当前位置: 首页 > news >正文

【计算机网络】第3章:传输层—TCP 拥塞控制

目录

一、PPT

二、总结

TCP 拥塞控制详解

⭐ 核心机制与算法

1. 慢启动(Slow Start)

2. 拥塞避免(Congestion Avoidance)

3. 快速重传(Fast Retransmit)

4. 快速恢复(Fast Recovery)

🔧 关键参数与行为

🌟 现代优化算法

CUBIC(Linux 默认算法)

BBR(Bottleneck Bandwidth and RTT)

📊 拥塞控制流程总结

💡 核心设计原则


一、PPT

二、总结

TCP 拥塞控制详解

核心目标:防止网络因过载而崩溃,公平分配带宽资源,最大化网络吞吐量。
核心思想:通过动态调整发送速率(拥塞窗口 cwnd)探测网络容量上限。


⭐ 核心机制与算法

1. 慢启动(Slow Start)
  • 目的:初始阶段快速探测可用带宽。

  • 机制

    • cwnd 初始值 = 1 MSS(最大报文段大小)。

    • 每收到 1 个 ACKcwnd 指数增长cwnd *= 2)。

    • 增长上限:达到 慢启动阈值(ssthresh) 后进入拥塞避免。

  • 触发场景

    • 新连接建立时

    • 超时重传(RTO)后

2. 拥塞避免(Congestion Avoidance)
  • 目的:接近网络容量时转为线性增长,避免拥塞。

  • 机制

    • 每收到 1 个 ACKcwnd 线性增长cwnd += 1/cwnd → 约每 RTT 增加 1 MSS)。

  • 退出条件

    • 发生丢包(超时或收到 3 个重复 ACK)

3. 快速重传(Fast Retransmit)
  • 触发条件:收到 3 个重复 ACK(即发送方连续收到 4 个相同 ACK)。

  • 行为

    • 立即重传丢失报文,无需等待超时。

    • 进入 快速恢复 阶段(避免降为慢启动)。

4. 快速恢复(Fast Recovery)
  • 目的:在部分丢包时维持较高吞吐量。

  • 机制

    • 将 ssthresh 设为 max(cwnd/2, 2 MSS)(减半窗口)。

    • cwnd = ssthresh + 3 MSS(补偿已确认的 3 个重复 ACK)。

    • 每收到一个重复 ACK,cwnd += 1 MSS(维持窗口大小)。

    • 收到新数据的 ACK 后,将 cwnd 设为 ssthresh,退出快速恢复。

✅ 经典算法组合:以上 4 步统称为 Tahoe(含慢启动+拥塞避免)和 Reno(增加快重传+快恢复)。


🔧 关键参数与行为

参数作用调整时机
cwnd发送方可发送的最大数据量(动态调整)根据 ACK 或丢包事件更新
ssthresh慢启动与拥塞避免的切换阈值丢包时设为 max(cwnd/2, 2)
丢包判定超时重传 → 网络严重拥塞直接重置 cwnd=1,进入慢启动
3 个重复 ACK → 部分丢包触发快重传+快速恢复

🌟 现代优化算法

CUBIC(Linux 默认算法)
  • 用 三次函数 替代线性增长,更公平且适应高带宽延迟积(BDP)网络。

  • 核心特点:

    • 窗口增长与 时间 而非 ACK 数量相关。

    • 在拥塞避免阶段更平滑地逼近最大容量。

BBR(Bottleneck Bandwidth and RTT)
  • 主动测量网络路径的 最大带宽(BtlBw) 和 最小 RTT,动态调整发送速率。

  • 避免传统算法依赖丢包作为拥塞信号(在高丢包率网络中更高效)。


📊 拥塞控制流程总结

💡 核心设计原则

  1. 保守启动:初始 cwnd 较小,避免冲击网络。

  2. 加性增,乘性减(AIMD)

    • 增长阶段:线性/指数增加带宽利用率(公平性)。

    • 减少阶段:乘性降窗快速响应拥塞(稳定性)。

  3. 快速响应:通过重复 ACK 尽早检测丢包,减少超时等待。


总结一句话:TCP 拥塞控制通过 动态调整发送窗口(慢启动探测 → 拥塞避免维稳 → 快重传/快恢复止损),在公平性与效率之间取得平衡,确保网络高吞吐、低延迟、高可靠性。

http://www.xdnf.cn/news/868033.html

相关文章:

  • MaskSearch:提升智能体搜索能力的新框架
  • Qwen3与MCP协议:重塑大气科学的智能研究范式
  • 文献分析指令
  • SSM spring Bean基础配置
  • 代理ip的原理,代理ip的类型有哪些?
  • Vue全局事件总线
  • 【Cursor】开发chrome插件,实现网页tab根据域名分组插件
  • 区块链+AI融合实战:智能合约如何结合机器学习优化DeFi风控?
  • 使用 React Native 开发鸿蒙(HarmonyOS)运动健康类应用的系统化准备工作
  • Moticon智能鞋垫传感器OpenGo如何提升神经病学步态分析的精准性
  • 比较运算符:==、!=、>、<、>=、<=
  • 机器学习与深度学习10-支持向量机02
  • DAY43 复习日
  • 【和春笋一起学C++】(十七)C++函数新特性——内联函数和引用变量
  • [Java 基础]注释
  • 【LLMs篇】13:LLaDA—大型语言扩散模型
  • 省赛中药检测模型调优
  • 深度剖析 DeepSeek 开源模型部署与应用:策略、权衡与未来走向
  • 物联网控制技术期末复习 知识点总结 第二章 单片机
  • 【Hive入门】
  • 【网络】select、poll和epoll模型的区别
  • Kafka broker 写消息的过程
  • 突破数据孤岛:StarRocks联邦查询实战指南
  • C语言中易混淆问题【数组指针与指针数组详解】
  • C++内存列传之RAII宇宙:智能指针
  • C#入门学习笔记 #7(传值/引用/输出/数组/具名/可选参数、扩展方法(this参数))
  • WPF可拖拽ListView
  • 质检 LIMS 系统数据防护指南 三级等保认证与金融级加密方案设计
  • 英国2025年战略防御评估报告:网络与电磁域成现代战争核心
  • Axios 取消请求的演进:CancelToken vs. AbortController