<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Hybla on Mi&amp;Bee Blog</title><link>https://blog.mickeyzzc.tech/tags/hybla/</link><description>Recent content in Hybla on Mi&amp;Bee Blog</description><generator>Hugo -- gohugo.io</generator><language>zh-CN</language><managingEditor>蓝宝石的傻话</managingEditor><lastBuildDate>Fri, 15 Aug 2025 00:00:00 +0000</lastBuildDate><atom:link href="https://blog.mickeyzzc.tech/tags/hybla/rss.xml" rel="self" type="application/rss+xml"/><item><title>TCP 拥塞控制算法演进全解：从 Tahoe 到 BBRv3 原理、性能与 Linux 实操</title><link>https://blog.mickeyzzc.tech/posts/network/tcp-congestion-control-evolution/</link><pubDate>Fri, 15 Aug 2025 00:00:00 +0000</pubDate><guid>https://blog.mickeyzzc.tech/posts/network/tcp-congestion-control-evolution/</guid><description>&lt;p&gt;TCP 拥塞控制是网络传输性能的关键决定因素，也是互联网稳定运行的基石。无论是 Web 服务的页面加载速度、视频直播的流畅度、云原生应用的容器间通信，还是 P2P 传输的下载效率，底层都依赖 TCP 拥塞控制协调带宽分配。例如，一个 BitTorrent 节点可能同时维持数百个 TCP 连接，如果算法选择不当，带宽利用率会大幅下降。自 1988 年 Van Jacobson 在 SIGCOMM 上发表经典论文以来，拥塞控制算法经历了近四十年的演进，从基于丢包的启发式方法发展到基于网络模型测量的精确控制。本文梳理 12 种主要拥塞控制算法的核心思想、优缺点与适用场景，从 Tahoe、Reno 到 CUBIC、BBR、Copa。&lt;/p&gt;</description></item></channel></rss>