我会在另一篇文章中导出这个结论，但这里要理清的是，正是 AIMD 的力量让中心极限定理的采样样本随 n 反比例缩放，保证其和的均值不变，而其方差则随 n 增加而减小，从而确保了资源的收敛。的作用下，最初给出的 PDF 图像随着 n 的增加，最终被塑造成了越来越瘦高的钟形，这就是中心极限定理，除了用概率解释 PDF 的性质，还可以使用卷积，每次卷积都进一步平滑和对称化分布，不再赘述。与解释中心极限定

我们的社会，城市，甚至自然界生态系统均是与 TCP/IP 互联网一样的随机的复杂自适应系统，这类系统的特点是去中心化，资源共享，分布式哑控制，没有任何措施规范个体的行为，全凭个体自主探测和适应，尽力而为，我们惊奇地发现，这类系统几乎运行得都非常和谐良好，其中的动力学正如 AIMD。，他用排队论首先证明了统计复用是可行的，奠定了互联网的统计学理论基础，在他之前，虽然人们设想了很多不同拓扑的组网方式，

paws 作为解决 tcp 序列号区分的通用方案，tcp_tw_reuse 和 tcp_tw_recycle 为 paws 而来，然后 tcp_tw_recycle 又由于和 nat 胶着，为了解决非常稀有的序列号污染问题而引入了一开启就一定会出现的 syn 被默默丢弃的建连失败问题，最终取消了 tcp_tw_recycle，瞎折腾一圈。这种方法非常常见，我们每天都在用，我们的分层计时，xx年xx

导语：本文并非源自于突发奇想。好多年前第一次接触Jain’s Faireness index公式，我甚至记不下来它的形式，也不指望能弄懂它的含义。后来发现任意学科的绝大多数问题都是可以抽象成数学问题，这些数学问题几乎都可以仅通过四则混合运算，开方，简单的微积分描述和解决，而这些知识对于一个小学高年级学生而言都是可以理解的。最近周末偶尔会给小小灌输一些数学思想，顺便用简单的数学去梳理以前自己似懂非懂

他们美其名曰要尊重当前标准，复用当前接口，以此为理由，结果又回到以太网那一套，复用了标准，也继承了缺陷，绕了一个圈，到头来，在这里省下来的，还得到那里加倍还回去，然后嘴硬不承认，反而说这是个创新，又一个世界第一等。要么直接做完备，要么怎么都做不完备，这背后存在一种缺陷哲学，一开始做不完备是因为有缺陷，同样因为该缺陷，日后怎么做还是做不完备。遗憾的是，AIMD，BBR，ECN，PFC 都是反应式的，

另一方面，Vegas 作为 Delay-based cc 代表，识别拥塞的能力一流，但却被先入为主的 AIMD 压制，无法与其共存，这也是硬伤，背后的原因是 Vegas 没有负反馈动力学基础，仅仅基于不精确的测量，本质上还是端不识网。前面提到过，AIMD 已经足够优秀，迄至 CUBIC 已臻于完美，但它还是无法甄别非拥塞随机丢包，导致随机丢包时表现力不够，这可以认为是硬伤，背后的原因就是信息不足，

如果 n = 1，为了照顾人有限的肺活量，气球容量必须至少等于人的最大肺活量，且吹得太快容易爆裂，吹得太慢换气时出气孔没气体，但 n = 3 时，一个人换气时，另外 2 人可能依然保持吹气，就这样让 n 不断增大。更直观的例子是非牛顿流体，不管形状如何，只要质量相同，在重力的作用下，它们最终肯定占据相同的占地面积，因为重心高了，重力会拉低它，将高度补偿给面积后，拉低的力度逐渐变弱，最终大家一致，就

AI 虽好，但它不是万能的，AI 能快速搞定常见的范式编程问题，哪怕写一个极其复杂的逻辑，只要范式化，AI 都非常擅长，但这并不意味着它能正确回答该过程中的疑问，特别是冷门疑问。AI 特别擅长组织逻辑和语言，让你觉得它缜密到无懈可击，认为它是对的，这恰恰说明逻辑和语言本身就是一个大范式，正如它名字所展示，大语言模型。不是 AI 不会本文描述的问题，而是它没见过，但即使它没见过，它也要发挥它遣词造句

TCP 本身具有很强的可扩展性，从不到 1Mbps 的带宽适应到 200Gbps，在 100Mbps 之下，TCP 表现很好，从 100Mbps 长肥管道到 25Gbps，TCP 被普遍诟病但却依然适应良好，过了 40Gbps，性能瓶颈转移到了主机，但这些都不是协议的问题，200Gbps + TCP Reno + TSO/LRO + GBN + BigTCP + ZeroCopy 或许真比 200

我曾说网络传输优化，拥塞控制更体现为一个社会学问题而不是一个纯技术问题，所以自然也就没有确定那一剂苦口良药。但依然可以通过一些社会学模型去认识这类问题的本质，从而逼近更好的解法。为什么拥塞一定会发生，为什么 buffer 一定会被填满，为什么带宽一定会被用尽，为什么路上一定有车，这些问题本质上都是同类问题，背后的动力学是同一个。我从 Little 系统(满足 Little 定律的系统)和社会物理学