以下的代码绘制了 bbr 的收敛相图： #!/opt/homebrew/bin/python3import numpy as npimport matplotlib.pyplot as pltfrom scipy.integrate import odeintdef model(vars, t, C, g):x, y = varsdxdt = C * (g * x) / (g * x + y

bbr 解决 bufferbloat 的核心在于一个负反馈方程，设 x 为预估带宽，x_i 为 inflt，则： d x i d t = x ⋅ R − x i \dfrac{dx_i}{dt}=x\cdot R-x_i dtdxi​​=x⋅R−xi​ 这个简单的负反馈能让数据流收住 buffer，显然，当其 inflt 大于 bdp 时，方程为负数，直到排空 buffer。如果没有这个方程

前面介绍过，只要某条流的 inflt 在 bdp 之外再增加一个相等的余量 I，即 inflt = bdp + I，比如 I = 2，I = 3，…，就一定会收敛到公平，且不会占据过多 buffer，因此 rtt 不会膨胀，I 的大小影响收敛速度，I 越大，收敛越快，但 buffer 占据也更多，I 越小，收敛越慢，但 buffer 占据更少，所以效率和公平的 tradeoff 在此体现。 记住

inflight 守恒算法看起来只描述理想情况，现实很难满足，是这样吗？ 从 reno 到 bbr，无论哪个算法都在描述理想情况，以 reno 和 bbr 两个极端为例，它们分别描述两种理想管道，reno 将 buffer 从恰好的 0 塞到满而保持对带宽 100% 利用，而 bbr 则通过寻求维持在 buffer 恰好为 0 的状态保持对带宽 100% 的利用，它们分别是范雅各布森管道和 bb

接上文：tcp inflight 守恒算法背后的哲学 在 tcp inflight 守恒算法正确性 中，E = bw / srtt 的公平最优解是算出来的，如果自然可以用数学描述，那能算出来的东西反过来也一定能通过直感看出来，我倾向于用几何和力学描述自然(中学时中了《几何原本》和《自然哲学的数学原理》之毒) ，inflight 守恒算法的几何解释就有了： 这就是一个初等平面几何练习题，涉及一

最初的算法： 在 winmax 中追踪 alpha rounds 的 bw / rtt，将其 bw 记为 b；在 winmin 中追踪 k*alpha rounds 的 rtt，记为 minrtt；保持 inflight = b * minrtt + beta。 后来我给 beta 增加了一个 rtt 缩放系数，主要是避免 rtt 膨胀，增加一个往回收缩的趋势： 保持 inflight =