火山引擎实时、低延时拥塞控制算法的优化实践

摘要

火山引擎智能拥塞控制算法 VICC（Volcano Intelligent Congestion Control）是一种自适应的拥塞控制算法，旨在解决全球不同网络环境下，不同音视频应用对带宽利用率和延时的差异化要求。它结合了传统拥塞控制算法（如 GCC 和 BBR）的优点，并且能够根据不同的网络条件、业务偏好和码率特征进行自适应调整，包括自适应拥塞响应速度、自适应带宽探测幅度、自适应丢包检测策略、自适应抗抖动能力和自适应 Padding。通过这些自适应调整，VICC 算法能够提升各种复杂弱网下的带宽利用率，同时在满足不同延时的条件下，尽量提升带宽的稳定性，为用户提供更好的音视频体验。

1.  行业现状和挑战

实时音视频应用的网络传输面临诸多方面的挑战，其中包括：

• 带宽利用率：为了提供高质量的音视频体验，需要充分利用网络带宽，这就要求网络传输算法具有高效的带宽探测能力。

• 延迟和响应时间：实时音视频应用要求快速的响应时间和超低延迟，这就要求网络传输技术具有快速的传输速度和低延迟的特性。

• 可靠性和稳定性：网络传输过程中可能会出现拥塞、丢包等问题，这会影响到音视频的质量和稳定性，因此要求网络传输技术具有可靠性和稳定性，能够保证数据的正确传输和恢复。

• 公平性和资源分配：在多用户场景下，需要保证网络传输的公平性和资源分配的合理性，以避免某些用户获得过多的资源，导致其他用户的服务质量下降。

除了上述挑战，实时音视频传输还需要关注体验指标，如实时性、流畅性、清晰度、音画同步性等，这些指标对于提供高质量的音视频体验至关重要。

1.1 现网音视频卡顿归因

为了快速提升线上用户弱网相关的体验，火山引擎根据抖音集团真实用户的负反馈数据打磨研发了“音视频卡顿归因模型”，它可以对线上音视频卡顿的所有 case 进行自动归因和聚类，为弱网问题的优化和优先级给出有效指导。

根据模型对线上用户音视频卡顿反馈的归因和聚类，我们发现，当前引起线上卡顿问题的主要原因是上下行大小缓存问题。

线上用户视频/音频卡顿归因类型占比

大小缓存的描述，可以参考：https://www.ietf.org/archive/id/draft-cardwell-iccrg-bbr-congestion-control-00.txt

大缓存：Deep buffers，at bottleneck links with deep buffers, congestion happens before packet loss.

小缓存：shallow buffers， in shallow buffers, packet loss happens before congestion.

1.2 RTC