企业官网建设流程全解析

前文：

• 把确定性交给统计-浅析 AWS RNG
• 从扩张性看 AWS RNG 为何优于传统胖树
• 最大流最小割视角下的平坦随机网络

一个事如果它是自然的，那就是好的，人为的约束限定越少，整体效率越高，或者说综合效用越高，颇有哈耶克的意思，但这也是古希腊的味道。

我还是要宣讲平坦随机网络，但我不再借 AWS RNG 的场子了。

昨天我随机网络的文章有评论 “连通器”，我就想到了前几年写的两篇无人问津的文章：

• IDC网络传输新方法-流体渗透原理；
• IDC网络低时延无阻塞拥塞控制随想；

总之就是大自然的路子，洪水可不会只选一条最短路径，泛滥就是多路径，挖沟填壑，最后雨露均沾，一片汪洋，达到最优的最大流最小割。

而在社会学领域，亦有一个对等的科斯定理：

如果交易成本为零且产权界定清晰，无论初始财产权归谁，有关各方通过自愿谈判，都可以使资源最终达到帕累托最优配置，即外部性问题可私了解决，不需要政府干预。

本文最后，我会给出科斯定理的网络适配版。现在先把为什么会这样的过程说清楚。

平坦随机网络随机 spraying 天然满足科斯定理的前置条件：

• 带宽产权天然可界定。每条路径的链路带宽容量即产权，归属端到端共享租用使用权，链路带宽存在上限，产权的使用和空闲边界存在且明确；
• 随机 spraying 大福压低带宽交易成本。分布式随机选路，无中心化路由控制，相比 SPF 的重收敛，无路径切换开销，真正的分组交换网络；

剩下的就是我前面引文中自然而然的 “流体渗透” 过程，引入水往低处流的重力梯度模型等价 AWS RNG 的WP 0 , WP 1 , . . . , IR , OR \text{WP}_0,\text{WP}_1,...,\text{IR},\text{OR}WP0​,WP1​,...,IR,OR，由于每个发送节点都在进行随机 spraying，数据流在时间和空间上被充分打散，也就打散了拥塞，换句话就是所有s ss感到的拥塞在统计意义上完全一致的。

科斯定理指出，资源最终会通过自由交换达到帕累托最优，即效率最大化。在随机网络中，这表现为统计复用带来的全局负载均衡，也包括拥塞均衡。

拥塞的自然化解，就像市场中价格机制调节供需一样，网络通过多路径的延迟，丢包率自动调节了流量分布，少有超长路径，波动范围有界，多路径随机 spraying 和包抽象(请忘掉流抽象)成为了自然推论，最终获得了微观随机，宏观确定的结果。

随机网络就好比一个多管连通器，当多管连通器内注入液体，无论每根管子的粗细如，形状怎样，甚至将某些管子抬高，降低或倾斜，最终所有管子中的液面高度总是保持在同一水平面，不偏不倚。这也等同于洪泛原理，最终没有一条沟壑是干枯的。

只要拥塞没有反压到s ss，即源端未溢出，就意味着还有空闲带宽资源可用，重力梯度模型下下的多个下一跳 spraying 机制注定可找到这些资源，这就是资源可置换的体现，若s ss溢出，则端到端拥塞控制无状态软件收敛。如上的过程，这本身就是一个自然的过程。

在科斯定理为背景的范式下，再看 SPF 网络就知道它为什么引入越来越多的机制，却总有问题越来越多的难题了。

在传统的 SPF 网络中，数据流往往集中在少数固定路径，导致相交链路拥塞，而其他链路却闲置，这本质上是网络带宽资源的公地悲剧：

• 缺乏合理分配机制，导致局部资源被过度挤占，整体上空闲资源被浪费；
• 带宽交易置换成本高，需重路由才能选择新的单一路径，引入乒乓损耗；

但就是这种不完美的网络创造了几乎完美的互联网奇迹，当我们思考个中缘由时，规模缩放中的不变量再次占据了 C 位。主宰传播时延的准光速在从数据中线网络到广域互联网中不变。

时延分量的占比决定了策略行为的方向，广域网中，spraying 将增加传播时延的方差，从而带来抖动，而在数据中心，同样的行为降低的却是排队时延的方差。

有趣的事再次发生，最初为广域网量身定制的随机分组交换网，最终却最佳适配到了作为规则主板延申的数据中心网络：

在排队时延占比数量级高于传播时延，且带宽边界清晰，多路径随机 spraying 可大幅压低交易成本的条件下，网络资源调度更接近科斯范式，无需显式集中控制，也能通过自发统计复用逼近全局帕累托最优。

浙江温州皮鞋湿，下雨进水不会胖。