到达杭州已经两周了，基本已经适应了新环境的工作节奏，在生活上依然有些许困难会感到无助，但相信所有问题在不久终究会解决的，遇到困难的时候就是成长的时候，比如这两周我学会了识别洗发露和护发素，比如我学会了用支付宝扫码坐公交车，等等…
本周来说一个老话题，即 一个TCP连接如何确定自己的源端口。这个问题在几年前就分析过，正好前些天一个朋友又问了，我就又进一步进行了思考，觉得正好可以作为本周的话题来讨论一下。
可以先看看我之前的分析：
TCP源端口选择算法与列维模型：https://blog.csdn.net/dog250/article/details/14054987
简单谈一点linux内核中套接字的bind机制–数据结构以及端口确定：https://blog.csdn.net/dog250/article/details/5303572
先不要管所谓的什么 列维模型，它只是一个大自然中高效的聚集搜索模式，类似幂律一样普遍，这个后面再说，几年前的事了，少时不知愁滋味，纸上谈兵。
现在只看算法就足够了。
当然，上面这两篇文章并没有描述更多的细节，所以我打算在本文中补充一二。
先看内核是如何组织TCP源端口号数据结构，我依然用一个图示表达，这比代码更加清晰一些：
以上这个结构在内核中叫做bhash，是TCP协议实现中3个核心hash之一，这3个hash结构分别是：
- bhash：维护连接的源端口号，以源端口号计算hash值
- ehash：维护establish连接，以四元组计算hash值
- lhash：维护侦听TCP，以{srcIP,srcPORT}二元组计算hash值
显然，关于如何确定源端口的问题就转化为了上述数据结构的查询，插入的问题，这个问题的解法是明确的，即：
为新的待确定源端口的连接socket查询到一个最优的插入位置并插入。
我们非常明确的一个目标就是：维持四元组的唯一性！
这无疑是一个搜索结构的操作问题。哈哈，又是一道面试题咯。
接下来要解决的是，在两个不同的场景下，如何操作以上这个数据结构。两个场景分别如下：
- TCP socket在bind的时候
- TCP socket在connect的时候
显然，在TCP进行bind的时候，由于此时并不确定目标是谁，无论是目标IP还是目标端口都不确定，甚至不晓得这个TCP是不是一个Listener，那么四元组的唯一性约束显然强化了不少，即： 必须保证{srcIP,srcPORT}二元组的唯一性！ 事实上此时我们要保证的是{srcIP,srcPORT,0,0}元组的唯一性。
与bind场景不同的是，如果一个socket事先没有bind，直接调用了connect，当我们调用connect的时候，此时确定的是{dstIP,dstPORT}元组，那么此时的约束就松了不少，也就是说要想保证四元组唯一性，这种场景下给我们的机会会更多一些。
具体来讲，我给出一个流程：
有了connect的场景分析，bind场景就再简单不过了，省略下面ehash的部分即可：
理清了关系之后，很简单是吧。这里讲的是TCP，对于UDP而言也一样适用，只不过UDP有更简单的解法。
以上就是确定源端口的基本原则，然而在具体操作过程中，还有一个原则，即维护数据结构的平衡型，我们不希望单独的hash冲突链表过长，因为遍历一个冲突链表的时间复杂度是O(n)，这显然毫无可扩展性，所以在插入过程中需要 尽量插入到短的hash bucket链表中。
这就涉及到另一个问题，即：
图示中初始的探测端口port=pn如何选择的问题！
这里就是列维模型在起作用了！
物理类聚，这是普世真理。Linux内核在实现这个确定源端口的过程中，经过了几次进化，但万变不离其宗，对于TCP而言，Linux从一个随机确定的hash bucket开始探测，然后环状遍历所有的bhash bucket，对每一个bucket执行上面图示里的算法。
对于UDP而言，我劝大家review一下Linux内核2.6.18，3.10，4.9+的代码，这代表了三个进化阶段，起初在2.6.18版本时，UDP维护了一个全局的 udp_port_rover 变量，指示下一次探测可用源端口时从哪里开始，然而到了3.10，4.x版本，实现方式便起了变化，不再通过链表数据结构进行多次广度优先遍历，而是采用深度优先原则使用位图来实现，但这并没有改变实质。
代码并不难懂，相对于像屎一样的TCP拥塞控制算法的代码，这个要好很多，找 get_port 回调函数就好，然后看看 tcp_v4_connect 函数，大概10分钟应该可以读懂，我这里就不再赘述细节，记住一个原则，如果你要实现自己的算法，优先找最短的冲突链表进行遍历插入，你稍微费点事，带来的是整个系统性能的提升，可谓人人为我，我为人人。
最后，我还想说说列维模型。
列维模型最初是2004年由一个名为Dirk Brockmann 的德国物理学家发现的一个普世模型，我最开始看到后简直深陷而不可自拔！
我发现这个简单的模型竟然能解释人类文明的形成，我是多么喜欢历史学，我发现这个模型竟然能解释它，并且能预测未来！
当我看完了《三体》三部曲之后，这更加加深了我对列维模型的好感和狂热！
盗自己之前文章一张图吧，实在是忍着饥饿在写这段文字：
这就是列维模型！TCP和UDP确定源端口的算法绝对符合这个模型，不信你接受10w+的连接后导出数据画成图标看看，我试过，你也试试，非常壮美。
你会发现，自然界，我们生活的空间，没有什么东西是平铺平淡的，正是聚集造就了我们美好的世界，不然一堆原子均匀的分布在宇宙空间，那才没有任何意义，然而墒总是在增加，宇宙趋向于无序，这也是宇宙最终的结局，不禁令人感到悲哀！
我一直在关注幂律，如何结合列维模型，我发现列维模型是导致幂律的根本缘由，然而进一步问，列维模型的原因是什么？
我的答案就是 惰性！
就我自己而言，我喜欢喝各种新上市的饮料，酒类，我会不断尝试新的东西，但是最终我总是会聚焦到某一个牌子，从此不再过问别的，只买这个牌子，比如真露烧酒，比如百事可乐，比如红标威士忌… 我不换别的牌子不是因为我喜欢这些牌子，而是因为我习惯了这些牌子， 仅此而已，我的惰性让我在选饮料选酒时，给了真露，百事，红标更多的权重，仅此而已。
进一步思考，这是为什么？
也许就是我大脑的cache吧！我的大脑并不能随时拥抱变化，你的也不行，再强大的大脑都不行，所以我觉得，分级cache是现代计算机科学中非常非常非常重要的一个设计！
拥抱变化，成了一个多么优秀且不可及的潜质，因为没人想拥抱变化！
幂律是什么导致的，我觉得就是惰性的影响导致的聚集效应导致的。
好了，本文该结束了。现在，温州老板正在香港进货。
3606
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
