[论文解读] PCC: Re-architecting Congestion Control for Consistent High Performance

Dong Mo, Qingxi Li+3 more|arXiv (Cornell University)|Sep 24, 2014

Network Traffic and Congestion Control参考文献 36被引用 243

一句话总结

本文提出性能导向拥塞控制（PCC），一种新型拥塞控制架构，用基于学习的方法替代TCP对数据包事件的硬编码响应机制，直接将发送速率调整映射到可观测的性能指标。PCC通过优化真实世界性能的效用函数，在无需网络硬件或协议变更的情况下，实现了在各种网络条件下一致且通常高达10倍于TCP的吞吐量。

ABSTRACT

TCP and its variants have suffered from surprisingly poor performance for decades. We argue the TCP family has little hope to achieve consistent high performance due to a fundamental architectural deficiency: hardwiring packet-level events to control responses without understanding the real performance result of its actions. We propose Performance-oriented Congestion Control (PCC), a new congestion control architecture in which each sender continuously observes the connection between its actions and empirically experienced performance, enabling it to consistently adopt actions that result in high performance. We prove that PCC converges to a stable and fair equilibrium. Across many real-world and challenging environments, PCC shows consistent and often 10x performance improvement, with better fairness and stability than TCP. PCC requires no router hardware support or new packet format.

研究动机与目标

• 为解决TCP拥塞控制在复杂、真实网络环境下性能不一致的长期问题。
• 克服TCP的根本性架构缺陷：对数据包级事件采用硬编码、基于假设的响应，而缺乏对实际性能结果的反馈。
• 设计一种拥塞控制框架，能够基于实测性能动态学习最优发送速率，实现一致的高性能。
• 通过可插拔的效用函数实现灵活的应用特定性能目标，而无需网络基础设施变更。
• 证明端主机基于学习的控制可优于传统TCP变种及Remy等先进协议设计，在真实、动态环境中表现更优。

提出的方法

• PCC通过将数据包级事件聚合为吞吐量、丢包率和延迟等指标，持续监控不同发送速率对性能的影响。
• 使用用户定义的函数计算效用得分，以反映应用特定的性能目标，例如在最小化丢包的同时最大化吞吐量。
• 学习控制算法比较不同速率下实现的效用，并调整发送速率以最大化经验效用。
• 通过直接将速率变化与其可测量的性能影响关联，避免硬编码的控制映射，消除对网络状态假设的依赖。
• PCC完全在端主机上运行，无需新的数据包格式、路由器硬件或网络协议变更。
• 它支持多种队列调度机制（如FIFO、FQ），并通过从真实网络行为中学习，适应不同的丢包率和RTT变化。

实验结果

研究问题

• RQ1 能否设计一种拥塞控制架构，在无需依赖对网络状态的硬编码假设的情况下，实现在多样化真实网络环境下的持续高性能？
• RQ2 与TCP传统的事件触发控制相比，基于实际性能反馈的学习方法在吞吐量、公平性和稳定性方面表现如何？
• RQ3 在极端条件下（如50%的高丢包率或可变RTT）下，PCC能多大程度维持高性能？
• RQ4 PCC能否通过在端主机更精确地表达应用目标，减少对复杂主动队列管理（AQM）机制（如CoDel或FQ）的依赖？
• RQ5 在FIFO队列且存在竞争流的情况下，PCC的性能在不同效用函数和网络拓扑下的可扩展性如何？

主要发现

• 在商用互联网上，PCC的吞吐量最高可达TCP CUBIC的10倍，即使在CUBIC已优化的高带宽延迟积（BDP）链路上亦如此。
• 在100 Mbps、30 ms RTT的链路上，高缓冲区丢包环境下，当丢包率为10%时，PCC的吞吐量比TCP CUBIC高出151倍。
• 即使在50%的丢包率下，PCC仍能维持最优可实现吞吐量的97%，表现出对极端丢包的鲁棒性。
• 在存在缓冲区膨胀和CoDel的环境中，PCC自身引入的延迟超过CoDel的阈值，导致CoDel失效，表明PCC在端主机控制方面具有显著优势。
• 在FQ队列下，PCC通过使用抗丢包的效用函数，使单个流能独立实现其性能目标，即使在100%随机丢包下亦如此。
• 在真实世界实验中，PCC的表现优于Remy、PCP及其他基于探测的协议，尤其在违背网络假设的场景下优势更明显。