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

BBR 的公平收敛来自于两点：详情参见：有趣的TCP BBR ProbeRTT行为点滴但还是复杂了，写个简单的解释。排队论模型，排队时间为： T=1/(μ−λ)T=1/(μ−λ)T=1/(μ−λ) ，T 作为 RTT 的一部分，λ 为 Pacing Rate， μ 为Delivery Rate， μ一定，作图如下：​这是双曲线的一支。ProbeBW 加速比描述为增加单位 inflight 带来 D

如今 Infiniband 和融合以太网(CE)之争早在 20 多年前就发生过一次，IB 像极了当时的 ATM，这次的以太网依然可能再次胜出，虽然可能会不再那么容易。本文谈谈一些关于流控的思考。从能耗视角看，相比于简单丢包后重传，缓存数据包被认为更高效。假设重传和缓存引入相同的时延，丢包重传意味着一次无效的传输，而缓存数据包的能量则消耗在存储单元，但缓存数据包无需依赖准确的丢包检测和重传算法。因此

任意一次丢包重传都伴随无用功，如果事前知道这次丢包，就没必要发它，Internet 端到端方法因为哑铃模型无法给出拥塞信息，或获取这信息时间成本很高，只能 “猜，试”，但这信息在数据中心内部非常易得，最多一个 RTT 的资源预留一定在应用容忍范围：这么想，端到端方案一定会遭遇丢包重传而浪费至少一个 RTT，如果应用不能容忍一个 RTT，就别用了。对分组交换域，采用合适大小 buffer 及流控算法

按传统的网络分层模型，传输层做决策，将数据发送到 “系统” 后就不管了，网卡负责实际发送，这保证了传输的可用性，但绝不高效，特别在高速网络场景，这种方式简直是吞吐上不去的根源，上面所谓的 “系统” 受操作系统调度影响，变数实在太大，甚至连高精度时钟都受负载影响而不精确，这部分统计抖动将反噬传输性能。但 Vegas 没这么幸运。相反，高速网络传输系统主机延时占比太大，应该由网卡而不是传输层决策，网卡