![](../../asset/images/user/bgImg_default.jpeg)
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
中心极限定理说的就是抽样越多钟形越高越细,抽样越多的意思就是 n 越大,随着 n 的增加,Σw 倾向于收敛到非常细高的区域,极端情况,n 无穷大,σS = 0,buffer 则不再需要,无穷条流的锯齿被平滑到 bdp 边缘,刚刚恰好填满 bdp。约 12 年前,我说过一句话,“经理能扣篮,但不经常,也不绝对”,这实在就是量子力学的哥本哈根解释的解释,说经理不能扣篮是不准确的,因为经理扣篮的概率虽小
![文章图片](https://img-blog.csdnimg.cn/direct/e091465950f547c8809e80e1960bafa6.jpeg)
bbr 流多,虽可从持续减少的 cubic 方 probe 一些带宽,但所有 bbr 的同步 probertt 及自己的 cwnd gain(量多,值就小了,很容易被限制在很小的buffer)会限制甚至反制 in-flight,如果相反,bbr 少,cubic 多就不同,大量异步 aimd 造成统计波动平稳(平方反比律还记得吗),minrtt 不会减少,而 maxbw 在 mi probe 中纯增
![文章图片](https://img-blog.csdnimg.cn/direct/147262afb1f5463c9c1d8cd4a5e0ec2f.jpeg)
计算机看它笨拙前面提到,是计算机的时间精度太粗糙,但在本身就更大的时间尺度,这种算法就高尚,类似 rip,stp 都是消息交换驱动的分布式算法,本算法也不例外,它的目标就是一棵最短路径树,天然解决了 rip 的环路问题,很高尚。如果时间精确任意小,sleep(v) 样式的排序算法最快,且完全可扩展,与排序规模无关,这是另一种自然而然的算法,与人类风格的串行 + 统筹方法的风格截然相反,计算机无疑模
![文章图片](https://img-blog.csdnimg.cn/direct/4d31dbc6ca2d4f24a62171337e17bf1c.jpeg)
将极点看作逆变换后 x(t) 收敛,发散,震荡特征的总结是高尚的,而不是反过来。从 x(t) 的表达式可明确归纳出 a,b,c 等系数和函数收敛,发散,震荡的关系,而 a,b,c 等系数恰恰就是逆变换前 G(s) 分母为 0 的特征方程解的组成,将这些解在复平面的位置称作 “极点”。时域中,信号持续时间和信号生成时间是相对的,必须卷起来运算,而频域是个对称的空间维度,不同频率信号以及针对每个频率信
![文章图片](https://img-blog.csdnimg.cn/direct/32837ca8458245358aa9cb34469065ee.jpeg)
典型的做法是识别到一系列标志性事件,比如丢包,时延增加等,然后对这些事件做反应,进而形成负反馈,但 inflight 守恒是一种完全不同的做法,它将负反馈平铺到了整个传输过程,并不识别任何特殊事件。设 r(t) 为 buffer 使用情况,q(t) 为网络流量,q 持续占用 buffer,但当 buffer 占用过大时,q 会主动收缩,注意,这里 “当 buffer 占用过大” 就是算法需要识别的
![文章图片](https://img-blog.csdnimg.cn/direct/a822245a8dc64c9d83c6149ebc4e0d0f.jpeg)
其中,c 是自我激励强度参数,b 是自我抑制强度参数,c 是相互抑制强度参数。b,c 共同决定了抑制行为,是 E_best 共识的决定性参数,是为 “适可而止”。inflight 守恒算法并不关注自我激励的细节,它可以是加性增 cwnd,也可以是乘性增 cwnd,甚至可以是指数增 cwnd,因此我将其简化为线性激励,即。同理,在区域 B,C,D,根据 y 的位置和 dx/dt,dy/dt 的符号亦
![文章图片](https://img-blog.csdnimg.cn/direct/aa519a2dc28342f794b03489c0b60ca6.jpeg)
先看 crossbar,它提到它的缺点,可扩展性属其一,它的交叉点是接入节点平方增长的,但一般对一个端口固定的盒子而言,这倒不是问题,再如 banyan 网络就是用阻塞时间换空间,而空间换时间的方案就是规则树了,要么占地方,要么阻塞。最大流算法虽然也是本着高效为出发点,但它是正向反馈,最大流算法不适合直接用于互联网的实时路由选择,特别在早期网络算力不足时,大规模网络实时收敛要消耗大量资源,大大增加
![文章图片](https://img-blog.csdnimg.cn/direct/976a4baedc224f879dd68a0367ceb406.jpeg)
时刻的信号 f(t),f(t - 1),f(t - 2),f(t - 3),…个时间单位,如果 “作用力的变化” 可用 g(t) 来刻画,f(t),f(t - 1),f(t - 2),f(t - 3),…然后将 f(t),f(t - 1),f(t - 2),f(t - 3),…,这样反而不好理解,不过有了我这个解释后也就好理解了,0 时刻的信号 f(0) 作用了 t 时间,以此类推,1,2,3,4
![文章图片](https://img-blog.csdnimg.cn/direct/a0e4375058ce487694276d860cd7f6ff.jpeg)
简单通俗来讲,rtt 过大时,当 sender 接收到拥塞信号时,拥塞可能已经解除或已经进入第 n 次完全不同的拥塞状态,亦或相反,拥塞状态已经病入膏肓,信号仍未到达 sender,导致持续注入流量加剧拥塞,崩溃是可能的,虽能恢复,但恢复期受震荡周期影响,而震荡周期一般又与反馈时延正相关。时延会在所有频率上引入一个线性相位滞后,同时,增益曲线也会在高频段出现衰减。没有时延时,系统的稳定性由 df(
![文章图片](https://img-blog.csdnimg.cn/direct/591ee8d855ad47ad97c51e266a99fd35.jpeg)
PS:这本书非常不错,但并非专业计算机范畴的作品,控制论大多数被应用在机械自动化,电子自动化,航空航天,机器人,运筹学等,但拥塞控制肯定也属于控制论范畴,这一点我早就提到过。端到端可靠传输协议作为典型的闭环反馈系统,看起来也能用 PID,以前曾思考过这问题,参见 TCP拥塞控制和PID控制器,然而网络传输并非线性系统,PID 相对不好使,但选对目标误差,让 PID 作用于该目标,而不是整个系统就很
![文章图片](https://img-blog.csdnimg.cn/direct/7c61b6e363d34d749d8271c028c707e0.jpeg)