KCC：在 BBR 思路上的一次探索

KCC：在 BBR 思路上的一次探索

0. 算法与状态机

拥塞控制算法的身份由状态机界定。Tahoe/Reno、CUBIC、BBR 各有其独特的状态机。KCC 与 BBR 的关系类似 CUBIC 与 BIC——保留外层框架，替换/增加核心部件，形成独立算法。

KCC 保留 BBR 的四状态命名（STARTUP/DRAIN/PROBE_BW/PROBE_RTT），但做了两处关键改动：

1. 用卡尔曼滤波器替代滑动窗口 min_rtt 估计；
2. 新增ACK 聚合置信度状态机（四状态：IDLE→SUSPECTED→CONFIRMED→TRUSTED）。

同时，DRAIN 和 PROBE_RTT 从必须执行变为按需执行，由内层状态机驱动。

作者对 BBR 的开创性贡献保持敬意，KCC 仅是在其基础上的可行性探索。

1. BBR 状态机回顾

• DRAIN 和 PROBE_RTT必须执行（因为滑动窗口 min_rtt 需要排空才能得到真实值）

2. KCC 的两处改动

2.1 卡尔曼滤波器替代滑动窗口 min_rtt

建模：x k = x k − 1 + w k , w k ∼ N ( 0 , Q ) x_k = x_{k-1} + w_k,\; w_k\sim N(0,Q)xk​=xk−1​+wk​,wk​∼N(0,Q)；z k = x k + v k , v k ∼ N ( 0 , R ) z_k = x_k + v_k,\; v_k\sim N(0,R)zk​=xk​+vk​,vk​∼N(0,R)
x xx：真实传播延迟，z zz：观测 RTT。

关键内部变量：x_est,p_est(协方差),sample_cnt,jitter_ewma,qdelay_avg,qboost_cdwn,consec_reject_cnt。

预测-更新：

// 预测-更新迭代p_est=p_est+Q;K=p_est/(p_est+R_dynamic);x_est=x_est+K*(rtt_sample-x_est);p_est=(1-K)*p_est;

增益K KK的物理含义：R d y n a m i c R_{dynamic}Rdynamic​放大 →K → 0 K\to0K→0→ 忽略被污染的 RTT 样本。

卡尔曼自身状态机：

• Converged 时通知外层：可跳过 DRAIN、抑制 PROBE_RTT。
• 连续异常拒绝超过 25 次强制接受，防止滤波器锁定。

2.2 ACK 聚合置信度状态机

BBR 无条件加extra_acked。KCC 用四状态评估信号可靠性：

enumkcc_agg_state{KCC_AGG_STATE_IDLE,// 总分 < 256KCC_AGG_STATE_SUSPECTED,// >=256KCC_AGG_STATE_CONFIRMED,// >=512KCC_AGG_STATE_TRUSTED,// >=768};

评分四因子（每因子 256 分，总分 1024）：

1. 卡尔曼收敛（p_est<500 && sample_cnt≥5）
2. 不在丢包恢复中
3. 排队延迟低（RTT ≤ min_rtt + 2ms）
4. extra_acked稳定（≤ 窗口最大值的 1.5 倍）

行为：

• IDLE/SUSPECTED：不补偿 cwnd
• CONFIRMED/TRUSTED：补偿 cwnd，且动态放大卡尔曼R RR（最大 8 倍）
• 补偿持续超过 8 RTT → 降级到 SUSPECTED
• R RR缩放系数按比例平滑衰减：每轮 RTT 保留上一轮的 75%（即衰减掉 25% 的增量），约 4 轮回到基线

2.3 DRAIN 和 PROBE_RTT 变为按需

• DRAIN：卡尔曼收敛且qdelay_avg < 1ms→ 跳过 DRAIN（转为额外 cruise）
• PROBE_RTT：卡尔曼健康（p_est ≤ 250000）→ 完全抑制；仅发散时触发一次作为安全网

3. BBR vs KCC 对比

4. 定位

KCC 与 BBR 的关系，类似 CUBIC 与 BIC：继承外层框架，替换核心估计器，形成独立算法。因此可称为K‑BBR或BBR‑K。

在模型驱动这一纯粹路线上，KCC 延续了 BBR 的思想——用带宽和延迟直接驱动，而非堆砌规则。它与 Google BBRv2 的路线不同：后者引入大量硬性阈值（ECN、丢包率等），走向规则堆砌；KCC 则坚持用现代控制论（卡尔曼滤波、置信度评估）升级估计工具，保持模型的简洁与可解释性。

这是一种理想方向的探索，并不声称拥有 “BBR‑2” 的命名权。

GitHub: TCP KCC