使用 K 线图分析 BBR 拥塞控制算法

一、概述

1. 问题背景

在网络性能分析中，当只有一个吞吐率散点图需要分析链路带宽走势时，传统的分析方法存在局限性。移动平均线会随时间依次平滑掉所有细节，因此它是滞后的。而蜡烛图（即 K 线图）同时保留峰谷起始，更多细节被保留，通过按阶段绘制四点包络线又同时会显示移动平均的趋势。

2. 核心思想

通过蜡烛图分析 BBR 带宽变化，可以识别多种网络状态：

• 随机波动和随机噪声
• 微突发流量
• 持续拥塞和逐渐拥塞
• 新流侵入和退出
• 探测比例和公平比例

3. 技术价值

蜡烛图通过实体长度、上影线、下影线长度等特征，能够刻画很多细节并得到很多结论。通过大阳线、大阴线、锤头、十字星、吊颈线等固有模式及其组合分析，可以深入理解 BBR 拥塞控制算法的运行状态。

二、蜡烛图基础

1. 起源与定义

蜡烛图（日本称为「けいせん」，Kei-sen）始于日本，早期用于统计米价走势，如今普遍用于金融领域。只有中国等少数国家叫「K 线图」，其余多称为「蜡烛图」。Kei-sen 发音也包括「线」的发音，疑似源于粤语音读。

2. 基本组成

一个标准的蜡烛图包含四个关键价格点：

• 开盘价（Open）：周期开始时的价格
• 最高价（High）：周期内的最高价格
• 最低价（Low）：周期内的最低价格
• 收盘价（Close）：周期结束时的价格

3. 形态特征

• 实体：收盘价与开盘价之间的部分，反映价格变动幅度
• 上影线：实体上方的细线，代表最高价与实体顶端（开盘价或收盘价）的距离
• 下影线：实体下方的细线，代表最低价与实体底端（开盘价或收盘价）的距离

4. 常见模式

• 大阳线：收盘价远高于开盘价，实体较长，表示强势上涨
• 大阴线：收盘价远低于开盘价，实体较长，表示强势下跌
• 锤头：下影线较长，实体较小，表示反转信号
• 十字星：开盘价与收盘价接近，实体很小，表示市场犹豫
• 吊颈线：上影线较长，实体较小，表示可能的反转

三、BBR 算法简介

1. 核心概念

BBR（Bottleneck Bandwidth and Round-trip propagation time）是 Google 推出的一种 TCP 拥塞控制算法。与传统的基于丢包的拥塞控制算法（如 CUBIC）不同，BBR 基于带宽和 RTT（往返时间）进行拥塞控制。

2. 工作原理

BBR 通过测量网络路径的瓶颈带宽和最小 RTT，动态调整发送速率。其主要状态包括：

graph LR
    A[Startup] -->|探测带宽| B[Drain]
    B -->|排空队列| C[ProbeBW]
    C -->|周期探测| D[ProbeRTT]
    D -->|测量 RTT| C

3. 关键参数

• BtlBw（Bottleneck Bandwidth）：瓶颈带宽
• RtProp（Round-trip propagation time）：最小往返时间
• Delivery Rate：实际交付速率
• Inflight：在途数据量

四、BBR 模拟场景分析

1. 场景设定

以下是一个典型的 BBR 模拟场景：

• t < 100：单流正常
• 100 < t < 200：随机突发
• t = 250：新流侵入
• 300 < t < 350：随机突发
• t = 500：新流侵入
• 600 < t < 650：持续拥塞
• 750 < t < 900：逐渐拥塞
• t = 1050：带宽加倍
• 1050 < t < 1250：带宽随机波动
• 1300 < t < 1450：突发波动
• 1450 < t < 1550：突发波动

2. 带宽变化识别

通过蜡烛图分析 BBR 带宽变化：

A. 随机波动

特征：实体较小，上下影线长度接近，表示带宽在较小范围内波动。

B. 微突发

特征：下影线较长或上影线较长，实体较小，表示短时间内带宽的突然变化。

C. 持续拥塞

特征：连续的大阴线，实体较长，表示带宽持续下降。

D. 逐渐拥塞

特征：实体逐渐变长且呈阴线趋势，表示带宽逐渐恶化。

E. 新流侵入

特征：突然的大阴线，下影线较长，表示带宽被新流抢占。

F. 退出

特征：突然的大阳线，上影线较长，表示流退出后带宽释放。

3. 分析优势

对移动平均而言，不同 alpha 的平滑细节不同，即便和算术平均放一起也看不出任何趋势，几乎无法分析。而蜡烛图能够：

• 保留峰谷起始信息
• 显示阶段内的最大值和最小值
• 同时展示趋势和细节
• 通过形态识别各种网络状态

五、Python 实现蜡烛图绘制

1. 环境准备

A. 安装依赖

pip3 install virtualenv
virtualenv py3env
source py3env/bin/activate
pip3 install mplfinance

B. 所需库

• mplfinance：专门用于金融数据可视化的 Python 库
• numpy：数值计算库
• pandas：数据处理库

2. 基础示例

A. 数据准备

import mplfinance as mpf
import numpy as np
import pandas as pd

data_list = []
data_list.append((100, 104, 98, 102))
data_list.append((102, 108, 88, 96))
data_list.append((96, 100, 85, 93))
data_list.append((93, 115, 93, 105))

data = np.array(data_list).reshape(-1, 4)
df = pd.DataFrame(data, columns=['Open', 'High', 'Low', 'Close'])

dates = pd.date_range(start='2023-01-01', periods=len(df), freq='D')
df.index = dates

B. 图表绘制

market_colors = mpf.make_marketcolors(up='g', down='r')
style = mpf.make_mpf_style(marketcolors=market_colors)

mpf.plot(df, type='candle')

C. 输出结果

绘制完成后，将生成标准的蜡烛图，其中：

• 绿色实体表示收盘价高于开盘价（阳线）
• 红色实体表示收盘价低于开盘价（阴线）

3. BBR 数据处理

A. 数据转换

将 BBR 的吞吐率数据转换为蜡烛图格式：

• Open：周期开始时的带宽
• High：周期内的最大带宽
• Low：周期内的最小带宽
• Close：周期结束时的带宽

B. 时间窗口选择

选择合适的时间窗口对数据分组：

• 过短：细节过多，难以识别趋势
• 过长：细节丢失，类似移动平均

建议根据实际场景调整，通常可以设置为 RTT 的整数倍。

六、扩展应用

1. Sigmoid 函数预处理

当有多个指标可以分析时，可以使用 sigmoid 函数进行特征预处理。Sigmoid 函数普遍运用于 AI 大模型，将值域映射到固定区间（一般 0 到 1），通过设定激发阈值来获得输出或不输出。

但在只有一个指标（如吞吐率散点图）的情况下，蜡烛图是更直观的分析方法。

2. 与其他方法对比

3. 实际应用场景

• 网络性能监控：实时分析链路带宽变化
• 故障诊断：识别拥塞原因和类型
• 容量规划：分析带宽使用趋势
• 算法优化：评估 BBR 参数调整效果

七、总结

蜡烛图为 BBR 拥塞控制算法的性能分析提供了一种直观且信息丰富的方法。相比传统的移动平均或算术平均，蜡烛图能够同时保留趋势和细节，通过实体长度、上下影线等特征识别各种网络状态。

结合 Python 的 mplfinance 库，可以轻松实现 BBR 数据的蜡烛图可视化，为网络性能分析和故障排查提供有力工具。

参考资料

1. K 线图下的 BBR