RTT 分解：四元模型与三元模型

RTT 分解：四元模型与三元模型

摘要

端到端 RTT 的构成有两种分解方式。网络测量领域使用四元模型，按物理过程划分分量。KCC 算法提出三元模型，按分量的行为特性与可信度重新分类。本文严格对比两种模型的定义、分类准则、信息假设与适用范围，并论证：在拥塞控制算法的推断任务下，三元模型是更恰当的信号模型。

1. 四元模型

1.1 定义

四元模型将端到端 RTT 分解为四个串联的物理过程：

$$\text{RTT}=T_{\text{prop}}+T_{\text{trans}}+T_{\text{queue}}+T_{\text{proc}}$$

1.2 分类准则

按物理位置分类：每个分量对应数据包经过的一个可指认的处理步骤。

1.3 适用场景

网络性能测量、瓶颈定位、链路预算、设备转发性能分析。

1.4 根本局限

四元分量在端到端测量中不可独立观测。发送端仅能获得一个 RTT 标量。当 RTT 发生变化时，无法判断变化来自哪个分量。模型物理上完备，但在拥塞控制的推断任务中不可直接操作。

2. 三元模型

2.1 定义

三元模型将 RTT 按分量的行为特性与对拥塞控制的信息价值重新分类：

$${\text{RTT}}_{\text{obs}}=T_{\text{prop}}+T_{\text{queue}}+T_{\text{noise}}$$

2.2 三个分量的控制论定义

$T_{\text{prop}}$（物理基线）

包含所有不随拥塞状态变化的延迟分量。在四元模型中对应纯传播延迟、基本恒定的处理延迟、以及恒定链路速率下的基础序列化延迟。

特性：仅随路径物理切换而变化，不随发送速率或竞争流量变化。

$T_{\text{queue}}$（拥塞信号）

包含所有随拥塞程度持续变化的延迟分量。对应四元模型中的缓冲区排队时间，以及因链路速率波动而变化的序列化延迟。

特性：携带拥塞信息，可用于速率决策，但绝不可用于更新物理基线。

$T_{\text{noise}}$（干扰）

四元模型中没有对应的类别。包含所有与拥塞状态无关的瞬时波动：网卡中断聚合、操作系统调度抖动、ACK 压缩、无线链路层重传等。

特性：不包含任何拥塞信息，必须在决策中被结构性隔离。

2.3 分类准则

按行为特性与可信度分类，而非按物理位置。

• $T_{\text{prop}}$ 是可信锚点，用于建立控制基线。
• $T_{\text{queue}}$ 是信号，用于感知拥塞。
• $T_{\text{noise}}$ 是干扰，必须抑制。

3. 两种模型的对比

4. 三元模型作为推断模型

4.1 拥塞控制是一个推断问题

发送端仅能观测 RTT 和丢包。网络真实状态（传播延迟、排队长度、瓶颈容量）是隐藏变量。拥塞控制算法的本质是从被污染的观测中推断隐藏状态，并据此做出速率决策。

4.2 三元模型提供了可操作的先验结构

四元模型要求拆解一个端到端标量中无法独立观测的分量。三元模型将问题转化为三个可操作的判断：

4.3 方向性更新的工程对应

三元模型的核心推断规则——$T_{\text{prop}}$ 不因拥塞而增加——在 KCC 算法中通过方向性更新实现：RTT 上升时不更新状态，RTT 下降时正常更新。这是三元模型信任结构的直接工程表达。四元模型没有也不能提供这种更新规则的设计依据。

5. 模型选择

两个模型不互斥。它们是在不同抽象层级上对同一物理现象的描述。四元模型描述物理真值，三元模型服务于控制推断。

6. 结论

四元模型按物理位置分解 RTT，服务于网络测量。三元模型按分量行为特性与信息价值重新分类，服务于拥塞控制算法的推断任务。

三元模型的贡献不在于发现 RTT 的多分量结构，而在于为拥塞控制提供了一个可操作的信号分类框架：明确哪些分量可信、哪些是信号、哪些是干扰。这个框架直接指导了 KCC 算法的方向性更新设计，并可作为分析其他拥塞控制算法的通用语言。