摘要：KCC（Kernel Congestion Control）移除了BBRv2中的inflight bounds（cwnd钳位机制），因其在多流场景下导致过配问题，且与内核BBR v5.4的设计理念冲突。cwnd钳位虽在单流或浅缓冲场景有效，但干扰了排水阶段的效率，并通过聚合效应加剧共享瓶颈的拥塞。KCC选择依赖更精准的工具（如量化预算和ACK聚合补偿）实现边界控制，遵循关注点分离原则，使算法

摘要 本文记录了KCC（一种拥塞控制算法）在1Gbps数据中心链路上重传率异常问题的定位与修复过程。通过内核DUMP采样、数学公式推导和AI辅助双向推理，结合逐特性回退验证的方法，发现根因在于BBR状态机实现中的LT BW auto-recovery机制存在统计错误。具体表现为使用峰值带宽与平均带宽的错误比较，导致拥塞控制反馈环被放大400倍，引发高频振荡和虚假均衡态。最终通过重构LT BW恢复逻

用户态TCP端口转发（如gost、rinetd）对CUBIC等传统拥塞算法有一定提升，通过拆分连接使客户端看到更优的短链路特性，但会牺牲延迟和稳定性。然而，这种转发对BBR/KCC等模型驱动算法效果有限，甚至有害——因为BBR/KCC依赖端到端测量，拆分连接会导致误判真实瓶颈带宽和RTT，引发速率失调或延迟激增。IP透明转发（DNAT）能保持完整连接，更适合BBR/KCC。极端弱网下，仅当配置超大

《甜品启动速率：拥塞控制中的智能过冲策略》摘要 本文探讨了网络拥塞控制中的"甜品启动速率"机制，这是一种在连接建立初期主动过冲以快速收敛的平衡策略。核心观点如下： 基本概念：甜品启动速率是基于有限信息（如带宽上限或历史数据）计算的理论初始发送速率，作为拥塞控制的"靶心"指导而非实际发送速率。 设计原理：通过数学模型推导相对安全的激进起点，替代传统慢启动的缓慢爬升过程，用可控过冲换取更快收敛。典型计

本文探讨了网络拥塞控制中的过冲现象本质。文章指出，过冲是探测网络状态的必要代价而非设计缺陷，类比为盲人摸墙的过程。由于网络环境动态变化且反馈存在滞后性，不过冲反而会导致适应能力丧失。作者分析了AIMD算法的局限性，强调丢包信号无法区分具体原因，且控制决策总是基于过去状态。文章揭示了拥塞控制的两难：步长选择本质上是对未来不确定性的博弈，需要在响应速度和平稳性之间权衡。最终指出，过冲是不可避免的特性，

公平性在网络拥塞控制中是一个理想化但不可实现的目标。文章通过"不可能三角"模型指出：1）无法准确测量网络状态（信息不完整）；2）无法统一定义公平标准（需求各异）；3）无法精确执行公平分配（动态滞后）。现实网络存在路径差异、时延差异和需求差异，所谓公平只是将不公平转移。工程师能做的仅是避免极端情况（饿死流、队列溢出），在有限观测下做出相对合理的妥协。这揭示了网络控制的本质局限——我们只能在信息残缺的

本文揭示了网络拥塞控制中一个根本性的认知困境：我们永远只能基于过时的、不完整的网络状态信息做出决策。文章指出，现有的随机游走模型和卡尔曼滤波方法虽能提供数学上的最优估计，但仍无法突破物理层面的基本限制：带宽与延迟测量的互斥性、信息传递的滞后性以及因果关系的不可逆性。这些限制构成了网络控制算法的"囚笼"，使得我们永远处于被动和滞后的状态。作者强调，接受这种局限性并非悲观，而是对网络控制本质的清醒认知

本文探讨了拥塞控制面临的本质挑战。作者指出，拥塞控制本质上是在不确定环境中做决策，需要平衡多个互斥目标。文章从六个方面展开：测量的互斥性（带宽与延迟无法同时准确测量）、信号含义的模糊性（相同现象可能有多种原因）、利用率与拥塞的对立（高吞吐与低延迟不可兼得）、公平性的模糊边界（难以定义绝对公平）、测量工具的局限性（所有工具都有适用边界），以及规则驱动与模型驱动两种设计思路的对比。最终强调拥塞控制没有

本文探讨了单流场景下拥塞控制算法的优化空间。传统算法如CUBIC和BBR在多流竞争环境中设计的保守机制，在单流场景（如下载大文件、专用服务器传输）可能造成性能浪费：CUBIC会因噪声丢包误判拥塞而过度降速，BBR则保持周期性"自我刹车"和保守估计。KCC算法创新性地引入单流模式判断机制，通过监测RTT稳定性、带宽占用率等指标，在确认无竞争时关闭保守策略，实现接近理论带宽的传输效率。测试显示单流场景

让我们从第一性原理出发：一条流什么时候会觉得“自己是唯一的”？显然，不是因为它看到了其他流的存在（它看不到），而是因为它**没有观测到任何拥塞信号**——RTT 平稳、无丢包、带宽采样稳定、ACK 间隔均匀。换句话说，它根据自己的观测推断出：“我这条路径上似乎没有别人在跟我抢。”