基于 Ack 反馈实现的网络下行链路异常检测

背景与问题

1. ACK 卡顿（ACK stuck）：反馈链路被瞬时阻塞，ACK 长时间不到。发送端误以为数据丢了，触发不必要的超时重传，或者在静默期（quiescence）Timer 偏长，醒得太晚。
2. ACK 突发（ACK burst）：链路阻塞解除后，被排队积压的 ACK 在极短时间内集中涌入。这是 “反馈链路异常” 的特征之——：数据本身可能没丢，只是 ACK 在回来的路上被攒了一波。

简单的 “基于 RTT 阈值” 判断无法区分 “前向链路差” 还是 “反馈链路差”。本算法的目标是：仅凭 ACK 到达的时间分布与数量分布，识别出反馈链路的异常，并为 RTO 重传策略提供更精准的 ACK 超时时间点。

设计目标

两个能力可独立开关：

• enable_link_detection_：链路方向检测（burst 突发判定）
• enable_ack_stuck_detection_：ACK 卡顿检测

核心状态与数据结构

EWMA: 指数加权移动平均算法。

enum State : uint8_t { STATE_NORMAL, STATE_ACK_SPARSE, STATE_ACK_BURST };

位域技巧：两个开关与 enable_anything 共用一个 union。热路径入口只需 if (!enable_anything) return; 一次判断即可同时短路两个特性，避免分别取两个 bool 进行判断。

union {
    struct {
        uint8_t enable_link_detection      : 1;
        uint8_t enable_ack_stuck_detection : 1;
        uint8_t unused                     : 6;
    };
    uint8_t enable_anything;
};

关键算法实现

稀疏判定 MaybeBurstAckComing

判断是否 “ACK 突然变得稀疏 Sparse”，这是 Burst 突发到来的征兆，需同时满足以下条件：

• avg_ack_time_diff 即 Ack 平均到达间隔时间的平均值，已初始化；
• ack_diff > kAckDiffMinGap（50ms）；
• rtt_diverge > kRttDivergeThreshold(60ms)（rtt_diverge 为 latest_rtt - smoothed_rtt，满足该条件时，说明网络队列在增长）；
• 且本次间隔显著超过历史均值，满足以下任一：
  • ack_diff > avg + 3*50ms（绝对超出）
  • ack_diff > avg*10 且 > 2*50ms（相对暴增）
  • ack_diff > avg*9 且 cwnd 余量 < 1000（窗口快打满时更敏感）

状态迁移

NORMAL ──(检测到稀疏)──► ACK_SPARSE ──(随后涌入大量 ACK)──► ACK_BURST
   ▲                                                          │
   └──────────────(异常起点超过 500ms 老化｜过期｜清除)───────────────────┘

• NORMAL → ACK_SPARSE：MaybeBurstAckComing 命中时，刷新 ack_burst_start_time。
• ACK_SPARSE → ACK_BURST：在 500ms 窗口内，ACK 数量相对均值暴涨——ack_pkt_counter > avg*2 且 avg+7 < counter，或 avg+5 < counter 且 bytes_in_flight < cwnd/5（在途数据已大量被确认）。此时确认是积压 ACK 的集中释放。
• 任意态 → NORMAL：ack_burst_start_time 未初始化，或距异常起点已超过 500ms（复位）。

只有处于 STATE_ACK_BURST 状态且开启链路检测时，GetAbnormalLink() 才返回 kIncoming。

均值更新策略

• avg_ack_time_diff 仅在 NORMAL 态 且 ack_diff > 0 时用 EWMA 更新，避免异常态污染基线。
• avg_ack_pkt_num 在 UpdateAckPacketNum 中每超过 50ms 结算一次窗口，同样只在 NORMAL 态更新，结算后计数清零。首次直接取值，之后 EWMA。

ACK 卡顿超时 GetAckStuckTimeout

为重传管理器计算出”再等多久还没收到 ACK 包就算当前链路卡住了”，如果重传管理器的该定时器超时未收到 Ack，那么将通过上层设置 Pacer 开启一段时间的非受限模式,即在未来的 1 秒内可以立即发送任何数据，不受 Pacer Bucket 的限制，直到接收到新的 Ack 反馈包以后将此状态消除。

max( now + min(avg + 3*50ms, max(avg*9, 50ms)),
     expected_next_ack_time + 60ms )

bytes_in_flight == 0 或基线未建立时返回 0（不启用）。下界由历史 ACK 节奏决定，并保证不早于”期望下次 ACK 时间 + RTT 抖动容忍”。

时序图

下面的时序图展示一次”反馈链路阻塞 → 恢复”过程中，各组件的交互与状态迁移。

状态机图

设计权衡与局限

• 只测反馈方向：当前 GetAbnormalLink 只产出 kIncoming，因为 “ACK 突发” 是反馈链路的特征信号；前向链路异常由丢包/拥塞算法另行判断。
• 基线纯净性：均值统计严格只在 NORMAL 态更新，保证异常期间不会自我污染，但代价是异常持续时基线被 “冻结”。
• 500ms 老化：在保证及时复位与避免抖动误判之间取的折中值；超长抖动场景可能反复进出异常态，对于超大延迟 + jitter 的场景不友好。
• 无主动探测：完全被动，无额外流量发送，但检测灵敏度受发送速率影响——发包过少时样本不足，检测的及时性和准确性受限。