試圖在 bbr 和 aimd 之間保持公平是徒勞的，因為它們沒有共識。bbr 認為 in-flight 超過 bdp 是擁塞，而 aimd 認為 buffer 溢出才擁塞，兼顧彼此，就是 bbr3，aimd 不會往左，bbr 就往右。
vegas 同理，vegas 流認為超過 bdp 的報文量大于 β 就擁塞，而 β 并沒多大，這讓 vegas 更難與 aimd 共存。
但 vegas 還有更有趣的事，每條 vegas 流都試圖維持 buffer 中的報文量的下界 α，α 是個很小的數。但 N * α > buffer_size 可與 α > diff 同時成立，buffer 已溢出，vegas 卻還試圖 cwnd++。 bbr 也存在該問題，雖然 bbr 為單流設置了 in-flight 上界 2 * bdp，但 N * 2 * bdp > buffer_size 和 cwnd < 2 * bdp 亦可同時滿足。
無論 bbr 還是 vegas 均采用 rack 丟包探測，值得一提的事，rack 早在 1994 年 vegas 論文中就被提出，只是 linux 沒有實現，讓人誤認為 rack 是晚近才由 google 提出。
我一向抱怨 bbr 狀態機太稀碎，但它也沒大錯，雖然 probe 會擠占 buffer，但 probertt 后 Σbw_i == C && queue_len == 0，卻也兌現了承諾，但值得注意，probertt 是同步的，眾流在同時進入 probebw 后僅維持自己的 bwi，卻釋放了所有 buffer，除非 N * 4 - bdp > buffer_size，請注意，如果 vegas 的 β 取 3，N 巨大且總 bdp 不太大時，bbr 更易爆 buffer。
說這個的目的是，雖然 bbr 和 vegas 均承諾把 in-flight 維持在 bdp or bdp 附近，但它們在 N 很大時卻沒有兌現能力，相反 aimd 就不同，即使 N 很大，md 行為卻同步將 in-flight 降到遠小于 bdp 處，而 bbr/vegas 沒有這類自適應的 decrease 行為。
問題的核心在于，bbr/vegas 測得的 bdp 中的 b 更全局，它們依靠 “越小的流加速比越大” 來公平收斂，而加速比必須在 buffer 中獲得(簡單等式：buffer 占比 = 帶寬占比)，反之，aimd 的天然公平性意味著對每條流而言，bdp 中的 b 都是自己的，因為異步流從概率上講，buffer_size 為 B，一條流在 in-flight 為 B 會丟包 md，N 條流就是 B / N 會丟包 md，自適應性在于除以 N，與 bbr/vegas 的 α * N 和 4 * N 相比如何。
這就是我那個 E_best 余量或 pid 逼近 E_best 試圖解決的問題，為了始終在 buffer 中保存一定的報文(借鑒于 vegas)以自適應資源騰挪，又不至于 N * 余量 > buffer_size，那么該余量一定要攜帶負反饋縮放，N 雖對單流不可見，但可用 minrtt / rtt 間接感知：
- 對所有流共同作用而言，minrtt / rtt 越小，buffer 被占越多，潛在流數增多，余量必須收縮；
- 對共存流相互作用而言，bw 越大，侵占傾向越大，越需要為它流騰挪 buffer，余量必須收縮；
minrtt / rtt 實則就是 cwnd 縮放比例，這很容易理解。設瓶頸帶寬為 C，當擁塞臨界點到達時，Σcwndi/rtti = C，而擁塞控制的目標是將 in-flight 總量收縮到 bdp，即 C * minrtt，因此目標狀態應該是 Σcwndi/minrtti = C，而共享 buffer 中 rtt 想等，從 Σcwndi/rtti = C 到 Σcwndi/minrtti = C，需要乘以一個系數 β = 1 / (minrtt/rtt) = rtt / minrtt。
既然 cwnd 如此縮放 in-flight 到 bdp，那任何比較系數都應該如此縮放，包括 vegas 系數，bbr probertt in-flight = 4，以及 E_best in-flight 余量。
如下可對 vegas 的 α，β 行為負反饋縮放。設 g(x) 為與 minrtt / rtt 正相關的參數增益函數，值域在 (0, 1)，vegas 則變為 g * α < diff < g * β。同理，對 bbr probertt 狀態的 in–flight = 4 亦可做 in–flight = g * 4 來縮放。然而在這種情況下，更細粒度的 cwnd 控量就是必須，當 N 很大，g 接近 0，cwnd 粒度需要切割到等同量級，cwnd += 1 顯得過大，cwnd += 0.08 可能更合適。
最后，這篇短文不牽扯 dcn，不要在 dcn 部署基于時延的算法：
- dcn 時延小，測量精度不足以過濾抖動(g 家 swift 緣由)；
- dcn buffer 小，N 太大更易爆 buffer；
- dcn 短流多，負反饋難以生效。
浙江溫州皮鞋濕，下雨進水不會胖。
