Decision Trace
DECISION TRACE · 方案 · AUDITABLE RECORD

代理栈运行复盘与参数纠正:单位误差、Brutal 带宽取舍与健康检查超时|Decision Trace

本轮复盘纠正了一个会长期误导判断的单位错误,并定位到「主力节点经常显示超时」的真实成因:前者让所有历史吞吐数字虚高 8 倍,后者使客户端在节点完全健康的情况下切走。两项改动合计把可用吞吐提升约 40%,并把健康检查失败率降到 0。

最终判断方向不变,吞吐绝对值以本文口径为准。
记录日期2026-10-16
记录类型方案
章节数量7
预计阅读~6 min
核心结论本轮复盘纠正了一个会长期误导判断的单位错误,并定位到「主力节点经常显示超时」的真实成因:前者让所有历史吞吐数字虚高 8 倍,后者使客户端在节点完全健康的情况下切走。两项改动合计把可用吞吐提升约 40%,并把健康检查失败率降到 0。
  • HTML: https://decision.ht1072.top/2026-10-16-vps-proxy-stack-optimization-and-unit-correction.html
  • Local HTML: [已移除本地路径]
  • Generated: 2026-10-16T11:30:40+08:00

代理栈运行复盘与参数纠正:单位误差、Brutal 带宽取舍与健康检查超时

记录范围:三层代理栈上线后约 4 天的运行数据复盘 → 发现历史吞吐记录存在单位误差(虚高 8 倍)→ 定位「主力节点经常显示超时 / 自动切换备选」的根因 → 完成四项参数与内核调优 → 端到端复验。 数据来源:服务端服务日志与网卡计数、客户端探针(每 5 分钟一轮)、本机对照实测。全部为同一条跨境链路(中国境内 → 海外 KVM VPS)上的真实测量,非厂商标称值。 关联与定位:本文是 2026-10-12 部署记录的校准与增补。总体结论:方向不变,吞吐绝对值以本文口径为准。


代理栈运行复盘与参数纠正:单位误差、Brutal 带宽取舍与健康检查超时

结论

本轮复盘纠正了一个会长期误导判断的单位错误,并定位到「主力节点经常显示超时」的真实成因:前者让所有历史吞吐数字虚高 8 倍,后者使客户端在节点完全健康的情况下切走。两项改动合计把可用吞吐提升约 40%,并把健康检查失败率降到 0。

  1. 历史记录中的吞吐数字全部虚高 8 倍。测速脚本用 bytes/s ÷ 125000 换算,得到的是 Mbit/s,却被当成 MB/s 记录并写入了部署文档。校正后:主力协议 47–51(Mbps,下同,≈6 MB/s)、备选 CF 通道 11–14(≈1.5 MB/s)、兜底 TCP 通道 0.2–0.5(≈0.05 MB/s)。协议选型的方向性结论不变——主力协议相对纯 TCP 仍是数量级优势。
  2. 「主力节点经常显示超时、自动变成备选」的根因是客户端健康检查阈值,不是节点故障。主力协议的健康检查呈双峰分布:95% 的请求 0.18s 返回,5% 完全卡死超过 5s;而客户端自动选择组默认超时正好是 5000ms,那 5% 被判为失败 → 组切换到更慢的备选节点。
  3. 声明带宽(Brutal 的 down)设得过高会拖慢自己:设 200 Mbps 时下行丢包 48%、吞吐 6.1–6.5 MB/s;降到 100 Mbps 后丢包降到 23%、吞吐升到 8.5–8.8 MB/s(+40%)。参数不是越高越快。
  4. 服务端 UDP socket 缓冲被内核默认值卡死:默认 net.core.rmem_max 只有 208KB,使监听 socket 实际缓冲停在上限 416KB——按该链路 ~2MB 的带宽时延积算,只够约 47ms 的缓冲。
  5. 四项改动已全部落地,并通过三种独立口径交叉验证。

关键发现与依据

依据一:单位误差是怎么被发现的

探针日志报告「30–40 MB/s」,但用独立方法复测同一时刻同一目标,只能得到 5–6 MB/s——相差约 8 倍。追查脚本发现换算写成了 speed_bps / 125000.0:这个除数把字节/秒转成了 Mbit/s(1 Mbit = 125000 字节),而结果被标注成 MB/s。正确换算是 ÷1e6 得 MB/s,÷125000 得 Mbps。

交叉自证方法:服务端读取网卡 tx_bytes 增量,与客户端实际收到的字节数对账——同一段下载中,网卡发出 251.6 MB、客户端收到 104.9 MB,两者之差反映的是下行丢包而非单位错误;而客户端耗时反推的速率与三种独立测量全部吻合在 5–6 MB/s 量级,确认单位口径。

路径 原记录(数字实为 Mbps) 校正后真实值 说明
主力协议(UDP 隧道) 47–51 6.1–6.5 MB/s(47–51 Mbps) 与实测逐位吻合
备选 CF 通道(TCP 回源) 11–14 1.4–1.8 MB/s;本轮复测 0.2–3.0 MB/s 波动显著,且明显低于主力
兜底 TCP 直连 0.2–0.5 ≈0.05 MB/s 基本不可用
CF 回源纯静态(上限参考) 16 ≈2 MB/s 备选通道的天花板
VPS 公网出口 58 75 MB/s(604 Mbps) 不是瓶颈
本机线路(国内镜像直连) — 11.7 MB/s(93 Mbps) 主力约为线路的一半
直连国际 TCP(不走代理) — 不可用 链路丢包直接使 TCP 崩掉

一个附带澄清:曾经流传的「CF 优选 IP 能和主力协议速度差不多」在本链路上不成立。CF 通道只优化了「本机 → CF 边缘」这一段,而「CF 边缘 → VPS」的回源仍然是 TCP,撞的是同一堵丢包墙;实测它比主力慢 3–10 倍。它的价值在抗封锁、抗定向 QoS,不在速度。

依据二:健康检查双峰分布 → 客户端误判 → 切换到备选

对主力节点连续采样 60 次健康检查(模拟客户端行为:小请求 + 5s 超时):

指标 数值
成功 57/60(失败率 5.0%)
成功耗时 中位 0.183s、p90 0.379s、最大 0.519s
失败形态 3 次全部是「满 5.0s 无任何响应」

放宽超时到 10s 后:25/25 全部成功(含一个 5.17s 的离群值)。也就是说,失败的那 5% 并不是节点不可用,而是抖动导致握手/重传超过了 5s 的判定线。客户端自动选择组切换逻辑一旦触发,用户看到的就是「主力节点显示超时 / 自动变成备选」。

值得注意的是:这类失败在吞吐测试里完全看不出来——批量下载有足够时间从丢包中恢复,而单次小请求没有。

依据三:Brutal 声明带宽与下行丢包的关系

同一节点、同一目标、参数逐档下调,每一档都同时记录吞吐与下行丢包率(服务端网卡发出字节 ÷ 客户端收到字节):

声明带宽 吞吐 下行丢包 健康检查(5s)
500 Mbps 5.3 MB/s(42 Mbps) 55.6% 12/15
200 Mbps 6.1–6.5 MB/s 48.1% 15/15
100 Mbps 8.5–8.8 MB/s(68–70 Mbps) 22.7% 15/15
50 Mbps 5.8 MB/s 9.7% 15/15

第二轮交错复测(消除时段漂移)复现同一顺序:100 档稳定领先 200 档约 40%。

机制解释:Brutal 的工作方式是「按声明速率发送,遇丢包重传而不退让」。当声明值远高于链路实际能力时,多出来的包只会在链路上排队、被丢弃、再重传,形成自造拥堵——丢包率飙到 50% 上下,有效吞吐反而掉下来。这不是链路不行,而是发送端把链路打爆了。因此调参必须同时看吞吐和丢包两个指标,只看吞吐会选错值。

依据四:UDP socket 缓冲被内核默认值卡住

服务端读到的实况:监听 socket 的接收/发送缓冲均为 416KB——而这是 net.core.rmem_max = 208KB 被内核按「先截断、再翻倍」规则处理后的结果。该链路的带宽时延积约为 2MB 量级,416KB 只够约 47ms 的缓冲;一旦抖动加大,接收缓冲溢出就会丢包。服务端累计的 receive buffer errors 已达 3 万次量级。

落地方式

# 改动 生效方式 可回滚性
1 订阅下发的节点声明带宽 200 → 100 Mbps 修改服务端节点表 + 重启订阅服务(约 1 秒不可用) 单行回滚
2 自动选择组健康检查 timeout 5s → 10s 写入订阅生成的组配置,客户端刷新订阅即生效 单行回滚
3 服务端 UDP 缓冲 rmem_max/wmem_max 208KB → 16MB 写入 /etc/sysctl.d/ 持久化 + 重启隧道服务(socket 缓冲在 bind 时确定) 删除 sysctl 文件即可
4 客户端探针口径对齐(声明带宽同步 + 单位标签修正) 本地脚本修正 备份替换

设计取舍说明:

  • 只放大缓冲上限、不动 rmem_default:该 VPS 仅 961MB 内存,抬高全局默认会让所有 socket 泛化膨胀;只抬高上限、由应用自行申请更安全。同时按内存规模等比放大 udp_mem。
  • 健康检查超时值写进服务端下发的组配置,而不是让每台客户端手改——这是唯一能覆盖手机、桌面、路由器多端的方式。
  • 探针声明带宽必须与订阅下发值一致:否则探针测的是「配置 A」而用户体验的是「配置 B」,自动降级判断会失真。

验证结果

验证项 结果
订阅下发回读 声明带宽已为 100 Mbps、组超时已为 10000ms,订阅端点 HTTP 200
吞吐(订阅真实参数,两轮) 8.56 / 8.78 MB/s(68–70 Mbps),改前为 6.1–6.5 MB/s
健康检查(30 次采样) 30/30 零失败(含一个 5.17s 离群值,旧阈值下会被误判)
服务端 socket 缓冲 rb/tb 由 416KB 提升到 16MB(×40)
探针读数 由 35–42 Mbps 提升到 62.24 Mbps,单位标注已修正
服务状态 五个常驻服务全部 active,端口跳跃规则与自启配置保留
运行稳定性(改前 4 天) 探针 1067 轮全勤零缺口;服务零重启;仅 1 次真实降级事件并自动恢复

风险边界

  • 单点架构:三层协议同机部署,VPS 一旦掉线则三层同时失效。当前以成本优先接受该风险;关键业务不应完全押在这条链路上。
  • 探针开销:每天 288 轮 × 30MB ≈ 8.6 GB,约占该 VPS 出口流量的三分之一。已识别为可优化项(下调采样体积即可,不影响判定)。
  • 暴露面:订阅端口与备选通道端口对公网开放,日志中已观察到扫描器探测。建议追加「仅允许 CDN 回源段访问」的白名单。
  • 兜底通道不可用:TCP 兜底实测仅 ≈0.05 MB/s,它的意义是「主力被完全封锁时还能连上」,不适合作为日常浏览的备份。
  • Brutal 的固有代价:按声明速率强发,对同链路其他流量不友好;且依赖 UDP 不被整体 QoS。声明值必须按实测丢包回调,不能一味调高。
  • 调优的时效性:本次最优值(100 Mbps)是当前链路状态下的实测最优;跨境链路能力会随时间段与运营商策略变化,建议保留探针持续观测,必要时重测。

经验教训

  1. 吞吐单位必须自证,不要相信标签。换算式写错一个除数就虚高 8 倍,而且会静默扩散:日志 → 状态机阈值 → 技术文档 → 迁移套件 → 公开页。任何自研测速脚本,都要用第二种独立口径交叉验证(服务端网卡计数最省事)。
  2. 调参要看两个指标。只测吞吐会挑出「声明带宽越高越好」这种反向最优解;必须叠加丢包率。本次正是先看到 48% 的异常丢包,才回过头去找声明带宽的问题。
  3. 高抖动链路上,客户端健康检查阈值要放宽。「节点报超时」和「节点不可用」是两件事——先看检查耗时的分布形态,再决定是换节点还是调阈值。
  4. 内核默认值是给通用场景的,不是给高带宽时延积的。QUIC 类协议在跨境链路上要显式放大 socket 缓冲,且改完必须重启服务(缓冲在 bind 时确定)。
  5. 不要把 CDN 回源地址当作测速目标。经 CDN 测出来的是「隧道 + 回源」,不是隧道本身,会系统性低估。
  6. 冷启动会压低首轮读数。临时实例刚起来时首轮要算上握手与拥塞控制爬坡,测速前应先预热一轮。

完整记录

本轮的排查路径与判定依据:

  1. 起点是用户侧体感:「主力节点经常显示超时,或者自动切换成备选」。先从服务端侧核对:服务状态、重启记录、探针覆盖率、节点侧会话时长分布——全部正常,说明不是节点故障。
  2. 转向客户端侧:拉取订阅、用真实下发参数起临时实例,本地实测自动选择组的选路结果——组确实优先选中主力节点(184ms vs 备选 1314ms / 兜底 620ms),选路逻辑本身没问题。
  3. 定位到阈值:既然选路逻辑正确却仍频繁切换,唯一致因是健康检查判定。逐次采样后确认双峰分布与 5s 判定线的关系。
  4. 顺带发现单位误差:核对吞吐时三方数字对不上(探针 30–40 vs 独立复测 5–6),追进脚本发现换算除数错误。
  5. 参数寻优:以「吞吐 + 丢包」双指标逐档测试声明带宽,确定 100 Mbps 为本轮最优;随后处理服务端缓冲。
  6. 端到端复验:以订阅真实下发参数(而非手工构造)复测吞吐与健康检查,确认两项改动均生效。

关联记录:本轮是 2026-10-12《自建代理栈部署记录:主力协议、CF 备选与健康自动降级》的校准与增补。该文中的吞吐数值请按本文依据一的换算表解读,架构与降级机制的描述仍然有效。