一、从一个常见但反直觉的现象说起

你可能听过这样的话：“网线明明是千兆的，为什么下载速度总是上不去？”

或者更具体一点：你用 speedtest 测速，自己买的 200M 宽带，下行只能跑到 80M；公司升级到 10G 专线，看 YouTube 4K 仍然时不时卡顿。

很多人第一反应是"运营商限速"或"网站服务器不行"。但如果你是做后端的、或者管过一段广域网链路，会知道罪魁祸首往往不是带宽不够，而是 TCP 的拥塞控制策略本身。

一、从一个常见的运维难题说起

假设你正在运营一个分布式限流系统，全公司上百个服务都要经过你分配的"带宽配额"。预算就这么多，但每个服务的真实需求你事先不清楚——有的服务平时风平浪静，促销时流量能翻 10 倍；有的服务每月稳定增长 30%。

你会怎么分配这些带宽？

• 分配固定配额：结果几乎是灾难——资源浪费和争抢同时发生。
• 让业务方报需求：这种"自报家门"在 KPI 面前几乎一定会虚报，最后仍然会把系统打爆。
• 让业务方主动试：先少申请一点，发现不够再加。这种"摸着石头过河"的思路，恰恰是 TCP 拥塞控制的核心。

30 多年前，Van Jacobson 在设计 TCP 拥塞控制时面对的是同一个问题：网络（链路）的带宽是共享资源，发送方不知道链路的当前容量，也不知道有多少其他发送方在抢资源。他必须设计一个让所有发送方在不知道对方存在的情况下，依然能公平、高效地共享链路的算法。

如果你写过监控告警、自适应限流或者负载均衡，大概率遇到过这个问题：怎么用一个数值，实时地描述"当前系统有多慢"？EWMA（Exponentially Weighted Moving Average，指数加权移动平均）几乎是工程实践里的标准答案——它只需要一个 float 的内存，一行加法就能更新，却能给出比简单平均更贴近"当下"的估计。

一、从一个常见的运维难题说起

先抛个场景：某个核心服务运行了一段时间后，运维同学收到告警——Full GC 次数突然飙高。登录机器一看，Metaspace 使用率长期维持在 90% 以上，老年代被反复撑爆。

按照经验，第一反应是加大 -XX:MetaspaceSize。但问题是：加大到多少合适？ 设 256M，下次告警；设 512M，内存浪费严重；设 1G，业务方立刻投诉资源利用率低。