- 博客(2529)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 闲谈IPv6系列文章集锦
本文总结一个目录提纲，只要是给自己看的，记录一下哪些东西已经总结过了。闲谈IPv6-6to4隧道和ISATAP隧道： https://blog.csdn.net/dog250/article/details/88644797闲谈IPv6-说说IPv6地址分配和BGP： https://blog.csdn.net/dog250/article/details/88430415闲谈IPv6...
2019-03-18 22:38:43
43165
42
原创 低时延 AIMD 拥塞控制
拥塞控制已一年多，这绝对是一个正确的价值度量指标，在端到端意义上，可能是唯一正确的指标，做了很多负反馈机制，索性来个极简的打个底，一步正确，步步正确，等到国庆后再深究。的控制点从崖点拉到了膝点，天堑变通途，且不再需要感应丢包，只需连续观测。算法形成了关于操作点的对称，且二者完全可自动保持公平，算法逻辑都是。负责收敛和公平，事情竟然就成了，这是真正的膝点上的。峰值附近，越不过膝点太远，队列只在越过膝点后一个。，保持实时灵敏性，操作点的膝点特征决定了所有流的。，只是参数不同，形成了机制和策略的分离。
2026-09-24 14:53:33
571
原创 Vegas 与 AIMD 的公平共存
流的存在，然后变成它，但至今没有实现，在放假前有闲暇思考，就干脆为。流独立运行，流间不通信，对路由器反馈也不依赖，双。，再次强调不混部原则，后来手欠又给它加入了与。模式的公平性，这里是重复写，以前写过很多次。意味着收敛单调，无震荡。共存的机制，算是了却一些事，但留下个尾巴。又因天生原因无法与之共存，从此就成了背景。模式，按照标准版本保证低延迟，目标队列。是一个相当优秀的算法，只是当时。对所有流相同，因此所有流的稳态。浙江温州皮鞋湿，下雨进水不会胖。裤衩子锁着边儿，而且绣着花儿。这就是负反馈，系统渐近稳定。
2026-09-23 17:24:33
577
原创 区分丢包类型的 Reno-RNA
关于丢包，其实有很多可以说，日常的编程的人在模拟仿真丢包时，最容易犯的错误就是设置一个丢包率，而这个丢包率只是一个随机丢包率，最简单的实现就是一个均匀的概率，这种规则场景下，算法的行为就是规则，可预期的，但这种测试用例是最不完整的。对丢包太敏感而自然产生的手痒想优化的心理，则要避免，细微的极致优化是毫无意义的弄巧成拙之举，误判的方向总是恒负，虽有肉眼可见之微利，但总体就弊大于利。丢包往往是突然发生的连续的，严重小概率事件，符合幂律分布，就像地震，一般不发生，发生则会连锁反应。，当时取名二次机会。
2026-09-22 17:13:40
712
原创 DIPCC 与 AIMD 的公平共存
无法获得更好的参数了，我暂时无法证明算法的不动点本身在哪怕一组参数下的稳定性，准备后面用。刚说过，只要有不混部的条件，就不要混部不同的拥塞控制算法，能隔离。再看下算法外，所有流整体的链路利用率，稳态时队列稳定。，不需要路由器反馈，甚至不需要区分同构异构流，每个。，检测丢包，执行一个简单方程，就自动完成了公平收敛。，这一切都是确定的，经理一句话，就可以全网统一。了，多么纯粹，一开始简单，后面全都不难。的负反馈是，恢复得越快，队列积累越多，不管怎样，在一个全局可控尺度的网络，如。
2026-09-21 17:13:39
704
原创 写一个时延固定的拥塞控制
在数据中心，只要经理开个会，安排工人们把所有算法切到此，一切变得高尚，至少，经理安排工人在所有交换机上划一个虚拟队列出来给这算法也。会将包含排队时延的测量误判为传播时延，导致信号归零，新流误判网络空闲而跑飞。当然，在广域网这是不可能的，因为广域网上没有经理，所以这不是给广域网的协议。最后看流加入，退出的瞬态响应，以解释边缘毛刺。的变化通过队列反馈间接传导，新流加入，总注入上升，这意味着延迟是固定的，抖动是没有的，名副其实的。算法的分布式控制律很简单，每条流本地执行，每。若将算法写成伪代码，则简单到粗暴。
2026-09-19 09:09:46
1176
1
原创 带宽换时延的柔性传输
依靠相邻像素相关性做压缩，一旦像素打散，相邻像素不再相关，压缩效率大幅下降，占用带宽变高，其次，由于像素或像素块不再位置连续，就必须附带位置坐标信息，这进一步增加了带宽的占用，最后，在互联网演化(以及任何演化)领域，一件再正确的事如果一开始没有做，后面就几乎不可能做。帧，就是在时间域的压缩，为了节省带宽，用非关键与关键帧的差异信息替代整帧信息，但关键帧丢了就必须要重传，这就引入了时延，这就是交换，如果全部打散传输整帧，便不存在不可丢失的关键帧，也就没有了重传时延，但也增加了带宽占用。整体看来，效果还不错。
2026-09-18 15:11:22
814
原创 网络状态感知的 Flex-AIMD
的分母越小越好，分子越大越好，它的总体方向是单调的，而凸凹则表现了边际成本和收益，所以。就这样了，也没什么意思和前途，裤衩子锁着边儿，而且绣着花儿，无聊搞着玩玩。是必须的，未来的数据传输一定是延迟比带宽重要的，因为未来的数据是。的竞争力，又需要一个棘轮。首先要保证自己同构共存时没有棘轮效应，以完美解决。为目标，因此需要一个实时负反馈替代。的，但几乎没有一个算法能在兼容。的大开合记忆状态机，也替代标准。浙江温州皮鞋湿，下雨进水不会胖。要解决这个问题，原则很不难。大小的丢包事件反馈。
2026-09-16 16:40:29
825
原创 BBR 算法的棘轮效应
(这里的 “西皮” 指 “穿西装和皮鞋的家伙们”)一个传输协议的算法的核心是公平性，稳定性和收敛效率这些统计学指标，其次才是资源利用率，带宽，低时延等这些网络指标，但几乎所有人但凡提到传输协议优化就认定是单流加速，首要关注高带宽，高吞吐，甚至不管时延，更不提方差，不要试图调整这些参数，这些参数是这台棘轮契合好的，调一个而动全身，但这些大开合的覆盖区间又是必须的，因为没有事件驱动状态机，也没有普适的移动平滑系数，人为调整只能人为设置粒度。是依环境随行的，因此它是不稳定的，更可况它本身就是脏的。
2026-09-10 17:09:10
888
原创 网络的时延抖动
例如，空间维度的内存碎片，磁盘碎片皆为统计矩，它们便可采用算法去整理对齐，而算法本身就是时间的序列，对时间维度的统计矩本身就无能为力。若没有额外信息注入，最终，信息的不确定会转化为无效的，盲目的等待，即时间。光介质的不纯净导致不确定的折射反射率，以及链路层的动态事件，软件处理的指令周期波动，操作系统不确定的调度时机，不确定的突发排队，，在上下行的带宽是不对称的，这背后有一个非常高效的逻辑，多对一要精确调度，而一对多则广播选收。统计学本身就是概率的，度量的正是信息的不确定性，即无知性。
2026-09-08 17:24:03
975
原创 重构 BBR 的 buffer 动力学
不公平范围被压缩，带宽差距不会无限拉大，不会出现严重饥饿现象，这就是近似公平，即偏差存在但有上界。曲线的参数甚至一个简单的单调函数足以收住它，网络本身就是统计动力学的，稳定性，公平性，扩展性，自适应性，尺度不变性大于一切。，公平校正力归零，系统变成中性，带宽可停在任意分配。值的统计分布在一个固定的网络是确定的，我们也不必管它是正态还是指数，哪怕它是发散的，即带宽越大，每一步削减越多，速率低的流削减少，慢慢追上来，两条流博弈后自动均分。做综合判定，而不只是任意其中一个，因为它自带了带宽和时延的相互作用，而。
2026-09-03 17:06:47
1627
1
原创 AI 大模型的马尔萨斯陷阱
值得注意的是，克莱伯定律描述的多维度指数不均衡发展是限制的本质，总会碰到天花板，若不改变维度本身的范式，极限便无法突破，但若获得了突破，就会进入另一个马尔萨斯循环，然后再次寻求突破。高数十万倍，本质是底层计算范式的差异，人脑以存算一体的突触脉冲完成计算，能耗集中在计算本身，而冯·诺依曼架构下，数据搬运消耗了七成以上功耗，真正用于计算的能量占比极低。同时，技术与制度的效率增益，文字，印刷术，交通通信，专利制度等技术与制度进步，会大幅降低信息传播与协作的成本，让同等人口规模下的交互效率和创新产出显著提高。
2026-08-27 17:20:36
2388
9
原创 再论 TCP 的流式传输
流式传输意味着总有个位置串行处理每个报文，而在摩尔定律下，串行处理能力属亚线性对数增长，但带宽却是超线性，近乎指数级增长，这个带宽和流式传输的错配限制了。在沙漏模型中做流式传输是一种良性的投机，处理好乱序重排即可，但流式传输的低性能并不在传输协议的设计，而在沙漏本身，因为它的腰太细了，太哑了。的确认机制加重了串行流的负担，虽然一个载荷报文的长度理论上可以长到一通电话，超线性增长的带宽足以负担足够大的载荷报文，但实际上。成为带宽限制时被提出，减弱了对丢包的反馈，但由于收敛的最根本目标，逐步又在。
2026-08-26 17:25:15
1541
原创 为什么不要优化网络协议
网络传输优化的第一性原理即降低传输流分布的各阶统计矩，这很难。进一步思考，几乎所有优化的目标都是自私行为，成为上分位，成为统计分布上的那个尾部，越尾尖越好，这恰拉高了各阶矩。如果一条流单独拉高了inflight，它便可以挤出更多的吞吐，这是事实，所有的优化都基于这事实，但所有人都采用这种内卷行为后，优化效果便失效了。这是TCP拥塞控制中一个经典的悲剧性结构，当所有流同时试图多占带宽时，没人得到更多带宽，所有人只得到更多延迟。任何超出链路容量的inflight。
2026-08-25 17:23:25
1684
原创 带宽和延迟间的转换
然而，当端到端路径存在足够大的丢包率时，问题便出现了，由于丢包重传待确认，导致发送队列积压，发送。为解决一个问题，将参数单向调大，直到引发了另一个问题，才显示出参数调得过大。场景，显得越来越重要，而高带宽更多是作为缓存来使用，比如下载。，除非你理解上面这段内容，这是一个巧妙的丢包，带宽，延迟之间的转换。这是一个典型的高带宽和低延迟不能兼得的场景，现网环境丢包率不会是。我一向的主张，以低带宽换低延迟，针对越来越普遍的。的延迟，丢包率越大，有效吞吐越低，延迟越高，所以不要盲目过分地增大。
2026-08-24 16:15:34
1407
原创 多路径聚合效率的统计理论
一旦涉及到网络传输的统计规律，很多人就觉得偏离了确定性，试图用精确替换统计，但这是错误的。网络是统计的而不是确定的，本质上是信息量的上限决定的，而信息量的度量则是统计矩(各阶矩为0就是确定性)。出差时发过一则朋友圈：其实我说的是多路径聚合，比如具体的MPTCP。多次有人不厌其烦地问为什么时延异构会降低带宽聚合的叠加效率，我也多次说这是个数学问题，而大部分不做理论研究和技术研发的人是根本不懂数学的，我也就只说一句 “你们不必关注原因，看结果” 就对付了。
2026-08-21 15:01:30
1368
原创 网络优化，还是降低各阶矩
样本的加减乘除是无意义的，这也是工程上往往用移动指数平均来平滑它们的原因，换句话说，你无法用 “尺子” 量出时延的 “长度”，你只能获得统计结果，正如分子的速度毫无工程意义，但一堆分子的速度可以表征精确的温度一样。的绝对时间，真正值得在乎的是统计波动带来的不确定性，而不确定性正是长尾延时的元凶，不确定性放大了统计各阶矩，统计波动造成的状态不同步持续累加，降低了资源利用率，最终，低利用率最终表现为更长的时间，这才是本质。到底有什么区别，都说是绕过了操作系统，节省了切换，拷贝的时间，但这并非本质。
2026-08-14 12:26:57
1579
原创 AI 带来的伪专业错觉对秩序的冲击
多层级结构的容错率来自层级间的冗余缓冲，当结构被压缩成 “上层决策-一线执行” 的哑铃型串联结构，任何上层的认知偏差都会无衰减地传导至全执行端，局部错误会直接打乱整条业务线，系统从具备冗余容错的层级系统，变为单点故障即可引发全链路崩盘的脆弱系统。对应信噪比模型，上层的专业认知信噪比极低，但因掌握行政权，低信噪比的判断会被强制落地，高信噪比的专业判断被压制。古希腊没有垄断知识的祭司阶层，所以他们发展出了德赛先生，社会获得了进步，成了轴心时代的标杆，演绎推理也成了现代科技的源泉，而。
2026-07-31 12:18:01
2318
原创 统一 loss-based 和 delay-based 的拥塞控制
这种测吞吐的算法，其实也将丢包包含了，因为丢包一定会体现在吞吐上，所以本质上就是正交，一旦叠加非正交量参与计算，就是故弄玄虚，最终弄巧成拙。除此之外，它还能平滑掉噪声丢包而不被误判为拥塞，因为偶尔丢一个包引入的大。计算，因此丢包和重传便从传输中分离开来，单独记为一个事件，用来触发。，这很合理，但作为端到端协议，所谓的网络状态其实就是。样本，因此，这段时间的网络状态监测也跟着脱离了。，如果基于时延交易的视角，二者则可以统一为一个。实现法则为，当出现丢包时，重传。，加权这类样本的比重，这样就把。
2026-07-17 09:16:53
2881
原创 从重尾到截断流量模型的演进
视频播放量，热门内容的访问热度增强幂律，和网络传输的数据流的幂律不同，不会造成网络拥塞抖动，但拥塞和抖动的压力给到了存储和缓存替换算法，这不是我的领域，不多说。网络架构层面，也涉及拓扑，大量小型化边缘节点下沉缓存短视频，减少跨城，跨骨干流量传输，扩容按同时并发的短视频分片数量规划，不用再按超大文件峰值带宽计算。级文件，但图片会压缩，分块加载，超大流量变少，流量的重尾收窄，虽完整长视频点播依旧会产生长流，但受限于手机解码能力，这些长流已经不再有文件下载时代。，而手机流量资费，屏幕尺寸限制，很少有人下载。
2026-07-03 14:29:07
7212
原创 正确适配互联网理论模型
极小发包间隔，不牺牲交互短流的传输速度，流持续变长，逐步提升 pacing 间隔，强制把连续包拆成离散间隔，数学上把原本高度自相关的阶段改造为近似独立间隔的泊松型到达，流量的长程相关性被持续削弱，总之，我这两种方法优于传统的先污染后治理的方法，例如各类拥塞控制算法，流控算法，队列调度算法，均没有从根源上消除问题本身，也就无力彻底解决问题，背后还是时间的单向流动，控制和反馈的时滞总是无法消除。推理等，那么微小随机延时对这类同步突发抑制效果极强，是低成本，端侧无侵入的平坦化手段，且完全跳出队列，
2026-07-02 12:24:45
8155
原创 互联网理论模型与现实之间的错配
他用排队论首先证明了统计复用的可行，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，但大家始终无法摆脱可用性的魔鬼，人们怀疑，如此不受任何约束的，混乱的所谓分组交换网，真的行得通？然而排队论里没有重尾分布，但恰恰互联网的流量就是重尾的，这意味着，互联网的早期模型基础与现状存在不小的偏差。这是一个建模的教训，因为只要是相关的随机变量，几乎都会是幂律分布，价格，价值，收入，成绩，投资，灾难，千万不要用均值回归的思想对待它们，要看百分位而不是均值，要为黑天鹅事件做好准备。
2026-07-01 12:27:38
7697
原创 网络优化的第一性原理：消除各阶矩
基于此，文初引用的一系列优化手段，会随着传播时延占比的增加收益递减，它们优化的只是编程的人关心且只关心的主机时延，而随着传输距离的增加，沙漏模型的腰部而不是头部越发重要，意思是拥塞控制算法和。人类的现代文明建立在扩张主义模式之上，追求更多的人口，更多的增长，更多的消费。网络的第一性特征永远是时延抖动，只要不能直接对此有增益的，都是手段而非目标，瞄着手段当目标，在不适用的场景下甚至弄巧成拙。持有最大的恶意和鄙视， 而这些被鄙视的旧物恰都是统计系统，在消除统计不确定的方向上，编程的人做对了，但眼光狭隘了。
2026-06-26 12:37:19
7738
原创 实现一个松弛的传输层应对随机
但凡涉及可靠，冗余，去重，保序的话题，缓存，重传，定时器几乎就是第一设计，然后就成了远不如 TCP 的 YaTCP，由于编程的人容不得丢包和不确定性，他们倾注洪荒之力确保不丢包，不得已再用重传挽救，说到底还是围着 buffer 和启发式判定绕圈圈，一绕就是 30 多年。为解决传输层协议对端到端拥塞控制缺乏共识的问题，唯一的方式就是松弛化任何影响时延的确定性保障，让业务自身去处理，如此避免拥塞处理不同步造成的抖动和震荡，而确定性多来自重传以及多数人并不懂的带宽，损害的是网络传输唯一的指标，时延抖动。
2026-06-24 12:21:21
10830
原创 AIMD CUBIC 在实际网络有效的原因
算法在数学上天然契合自相似流量的统计特性，其有效性并非源于对网络状态的精确预测，而是用指数分布削掉了帕累托的重尾。机制构成了一个自调节马尔可夫链，其稳态分布不依赖于输入流量的矩结构，无论背景流量是理想指数分布还是重尾，调大一点，触发丢包的概率就极高，因此，系统根本不敢把窗口维持在很高的状态，大窗口出现的概率会断崖式下降。是一个马尔可夫链，当这个马尔可夫链满足一定的遍历性条件时，它存在一个唯一的平稳分布，记为。在实际网络中表现如何，答案是它非常有效，本文说的就是这，大多数情况下，这很容易理解，如果丢包率。
2026-06-20 11:55:11
7258
原创 在实际网络中失效的 TCP BBR
还是旧事重提，最近写了一些关于帕累托分布的自相似流量的反直觉特征，基于此实际网络特征，本文解释。的数学模型建立在短程依赖，平稳，单流的理想实验室假设之上，而实际互联网流量自相似特性以及高达。民间何必迷信一个只是看起来很美的东西，更多是吹出来的虚伪，编程的人只管编好程就行了，剩下的交给。实际网络中，没有一个是符合的，除了不必浪费口舌的，剩下的一个一个说。，拥塞，丢包，重传和编程的人无关，带宽绝对够用，不折腾就是低时延。，单流理想模型中，这可以精确找到瓶颈，但在多流自相似环境中，设。
2026-06-18 16:57:36
8490
1
原创 多数人并不懂带宽
行为，网络就会抖，时延不确定性增加，而自限定流量降低了单流规模，这在统计意义上(重点强调这个编程的人总是有意忽略的修饰词)降低了总时延的方差，也就降低了抖动，降低了时延期望。一个简单的例子，若将若干条视频流，文件下载流，控制信令流复用到一个大吞吐流，它们将承受相同程度的大抖动，若将其分开自行传输，则可获得更低的平均时延，而带宽总是够用的。一定，带宽代表的截面和时延代表的长度就是一对矛盾，下载追求高吞吐，在线则要求低延时，只有在网络很慢的时候，才需要高带宽下载，如果网络很快，就会直接在线，而。
2026-06-18 09:06:09
8150
原创 真实网络流量的自相似本质
足够大时，统计突发消失，也就不需要 buffer 了，编程的人说这是纸上谈兵，相反，他们倾向于越来越大的 buffer，这也是纸上谈兵，因为大 buffer 也有成熟的理论做支撑，同时，大 buffer 也并不正确。突发波动既然不会消失，似乎给了大 buffer 充足的理由，但恰恰正因为它不会消失，才必须设置一个迷途知返的点，适可而止，否则，buffer 将随总流量增长，一直增长。现实的网络流不是独立，无记忆，而呈现幂律的帕累托分布，这是一种典型的重尾分布，它相对真实，我在。
2026-06-17 14:32:10
8755
原创 不要再继续优化 TCP
TCP 的上限不是算法和实现，是可靠字节流抽象的设计。拆解下来，首先是字节流抽象，这约束其实现的字节粒度，在规模，尺度上不可扩展，越高速的网络，维持字节流的指令周期，内存操作成本占比越高，其次就是流约束下的可靠性，意味着多路径不可用，传输无法随并行度而扩展。在 400G 网络里，把 TCP 单流吞吐从 50G 优化到 200G，其实是负收益，因为 200 只是一个吞吐均值，越高速越怕抖动，而延迟，P99 可能还会升高，且代码实现复杂度提高，这就是典型的负 ROI 工程，看起来很硬核，实际是借债玩自嗨。
2026-06-16 10:53:02
7768
原创 信号权重和流分类的对数规律
即时的 w 值会造成路由震荡，连接跟着乒乓，那么就必须对 rssi 做处理，而且容易看到，1，2，3 的区分和 101，102，103 的区分并不一样，前三者属于不同类别，后三者显然属于同一类，100，800 属于不同类，但 10100，10899 就属于同类。韦伯-费希纳定律说人的感觉是对数的，自然界的无线信号衰减也是对数的，所以区分信号类别的函数就是对树的，而不必搞什么阶梯式分段函数来故弄玄虚，就像手机厂商把一段 dBm 区间直接映射成几格一样。但有趣的是，w0，w1，w2 如何归类。
2026-06-13 10:42:54
9978
原创 网络长尾延时的重尾本质
成亿万级的参数生成一个神经网络，训练它让它学习流量生成的模式和统计规律，以此为依据为流量分配资源，理论上定能成，但内容的传输并非目标和终点，内容的理解才是，基于大模型的传输优化收益相对成本不大，正如几千年的道路并未多少进化一样，网络总之还是瘦的，堵就堵吧。尺度不变性意味着消除长尾是不可能，因为在一个随机变量相互依赖的自相似世界，这就是一条放之四海而皆准的铁律，抛开网络传输，看看我们的社会，马太效应是《圣经》里说的，上帝的旨意，就算排除那些极端的对象，剩下的群体还是完全一样的分布。
2026-06-12 15:14:37
6063
原创 网络可用性，扩展性，性能的统计本质
网络是统计的，是不确定的，这话天天说，就不在乎再说一次，就着前文 为什么高速网络更怕抖动 接着说。从独立随机流叠加定理开始：我的解释是广义中心极限定理在计数过程上的特例，似乎有点泊松分布随 λ\lambdaλ 增加趋向正态分布的意思，要不是泊松分布左边有一堵 x=0x=0x=0 的墙，它事实上就是正态分布，增大 λ\lambdaλ 只是把整个图形右移，泊松分布左边墙后面的尾巴就露出来了。本文先说三个同构的流叠加场景，并分析对应结论下的实际行为和启示：泊松极限说的是，给定有限总到达率，把总流量拆成 nnn 条
2026-06-11 16:59:04
12009
原创 为什么高速网络更怕抖动
在编程的人的直觉里，多条流共用同一链路，带宽共享，拥塞加剧，每个流的排队时延一定会变大。事实是，大量独立的突发流聚合到同一条链路上，流量的突发特性会相互抵消，平滑，总负载不变时，聚合后单流的抖动甚至平均排队时延，反而小于单流独占链路。的影响力越大，给编程的人的启示很明确，你的网络硬件性能越高级，越要君子自好，和直觉相反，越高性能的网络，越不扛造，对异构的包容性越弱。这是一个启示，独立随机流叠加定理，也是运营商骨干网，共享宽带，移动通信能高效工作的核心。的结论，带宽越高，越要规则化流量，越要防止抖动。
2026-06-10 17:28:41
8154
原创 DCN 与 WAN 的不同优化目标
所以叠加各种拥塞控制算法无异于雪上加霜，弄巧成拙，不是网络优化没有意义，而是大多数人方向是错的，为什么推理比训练抖动，如何解决，不是叠加几个策略就开箱即用的，包括 AI Infra 在内的所有网络优化，方向错，步步错。统计学中的一句真话，规模差异越大，均值越偏离中位数，发送时延，处理时延分别由网卡和协议栈引入，同类交互系统的网卡，协议栈差异不大，至少没有规模化差异，而传播时延更趋于固定的。由于拥塞控制的滞后本质，incast 无法控制，当主机进行反馈时，incast 或已结束。
2026-06-09 15:58:19
7798
原创 科斯定理与平坦随机网络的自然秩序
拥塞的自然化解，就像市场中价格机制调节供需一样，网络通过多路径的延迟，丢包率自动调节了流量分布，少有超长路径，波动范围有界，多路径随机 spraying 和包抽象(请忘掉流抽象)成为了自然推论，最终获得了微观随机，宏观确定的结果。时延分量的占比决定了策略行为的方向，广域网中，spraying 将增加传播时延的方差，从而带来抖动，而在数据中心，同样的行为降低的却是排队时延的方差。一个事如果它是自然的，那就是好的，人为的约束限定越少，整体效率越高，或者说综合效用越高，颇有哈耶克的意思，但这也是古希腊的味道。
2026-06-05 14:45:25
8332
原创 最大流最小割视角下的平坦随机网络
抵制随机网络的原因，说是布线乱，运维难，人们并没有去想办法解决这些问题，反而绕开这些问题，趋向规则的分层拓扑，让传输中的数据承担拥塞的痛苦，包括 SPF，流抽象在内，其实一开始就偏离了网络的实用目标。至于阻塞非阻塞，它是手段而不是目标，就像排队一样，无阻塞只是换了个地方排队，相比丢包重传，它们都消耗了时间，只要网络还在统计复用，这个时间就省不了，落实到重发包的能耗和刷新存储的能耗是可置换的，而不是可交易的。你看，多么自然，最大流才是网络的性能目标，最大最小割才是容错性目标，而不是什么 SPF，收敛比。
2026-06-04 12:26:21
9453
原创 从扩张性看 AWS RNG 为何优于传统胖树
大规模网络的综合性能由可扩展性，吞吐性能与简单性衡量，由于我只侧重于技术，故省掉了成本因素，但这并不意味着它不重要，在更现实意义上，设备的采购成本，运维成本，更新成本甚至是第一要考虑的，甚至远在技术之上，因此本文也不谈广域的 TCP/IP 互联网，恰就是广域的互联网重构成本太高，就连编程的人也不怎么关注广域的互联网，因为那个固定的地方也多少程给他们编。若仅谈可扩展性，吞吐性能与简单性，RNG 可从随机图的扩张性为基点，结合我一直强调的替换 SPF 的最大流最小割原理，论证。
2026-06-03 09:19:43
10662
原创 把确定性交给统计-浅析 AWS RNG
编程的人不能接受天然的网络乱序带来的抖动，便把抖动搜集到了端，用保序来换确定性，可抖动还是没消除，反而增加了代码的复杂性，这就是编程，但这也只是编程，反直觉的是，编程带来的问题比解决的问题更多。过去的很多年，我一直说随机网络，基于摩尔定律极限后的规律，可交换带宽的多路径网络是必然，可我们并没有这样的网络，现在的规则网络带宽是不可置换的，可交换带宽必然要取消过多规则和预设，这便是随机。在人们早已习惯了规范化的，结构化分层的胖树网络后，天然的随机网络反而被认为是胡扯，因为它不可预测。
2026-06-02 14:22:48
6696
原创 美国斩杀线里的 e
把 “速度” 换成 “待分配财富” ，“剩余路程” 换成 “剩余的人”，大概就是这个意思。这正是理论联系实践的绝佳案例，我把回答复制过来，整理成文章，作为备忘录，这样日后好回味。遍历，结论是所有人都是平等的，第一组被遗忘的概率等于他们被选中的概率，所以。归纳一下便知，涉及分配，多选一等决策的事，都是所谓的 “斩杀线” 模型，这一组随机排序里，均匀随机，概率均等，那么 “局部最优落在。是内涵于里的，把它挖出来并不麻烦，于是这也印证了自然的。无论有多少财富，分配粒度有多细，穷遍分配过程，总有。
2026-05-30 11:47:13
7724
原创 不要再优化网络了
TCP/IP 是极其成功的，它的成功来自可扩展性，但另一方面，它被诟病的是性能，这就给编程的人提供了很多工作机会，当然，这些优化工作并非全有意义，绝大多数毫无意义，因为低性能正是用来交换可扩展性的难易的秉性。瞧，虽然只是我个人草拟的一个模型，但我的依据依旧是指数律，指数律似乎就是真理，从克莱伯定律，摩尔定律，梅特卡夫定律，吉尔德定律，到我这个不优化定律，它们可以解释，描述，预测很多事实和现象。每个节点都做定制化性能优化的结果是，更易异构，配置繁杂，故障点增多，难以扩容，运维成本指数上涨，排错难度陡增。
2026-05-29 17:23:26
10831
一个iptables的stateless NAT模块实现
2014-12-27
模块化的nf-HiPAC
2014-11-21
关于linux内核以及其他个人体会的文集
2009-09-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人