- Author:
Keith Winstein(MIT Now is already Stanford’s AP teaching CS244) andHari Balakrishnan congestion control, computer-generated algorithms.
摘要：
本文描述了一种针对多用户网络的端到端拥塞控制的新方法。我们开发了一个名为Remy的程序，它生成在端点运行的contestion-conrol算法。 Remy生成分布式算法以实现高吞吐量和低排队延迟。
在使用ns-2的模拟中，Remy生成的算法优于人类设计的端到端技术，包括Cubic，Compound和Vegas。Remy在下列情况都表现优异，先验知识明确可以作为参数的网络中（例如datacenter）;先验知识不太精确（cellular网络）;本文还评估了，性能Remy对先验知识的敏感性。
引入：
拥塞控制的重点是：什么时候端Endpoint需要传输数据？因为新的网络不断激增和发展，比如，无限网络有诸多瓶颈速率；数据中心高速率，低延迟以及充足的buffer；蜂窝状无线网络不停变化,施加于自身的无限网络；非拥塞的随机丢失。在这些新的网络情况下，TCP变现差。TCP的inflexibility 限制了结构的发展，例如TCP假定丢包是由于网络的拥塞，并且降低网络的传输速率。
我们认为最好的方法是设定个目标，让机器本身自动给调节来达到目标，这样端到端的算法是最好的。
我们建立目标的方法有三部分：
- 第一部分，一个网络模型，将先验假设建模，例如一个模型需要确定瓶颈链路最高和最低的限制
- 第二部分，一个流量模型，这个模型确定了给端ENDPOINT世家的网络负载的大小。
- 第三部分，使用网络模型和流量模型来设计一个对应的拥塞控制的算法。
我们设计了Remy这一机制，将网络模型和流量模型作为输入，拥塞控股算法希望尽可能最大化当前状况下的目标函数。Remy在48核的服务器上运行，几个小时后，一到两周的CPU-WEEKS，就可以offline得训练好这个拥塞控制算法。
1.对于网络状况和先验假设完全符合的情况跟，Remy表现大大超出别的算法
2.对于一些拥塞控制算法，修改网络网关。
3.越特征性的先验知识对Remy结果的准确性有极大的好处，如果先验知识错误，那么结果将会有很大的问题。
专有名词：
Datagram Congestion Control Protocol (DCCP) is a message-oriented transport layer protocol
Stream Control Transmission Protocol ，简写：SCTP
Request for Comments: 3124 The Congestion Manager :CM
Bufferbloat:
这现在是一个知名的问题，一些类型的网关不愿意丢弃它们缓冲区中保持的数据包。今天的TCP填补了瓶颈网关中的缓冲区，导致在同一路径上传输的其他数据包出现大量延迟。这使得很难通过有限调制解调器同时进行Skype 呼叫和上传。
一些研究人员雄辩地指出，网络运营商和实施者应该修改基础设施以使用更短的缓冲区或智能队列管理方案，例如最近的CoDel和用于不同流的单独队列。但是修改每个地方都有太多的缓冲每个LTE基站，手机内的每个LTE基带芯片，以及每个有线调制解调器都可能是一场艰苦的战斗。
我们的工作表明，在某些情况下，只需修改竞争端点，就可以在不修改网络基础设施的情况下实现可比较或更高的性能。哪条路线更容易取决于您所处的位置，并且要明确，CoDel是在Linux中实施的实际方案，而Remy是在模拟中测量的学术研究，因此声称实际奇偶校验为时尚早。但Remy建议对同一问题有一种替代的，可能更易部署的解决方案。