。

统计矩随 $m$ 的演变

当 $m$ 从 $0$ 连续变动到 $n$，各阶矩的轨迹不同。

均值从 $\mu$ 单调线性增至 $\mu +\Delta$，$\text{cwnd}$ 的均值确实在涨，但这只是 $\text{inflight}$ 的膨胀，不是有效传输的增长。

方差呈倒抛物线，在 $m=\frac{n}{2}$ 时达到最大值 $\frac{{\Delta }^2}{4}$，在两端 $m=0$ 和 $m=n$ 时归零，两组越均衡，混合分布的离散度越大，全流同步增窗反而消灭了截面差异。

三阶中心矩与偏度在 $m<\frac{n}{2}$ 时为正右偏，少数增窗流构成右尾，$m=\frac{n}{2}$ 时过零，$m>\frac{n}{2}$ 时左偏，少数未增窗流构成左尾，偏度的绝对值在 $m$ 接近 $0$ 或 $n$ 时趋于最大，极少数流的行为偏离整体，是分布偏态的唯一来源。

四阶中心矩与峰度在 $m=1$ 时极高，尖峰厚尾，绝大多数流聚集在主峰，一条流孤立在远尾，在 $m=\frac{n}{2}$ 时超额峰度降至 $-2$，双峰等权，比正态更平坦，在 $m=n$ 时回到 $0$。

而排队延迟从 $0$ 线性增至 $\frac{n\Delta }{C}$，是唯一对所有流都产生均匀伤害的量，且随增窗流数量严格叠加。

正好有现实来印证。

在 $\text{2010}$ 年代初期，诸如华夏创新，网宿等 $\text{CDN}$ 相关厂商提出网络加速，获得了很大收益，即 $m=1$ 附近的情形，于是 $\text{BAT}$ 等互联网厂商迅速跟进，优化最后一公里，时间来到 $\text{2018}$ 年左右，$m=\frac{n}{2}$，接下来当二线，三线互联网公司都组件了网络加速团队后，$m=n$，几乎所有公司的网络加速团队被边缘甚至解散，但网络延迟却增加了。

传输优化悲剧

首先，有效吞吐量恒为零增长。

无论 $m$ 取何值，传播管道中的有效 $\text{BDP}$ 均值精确等于 $\mu$：

$\mathbb{E}[\text{有效 BDP}]=\mu ,\forall m\in [0,n]$

新增的 $m\Delta$ 作为 $\text{inflight}$ 全部溢出到 $\text{buffer}$ 中，没有任何一比特转化为更多的实际传输。链路容量 $C$ 是硬约束，$\text{inflight}$ 超过 $C{T}_p$ 的部分只产生延迟，不产生吞吐。

其次，排队延迟对所有流均匀。

$T_q=\frac{m\Delta }{C}$ 是公共因子，它不区分增窗流和未增窗流，不区分肇事者和无辜者，一条流增窗，所有流的 $\text{RTT}$ 一起上升，所有流增窗，所有流的 $\text{RTT}$ 一起上升 $n$ 倍。

第三，优化是个体理性与集体最优的根本背离，从以上论述，也能看到优化行为增加了流分布的各阶统计矩，这是悲剧的核心。

考虑单条流的激励。

如果只有单流增窗，$m=1$，速率从 $\frac{C}{n}$ 升至 $\frac{(W_1+\Delta )C}{n\mu +\Delta }\approx \frac{C}{n}\left(1+\frac{(n-1)\Delta }{n\mu }\right)$，确实得到了更多带宽，代价是所有人的延迟增加了 $\frac{\Delta }{C}$，但这个代价被 $n$ 条流分摊，我个人只承担 $\frac{1}{n}$，个体收益大于个体成本，增窗是理性的。

如果所有人都这么想，$m=n$，每条流的速率回到 $\frac{C}{n}$，没有人得到更多带宽，但所有人的延迟增加了 $\frac{n\Delta }{C}$，个体理性的集体结果是纯粹的福利损失。

这是公地悲剧在网络拥塞中的精确形态，$\text{buffer}$ 是公共资源，每条流都有动机多占一点，但多占的收益是私有的，造成的延迟成本是公共的，当所有人都行使这个动机时，收益相互抵消，成本全员承担。

所以要换个更加技术而不是经济的思路，按照 $\text{buffer}$ 动力学基于比例挤带宽的原理，增窗流的代价是线性的，而收益则是打折的，增加 $k$ 倍的 $\text{inflight}$ 无法获得 $k$ 倍的吞吐。

唯一最优解

当所有流恰好将 $\text{cwnd}$ 维持在 $\mu =\frac{C{T}_p}{n}$，即完美均分带宽，零排队时，系统处于全局最优状态。

此时每条流获得公平带宽 $\frac{C}{n}$，排队延迟为零，$\text{RTT}$ 最小，$\text{BDP}$ 分布退化为常数，方差为 $0$，没有任何流通过挤占 $\text{buffer}$ 获得优势，任何偏离，无论是一条流还是多条流试图多占，都只产生排队延迟而不增加总吞吐。

试图通过挤占 $\text{buffer}$ 获得更多带宽，在单流层面看似有效，在全流层面则是自我消解的，你多占的那部分，正是别人失去的那部分，而所有人共同付出的延迟代价，却没有任何人得到补偿。

最好的策略，就是什么也不做的自然公平，$\text{AIMD}$ 便是代表。

做得越多越觉得标准的原始形态是最优的，没被修改过的 $\text{TCP}$，没被优化过的 $\text{CUBIC}$，如果你真的要比别人快一点，那便是 $\text{BBRv1}$，即 $2016$ 年底的那个。

裤衩子锁着边儿，而且绣着花儿。

硬件资源和软件协议

硬件和资源决定性能的上限，软件和协议兜住性能的下限，确保基础可用性。没有比 $1970$ 年代的 $\text{TCP}$ 跑在不断演化的以太网上更能展现这种合作关系了。

而当带宽延迟需求触及比如 $\frac{1}{RTT}\sqrt{\frac{1}{p}}$ 的极限时，运行在通用的，统计的操作系统的 $\text{TCP}$ 便不再适用，$\text{RDMA}$ 恰能消除操作系统引入的统计波动，这意思是，只要基本传输需求还没有触及下限，软件就是 $\text{OK}$ 的，不要去优化它，试试去用更好硬件把资源扩容，比优化传输协议有效得多。

浙江温州皮鞋湿，下雨进水不会胖。