从边际效益递减看 buffer 中挤占带宽

边际效益递减是个经济学理论，用于描述当在生产中增加一种投入时所产生的额外产量递减的现象。在边际效益递减的情况下，初始时增加投入会导致产量的迅速增加，但随着投入的增加，额外产量的增长会逐渐减缓，最终可能会停止增长甚至开始减少。

边际效益递减的理论提示生产者需要在权衡额外投入和产出之间找到一个平衡点，以获得最大利润。

对于如今依然流行的 rate-based 拥塞控制，通过增加 inflight 来挤占带宽的行为可用边际效益递减建模分析。

边际效益递减意味着，起初增加 inflight 可能带来可观的收益，但总存在一个点，越过那个点后继续增加 inflight 将不再划算，配合 “投入产出比(ROI)” 和科斯定律来理解，将会获得一片明亮的天。

设瓶颈链路带宽 B，buffer 已有数据量 b，新增数据量 x，则 x 挤占出的带宽为：$y=B\ast \frac{x}{x+b}$，为获得 y 随 x 的变化趋势，求导 $y^{\prime }=B\ast \frac{b}{(x+b{)}^2}$，这就是带宽的边际效益递减的体现，可清楚地看到，随着 x 的增加，每单位 x 兑换的 y 的增量越来越小，y 越来越慢地向 y = B 单调渐进，而带宽增益向 0 单调渐进：

我一向把拥塞控制看作经济学过程，依据是众多共享瓶颈链路的流量在边际效益递减的共识中会自发出让带宽来获得最佳效益，通过上面的式子我们已经看到在 buffer 中挤占带宽确实符合假设。

流量追求的最佳效益(利润)是最大 “投入产出比”，在收益和成本之间做算术。收益和成本做减法表示纯利润，做除法表示 ROI。网络传输中，将收益看做带宽，成本则是时延，常常提到的追求大带宽和低时延，却没人将它们合在一起计算，我的方式是 E_best = max(bw / delay)。

资源配置方面有个科斯定律，说的是 “在没有交易费用时，资源将分配给那些能够使资源的边际收益和边际成本相等的活动，从而达到最优配置。”，其中 “边际收益和边际成本相等” 的点值得深入理解。

对于挤占带宽的投入产出比，边际收益和边际成本相等的点就是 E_best。每投入 1 单位 queue，一开始会挤占出大于 1 单位 bw，随边际效益递减，终于到达一个点，每投入 1 单位 queue，获得正好 1 单位 bw，随后过了该点，每投入 1 单位 queue，将获得小于 1 单位 bw，那么该点就是 E_best，越过该点继续挤占带宽不再划算，这就是数据流会不自觉出让资源的动机，它并没有采取主动的动作出让资源，而是不争了。

换一种更直接的 “总收益减去总成本” 的方式对传输边际效益递减效应进行描述。

实际的网络传输中，所谓 “收益” 不是带宽，而是 “有效传输量” 与 “queuing 量” 之差。如上图所示，流量进入 buffer 时，buffer 已被填充了 b，这意味着从一开始带宽的边际效益就在递减，但并不意味着 “收益” 的边际效益在递减，这就是挤占 buffer 的意义，问题挤到哪里适可而止。

设流的有效带宽为 x，传播时延为 t，瓶颈链路总带宽为 a，buffer 已有数据量 b，则收益可表示为 “有效传输量 - queuing 量”，即 $y=2tx-\frac{bx}{a-x}$(注意，计算有效传输量需要端到端传播时延而不是单向网络时延)，这就描述了网络传输的效益，一开始递增，然后递减。

我们再用上面提到的 E = bw / delay 的方式重新建模，看看二者是否足够拟合。

设流的有效带宽为 x，传播时延为 t，瓶颈链路总带宽为 a，buffer 已有数据量 b，则效益可表示为 “带宽 / 时延”，即 $y=\frac{x}{\frac{b}{a-x}+t}=\frac{ax-x^2}{b+ta-tx}$(传播时延取单向时延)。
现将两种方式的收益图像一起绘制：

可见，无论 “ROI” 的方式还是 “总收益减总成本” 的方式描述，结果殊途同归，“适可而止” 的点几乎是重合的！

在经济领域，边际效益递减与科斯定律相互作用。企业面临边际效益递减时，可通过市场交易来调整资源配置，以应对效益递减压力。当边际效益下降时，企业交易一些生产要素，以获得更高的边际效益。通过科斯定律所描述的机制，企业可以与其他企业进行合作或交易，从而实现资源的优化配置。

边际效益递减是企业在资源配置决策上的内在动机，而科斯定律提供了企业通过交易来应对边际效益递减压力的机制。这种相互作用使企业在生产中能更好地应对资源配置问题，以实现更好的经济效益。

在网络传输领域，同样的机制可解释全局公平性内在的动机，与 aimd 主动公平不同，追求 E_best 是自发公平。在带宽利用率上，E_best 同样保证 buffer 和带宽之间的配置是最优的。

还是得拿 bbr 当靶子，bbr 依靠 probe up + drain 来探测空闲带宽却忽略了带宽挤占，更无视带宽挤占的边际效益递减，因此结果自然就是随着多条流 probe up，瓶颈处 queue 越来越长，只能靠 probertt 重置。如上图最后，bbr 的美梦是无 queue，但 probeup 又必须依赖 queue，这就是矛盾。bbr 没有对边际效益递减做出反应，科斯定律也就不在适用生效。

就算 probe up，也不能只看 maxbw，要看 bw / srtt 有没有递增，如果没有递增，就 drain 到这个比值不减不增。

从资源分配的角度看，边际效益递的成因是，随着资源在某个用途上集中，其他可能更有价值的用途被忽视，导致新增资源的边际效用下降，机会成本强调，选择使用资源的边际效益必须大于放弃的其他用途的效益，否则就没意义。这要求决策者识别何时停止在某一活动上的投入，转而寻找更高效的投资机会。cpu 花时间发送的报文如果排在 buffer 过久，不如用这段时间做点别的。

边际效益递减是一个自然律，任何资源有限的场景都适用，将其应用在解释端到端拥塞控制，自然就能得到效率和公平兼顾的 inflight 守恒算法。

浙江温州皮鞋湿，下雨进水不会胖。