对传输质量评价体系的评价

我一向相信 “横竖一颠倒，拨云见日”，这几乎成了必胜法宝。

先说个往事，再说传输质量评价体系是如何来的以及有什么用。

当年处理海量 iptables 规则为避免 O(mn) 损耗，我对规则的 match 做了排序预处理，又基于规则序号做区间排序，如此便转换为多维二分查找，损耗变为 O(mlogn)。这是一个令人自豪的陈年往事。

端到端传输算法领域，基于历史数据预测未来方面，传统做法一向是对指标数据直接做自回归建模，直接移动指数平均，试图通过这类数据轨迹预测场景走向，可想而知，效果非常不佳，原因不难分析：

• 指标太多，错综复杂，虽生成图表，仍要人工分析(曾打印出来在团建大巴上分析)；
• 指标单位不同，无法综合运算；
• 指标动态范围不同，相互之间会压制，对冲，关键信息不突出；
• 指标作用力不统一，噪声无法无法从有效数据中分离；
• …

按必胜方法论，对指标先进行预处理，再做回归分析，而不是先对裸数据回归拟合，再分析。预处理的目标很明确：

• 消除量纲，统一参与运算；
• 同向作用，避免相互对冲；
• 统一范围，统一作用力度；
• 规范结果，只看高和低。

主要需要两类数学函数完成上述目标：

• sigmoid 函数： $f(x)=\frac{a}{1+e^{b\cdot x}}+c$，控制 b 可同向作用力，控制 a，c 可统一作用力范围；
• 凸显函数：所有 f(x) 均高时才高，类似方差用平方凸显差异，该函数可用 $v=(\prod f(x_i){)}^2$ 简单模拟。

噪声作用力被同向信号的加强而减弱，单独的噪声不再污染结果。

完成这种预处理后，还需抽出固定画像指数类型的显式特征，比如持续拥塞，逐渐拥塞，随机高丢包，随机低丢包，良好等，分别对应这些指数中，显式特征只要凸显阳性(偏高)，就意味着指数描述的事情一定正在发生。

现在看这个评价体系有什么用。先看离线画像指数的用处。

做过系统 oncall 值班的都面临过 “帮我看一下这个抓包文件 x 点 x 分有个重传，是什么原因”，虽然这人可能对 TCP 一无所知，但也不能总抱怨，偶尔他们的上报确实意味着那段时间系统出了问题。拿出那个时间段的各类画像指数，如果突发拥塞凸显阳性，就要去查一下哪个业务故障引发了突发，如果随机高丢包凸显阳性，就要查一下交换机网口，光纤，如果只是一两个随机丢包，良好画像凸显阳性，这个时候就有必要给咨询者好好讲讲 TCP 重传原理了，彼此都有时间的话。

再看实时在线画像指数的用处。

2016 年以来，传输算法包括拥塞控制在内越来越多基于机器学习建模，大量 AI 手段被引入，但似乎都是雷声大雨点小，独有 appex 效果不错但却并未公开算法。越来越多的公司有模有样地学着这种做法，但效果一般。有了我这个评价体系，事情就不再这样了，虽仍是大数据，自回归那一套，但效果完全不同。

本着先确定画像指数类型，再抽取显式特征，最后预处理生成指数的三步走原则，画像指数种类越全，链路实时特征的刻画就越准确，对正在传输的流量实时指导意义就越大。可以为每一个 peer 创建一系列画像指数，需要做传输算法的决策时，查看对应 peer 的所有画像指数，方可获得建议。

这思想也可用在主机端，为主机生成画像指数，比如 TCP 建连时间，建连错误率，RST 率，CPU 利用率，队列长度均可作为原始指标被 sigmoid 函数预处理后生成某些事件的画像指数，用来判定 “某个时间段发生了什么” 以及 “现在正在发生什么，所以未来一段时间很可能它会持续”。

所谓评价体系，它不解决问题，但它诊断并路由问题，这就是价值，但它恰由于不解决问题而被忽视，甚至在很多人眼里成为笑话。和评价体系类似的是稳定性治理，用到它的时候一定是出问题的时候，而出问题总是不好的。

浙江温州皮鞋湿，下雨进水不会胖。