RaySync 传输协议的有效带宽利用率分析介绍

简介: 最近在评论区收到不少朋友反应RaySync FTP文件传输的效果挺好,谢谢大家的鼓励。也有部分熟悉技术的同学希望介绍下原理,有部分同学咨询RaySync传输协议会不会是通过超量发包来达到快速传输,担心网络流量利用率低,比如net-speeder的双倍发包来抵抗网络丢包。

最近在评论区收到不少朋友反应[RaySync FTP]文件传输的效果挺好,谢谢大家的鼓励。也有部分熟悉技术的同学希望介绍下原理,有部分同学咨询RaySync传输协议会不会是通过超量发包来达到快速传输,担心网络流量利用率低,比如[net-speeder]的双倍发包来抵抗网络丢包。

这篇文章从原理和实测数据两方面,给大家介绍一下RaySync 传输协议的有效带宽利用率。

RaySync 传输协议原理简介:

1、RaySync 协议是在UDP协议之上,增加了RaySync的报文封装,完成了拥塞控制、报文确认、丢包重传等一系列完整的功能,可对比的实现包括[UDT]、[QUIC]、[KCP]。
2、RaySync传输协议重传机制参考了TCP的快速重传,但是做了全新的报文和确认机制设计,RaySync的重传机制可以确保在网络中丢失的报文在1个RTT时间就立刻得到重传,同时可以把由于网络乱序而触发的误重传率控制在1%以内,保障了网络带宽的充分有效利用。
3、RaySync 传输协议从电信行业IPSIGTRAN规范的[SCTP]传输协议也借鉴了一些功能设计,比如单个连接(connection)内部多流(stream)的特性,使RaySync 传输协议在两个端点之间多流传输时,无需建立多条连接,实时性得到了优化。

RaySync 数据传输带宽有效性利用对比:

RaySync 传输协议测试方法和数据收集方法简介

  • 使用RaySync FTP客户端,从RaySync FTP 服务器下载文件
  • RaySync FTP 服务器为Linux系统,RaySync FTP客户端为Windows系统
  • 使用Linux tc工具在服务器端控制丢包率和时延大小
  • 使用tcpdump在服务器端抓取网络实际发送流量
  • 测试时关闭RaySync FTP内置的压缩功能,保证传输文件所有数据未经压缩。
带宽(Mbps) 丢包率(%) 时延(毫秒) 测试文件大小(MB) 实际网络发送流量(MB) 传输完成时间(秒) 网络带宽利用率 网络带宽有效利用率
100 2% 100 1000 1028 85 97% 94%
100 5% 100 1000 1060 88 96.3% 90.9%

从上面实测数据看,RaySync 传输协议在高丢包和高时延环境中,可以保持良好的有效带宽利用率。丢失的数据报文重传是基于精准重传算法策略判断,并非net-speeder工具的暴力双倍发包。

相关文章
|
机器学习/深度学习 人工智能 算法
【PyTorch深度强化学习】TD3算法(双延迟-确定策略梯度算法)的讲解及实战(超详细 附源码)
【PyTorch深度强化学习】TD3算法(双延迟-确定策略梯度算法)的讲解及实战(超详细 附源码)
5173 1
|
7月前
|
JavaScript 前端开发 PHP
Laravel13 + Vue3 的免费可商用 PHP 管理后台 CatchAdmin V5.2.0 发布
CatchAdmin V5.2.0发布!基于Laravel 13 + Vue3的免费可商用后台系统,支持Token鉴权、RBAC权限、动态路由、代码生成、多云上传等,模块化设计,开箱即用,助力快速构建CMS/OA/CRM等企业级应用。(239字)
550 1
|
网络协议 Dubbo Java
一文搞懂NIO、AIO、BIO的核心区别(建议收藏)
本文详细解析了NIO、AIO、BIO的核心区别,NIO的三个核心概念,以及NIO在Java框架中的应用等。关注【mikechen的互联网架构】,10年+BAT架构经验倾囊相授。
一文搞懂NIO、AIO、BIO的核心区别(建议收藏)
|
11月前
|
人工智能 监控 算法
室内蓝牙定位追踪技术:从典型场景到技术局限性与优化方向详解(二)
蓝牙定位技术利用RSSI或AoA/AoD实现高精度室内定位,广泛应用于工业、仓储、楼宇及资产管理中,支持人员与设备实时追踪。虽存在环境干扰与距离限制,但通过多基站融合、AI算法优化及多技术协同,正迈向更高精度与更广覆盖的未来发展。如果您想进一步了解维构lbs智能定位的技术和案例,欢迎搜索、关注、评论留言~
|
机器学习/深度学习 资源调度 算法
【图像去噪的滤波器】非局部均值滤波器的实现,用于鲁棒的图像去噪研究(Matlab代码实现)
【图像去噪的滤波器】非局部均值滤波器的实现,用于鲁棒的图像去噪研究(Matlab代码实现)
492 2
|
机器学习/深度学习 算法 PyTorch
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
软演员-评论家算法(Soft Actor-Critic, SAC)是深度强化学习领域的重要进展,基于最大熵框架优化策略,在探索与利用之间实现动态平衡。SAC通过双Q网络设计和自适应温度参数,提升了训练稳定性和样本效率。本文详细解析了SAC的数学原理、网络架构及PyTorch实现,涵盖演员网络的动作采样与对数概率计算、评论家网络的Q值估计及其损失函数,并介绍了完整的SAC智能体实现流程。SAC在连续动作空间中表现出色,具有高样本效率和稳定的训练过程,适合实际应用场景。
6702 7
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
|
Ubuntu Linux
Ubuntu Linux
背景 Ubuntu起源于南非,其名称“Ubuntu”来源于非洲南部祖鲁语或豪萨语,意为“人性”、“我的存在是因为大家的存在”,这体现了非洲传统的一种价值观。Ubuntu由南非计算机科学家马克·沙特尔沃斯(Mark Shuttleworth)创办,他创立了Canonical公司来推动Ubuntu的发展。Ubuntu的第一个版本于2004年发布,至今已经走过了近20个年头,成为了Linux发行版中的佼佼者。
791 4
Ubuntu Linux
|
开发工具 git
Idea(二) 解决IDEA卡顿问题及相关基本配置(转)
一、IDEA太卡顿,设置使用IDEA的内存 在IDEA的安装目录下的bin目录下: 打开设置: 将idea.exe.vmoptions文件内由-server-Xms128m-Xmx512m-XX:MaxPermSize=250m-XX:ReservedCodeCacheSize=150m-ea-Dsun.
2948 0
|
人工智能 缓存 NoSQL
高并发秒杀系统设计:关键技术解析与典型陷阱规避
在电商、在线票务等场景中,高并发秒杀活动对系统性能和稳定性提出极大挑战。海量请求可能导致服务器资源耗尽、数据库锁争用及库存超卖等问题。通过飞算JavaAI生成的Redis + Lua分布式锁代码,可有效解决高并发下的锁问题,提升系统QPS达70%,同时避免缓存击穿与库存超卖。相较传统写法,AI优化代码显著提高性能与响应速度,为高并发系统开发提供高效解决方案。
|
开发者 Python
确保你的Python环境中已经安装了`python-docx`模块。如果还没有安装,可以通过pip来安装:
确保你的Python环境中已经安装了`python-docx`模块。如果还没有安装,可以通过pip来安装: