BBR 公平收敛在相图中的细节 和 aimd，bbr，inflt 守恒的收敛相图总结 已经介绍了 BBR 的 gain 不公平性，本文介绍 BBR 的 RTT 不公平性。

直觉上，BBR 采用 probe_quota = gain * maxbw * minrtt 来 probe 带宽，minrtt 越大，probe 力度越大，就跟 gain 越大，probe 力度越大一样。

给出以下代码，获得直感：

for n in range(1, len(times)):
    if n % rttx == 0:
        x[n] = x[n-1] + dt * (C*g1*x[n-1]*rttx/(g1*x[n-1]*rttx + wy[n-1] + wz[n-1]) - x[n-1])
        wx[n] = x[n]*rttx
    else:
        x[n] = x[n-1]
        wx[n] = wx[n-1]

    if n % rtty == 0:
        ...

    r1[n] = wx[n]/x[n]
    r2[n] = wy[n]/y[n]
    r3[n] = wz[n]/z[n]
    if r1[n] < rttx:
      r1[n] = rttx
    if r2[n] < rtty:
      r2[n] = rtty
    if r3[n] < rttz:
      r3[n] = rttz

运行看结果，同时展示 gain 不公平性和 RTT 不公平性，参数在图头：

看 probe_quota 的定义，同频不同 gain 的效果和异频同 gain 的效果一致，后者只需归一化 RTT，就能得到不同的 gain，然后套用 bw1:bw2 = g1:g2 来定调。

所以怎么办？

让 RTT 和 gain 反比即可，这就又是一个调参的体力活，无非就是搜集现网数据，拟合这些数据，获得一个最佳的 k = gain * RTT，让 k 变成可调的，随便给个建议值，自己调去吧。

我姑且论 k = 100，再次运行上述例子：

K = 100#1.25*71
for n in range(1, len(times)):
    if n % rttx == 0:
        x[n] = x[n-1] + dt * (C*(K/r1[n-1])*x[n-1]*rttx/((K/r1[n-1])*x[n-1]*rttx + wy[n-1] + wz[n-1]) - x[n-1])
        wx[n] = x[n]*rttx
    else:
        x[n] = x[n-1]
        wx[n] = wx[n-1]

跑起来，看结果：

值得注意的是，如何确保 K/rtt > 1，另外，为什么我用 K/srtt(或 irtt) 而不是 K/minrtt，理由是这里有个可用的负反馈，如果 srtt 过大了，说明 queuing 趋向严重，g = K/srtt 趋向变小，减少 queuing。

浙江温州皮鞋湿，下雨进水不会胖。