<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>拥塞控制 on Mi&amp;Bee Blog</title><link>/tags/%E6%8B%A5%E5%A1%9E%E6%8E%A7%E5%88%B6/</link><description>Recent content in 拥塞控制 on Mi&amp;Bee Blog</description><generator>Hugo -- gohugo.io</generator><language>zh-CN</language><managingEditor>蓝宝石的傻话</managingEditor><lastBuildDate>Sun, 10 May 2026 00:00:00 +0000</lastBuildDate><atom:link href="/tags/%E6%8B%A5%E5%A1%9E%E6%8E%A7%E5%88%B6/rss.xml" rel="self" type="application/rss+xml"/><item><title>TCP 拥塞控制演进：从 Reno 到 BBR</title><link>/posts/network/tcp-congestion-control-evolution/</link><pubDate>Fri, 15 Aug 2025 00:00:00 +0000</pubDate><guid>/posts/network/tcp-congestion-control-evolution/</guid><description>&lt;p&gt;前面几篇文章聚焦于 P2P 网络的架构与实现，但 P2P 应用的性能瓶颈往往不在协议层本身，而在于底层的传输协议——TCP 拥塞控制。一个 BitTorrent 节点可能同时维持数百个 TCP 连接，每个连接都在独立地进行拥塞控制。如果拥塞控制算法选择不当，P2P 节点的带宽利用率会大幅下降，尤其是在高延迟或存在随机丢包的链路上。理解拥塞控制的演进，不仅能帮助 P2P 开发者优化传输性能，也是深入理解互联网传输层运作的必经之路。&lt;/p&gt;</description></item><item><title>BBR 拥塞控制算法深度解析</title><link>/posts/network/bbr-algorithm-deep-dive/</link><pubDate>Sun, 10 May 2026 00:00:00 +0000</pubDate><guid>/posts/network/bbr-algorithm-deep-dive/</guid><description>&lt;p&gt;BBR（Bottleneck Bandwidth and Round-trip propagation time）由 Google 的 Neal Cardwell、Yuchung Cheng 等人开发，是目前最先进的基于模型的拥塞控制算法之一。与传统的基于丢包的算法（如 Reno、CUBIC）不同，BBR 通过直接测量网络的瓶颈带宽和传播延迟来建模网络路径，在瓶颈点以 BDP（带宽延迟积）速率发送数据。&lt;/p&gt;</description></item></channel></rss>