InfoQ|阿里淘系自研标准化协议库 XQUIC 首次公开：直播高峰期卡顿可降低 30%( 三 )

本文插图

图 4. XQUIC 内部的连接状态机设计（参考 TCP）XQUIC 拥塞控制算法模块我们将 XQUIC 传输层的内部设计放大，其中拥塞控制算法模块，是决定传输行为和效率的核心模块之一。

本文插图

图 5. XQUIC 拥塞控制算法模块设计为了能够方便地实现多套拥塞控制算法，我们将拥塞控制算法流程抽象成 7 个回调接口，其中最核心的两个接口 onAck 和 onLost 用于让算法实现收到报文 ack 和检测到丢包时的处理逻辑。 XQUIC 内部实现了多套拥塞控制算法，包括最常见的 Cubic、New Reno ，以及音视频场景下比较流行的 BBR v1 和 v2 ，每种算法都只需要实现这 7 个回调接口即可实现完整算法逻辑。
为了方便用数据驱动网络体验优化，我们将连接的丢包率、RTT、带宽等信息通过埋点数据采样和分析的方式，结合每个版本的算法调整进行效果分析。同时在实验环境下模拟真实用户的网络环境分布，更好地预先评估算法调整对于网络体验的改进效果。
面向业务场景的传输优化XQUIC 在 RPC 请求场景降低网络耗时 15% ，在短视频场景下降低 20% 卡顿率，在直播场景高峰期降低 30% 卡顿率、提升 2% 秒开率（相对于 TCP）。以下基于当下非常火热的直播场景，介绍 XQUIC 如何面向业务场景优化网络体验。
优化背景部分用户网络环境比较差，存在直播拉流打开慢、卡顿问题。

本文插图

图 6. 某节点丢包率和 RTT 统计分布这是 CDN 某节点上统计的丢包率和 RTT 分布数据，可以看到，有 5% 的连接丢包率超过 20% ， 0.5% 的连接 RTT 超过 500ms ，如何优化网络较差用户的流媒体观看体验成为关键。
秒开卡顿模型

本文插图

图 7. 直播拉流模型直播拉流可以理解为一个注水模型，上面是 CDN 服务器，中间是播放器缓冲区，可以理解成一个管道，下面是用户的体感，用户点击播放时， CDN 不断向管道里注水，当水量达到播放器初始 buffer 时，首帧画面出现，然后播放器以一定速率排水，当水被排完时，播放器画面出现停顿，当重新蓄满支持播放的水后，继续播放。
我们假设 Initial Buffer（首帧）为 100K（实际调整以真实情况为准），起播时间 T1 < 1s 记为秒开，停顿时间 T2 > 100ms 记为卡顿。
1. 优化目标