news 2026/6/8 4:45:00

别再死记硬背了！用Python模拟GBN和SR协议，彻底搞懂滑动窗口

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
别再死记硬背了！用Python模拟GBN和SR协议，彻底搞懂滑动窗口

用Python代码拆解滑动窗口协议：从GBN到SR的实战对比

当网络数据包在空中穿梭时，滑动窗口协议就像交通指挥员，确保信息有序传递而不堵塞。但教科书上的流程图总是让人昏昏欲睡——直到我们用代码让它动起来。本文将用Python构建两个可视化模拟器，分别展示**回退N帧(GBN)和选择重传(SR)**协议的核心差异，你会看到数据包如何在网络中"跳华尔兹"，以及当音乐(网络)出错时，它们如何优雅地恢复舞步。

1. 协议可视化实验室搭建

我们先构建一个可交互的实验环境。这个数字沙盘需要模拟三大核心要素：发送窗口、虚拟网络和接收端。以下代码框架将作为我们的实验基础：

import random import time from collections import deque class NetworkSimulator: def __init__(self, loss_rate=0.3): self.loss_rate = loss_rate # 模拟30%丢包率 self.packets_in_flight = deque() def transmit(self, packet): """模拟不可靠网络传输""" if random.random() > self.loss_rate: # 模拟网络延迟 delay = random.uniform(0.1, 0.5) time.sleep(delay) return packet return None

关键组件说明：

  • 发送窗口：动态维护已发送未确认的数据包序列
  • 网络模拟器：通过随机丢包和延迟模拟真实网络环境
  • 可视化控制器：使用matplotlib动态绘制窗口滑动过程

提示：在实验开始前，建议安装必要的Python库：pip install matplotlib numpy

2. 回退N帧(GBN)协议实现

GBN协议就像严格的钢琴教师——任何一个音符(数据包)出错，就必须从错误点重新弹奏整个小节。让我们用代码再现这个机制：

class GBNSender: def __init__(self, window_size=4): self.window_size = window_size self.base = 0 self.next_seq = 0 self.buffer = {} # 存储已发送未确认的包 def send(self, network, total_packets=10): while self.base < total_packets: # 填充发送窗口 while self.next_seq < self.base + self.window_size: if self.next_seq >= total_packets: break pkt = f"PKT{self.next_seq}" self.buffer[self.next_seq] = pkt print(f"[发送] {pkt}") ack = network.transmit(pkt) if ack: self._handle_ack(ack) self.next_seq += 1 # 模拟超时检测 if random.random() < 0.2: # 20%概率触发超时 print(f"\n[超时] 重传从{self.base}开始的所有包") self.next_seq = self.base def _handle_ack(self, ack): seq = int(ack[3:]) if seq >= self.base: print(f"[确认] 收到ACK{seq}") for i in range(self.base, seq + 1): if i in self.buffer: del self.buffer[i] self.base = seq + 1

GBN核心特征：

  1. 累计确认：ACK(n)表示所有≤n的包已接收
  2. 批量重传：任何包超时都会触发窗口内全部重传
  3. 接收端简单：只按序接收，乱序包直接丢弃

典型运行输出：

[发送] PKT0 [发送] PKT1 [发送] PKT2 [发送] PKT3 [确认] 收到ACK1 [超时] 重传从2开始的所有包 [发送] PKT2 [发送] PKT3 [发送] PKT4

3. 选择重传(SR)协议实现

SR协议则像精明的拼图高手——只替换丢失的那一块，而不是推翻重来。以下是它的Python化身：

class SRSender: def __init__(self, window_size=4): self.window_size = window_size self.base = 0 self.next_seq = 0 self.buffer = {} self.ack_received = set() def send(self, network, total_packets=10): while self.base < total_packets: # 发送窗口内的包 for seq in range(self.base, min(self.base+self.window_size, total_packets)): if seq not in self.buffer and seq not in self.ack_received: pkt = f"PKT{seq}" self.buffer[seq] = pkt print(f"[发送] {pkt}") ack = network.transmit(pkt) if ack: self._handle_ack(ack) # 单独超时检测 for seq in list(self.buffer.keys()): if random.random() < 0.1: # 单个包超时 print(f"[超时] 仅重传PKT{seq}") ack = network.transmit(self.buffer[seq]) if ack: self._handle_ack(ack) # 窗口滑动检测 while self.base in self.ack_received: self.ack_received.remove(self.base) self.base += 1 def _handle_ack(self, ack): seq = int(ack[3:]) if seq not in self.ack_received: print(f"[确认] 单独确认ACK{seq}") self.ack_received.add(seq) if seq in self.buffer: del self.buffer[seq]

SR协议亮点：

  • 独立确认：每个包有专属ACK
  • 选择性重传：仅重传丢失的包
  • 接收端缓存：可暂存乱序包等待拼合

4. 双协议对比实验分析

让我们设计一个对比实验，观察相同网络条件下两种协议的表现差异：

对比维度GBN协议SR协议
重传策略回退N帧，全部重传仅重传丢失帧
接收端处理丢弃所有乱序包缓存乱序包
窗口滑动条件收到最大连续ACK收到最小未确认包的ACK
带宽利用率高丢包率时效率低各种条件下表现稳定
实现复杂度较简单需要精细的状态管理

实验数据记录（相同10个包，30%丢包率）：

def run_experiment(protocol_class): network = NetworkSimulator(loss_rate=0.3) sender = protocol_class(window_size=4) sender.send(network, total_packets=10) return sender.buffer gbn_retrans = run_experiment(GBNSender) sr_retrans = run_experiment(SRSender)

典型实验结果：

  • GBN平均重传次数：12-15次
  • SR平均重传次数：4-6次
  • GBN完成时间：比SR长约2-3倍

5. 高级调试与优化技巧

当实现这些协议时，有几个关键陷阱需要注意：

常见问题排查清单：

  1. 窗口冻结：检查基序号(base)更新逻辑是否严格
  2. ACK风暴：确认没有产生ACK的无限循环
  3. 序列号溢出：实现适当的模运算处理大序列号
  4. 定时器冲突：确保每个包有独立的超时检测

优化SR协议的接收端缓存：

class SRReceiver: def __init__(self, window_size): self.rcv_window = [None] * window_size self.expected_seq = 0 def receive(self, pkt): seq = extract_seq(pkt) if seq == self.expected_seq: # 处理按序到达的包 deliver_data(pkt) self.expected_seq += 1 # 检查缓存中后续可交付的包 while self.expected_seq in self.rcv_window: deliver_data(self.rcv_window.pop(self.expected_seq)) self.expected_seq += 1 elif seq > self.expected_seq and seq < self.expected_seq + len(self.rcv_window): # 缓存乱序但有效的包 self.rcv_window[seq] = pkt send_ack(seq) # 始终发送对应ACK

在真实项目中，可以进一步添加：

  • 动态窗口调整（类似TCP拥塞控制）
  • 延迟ACK优化
  • 快速重传机制
版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/6/8 4:44:05

紫光集团芯云一体战略：从并购到自主研发的半导体产业路径

1. 紫光集团的战略拼图&#xff1a;从“买买买”到“芯云一体”的底层逻辑提到紫光集团&#xff0c;圈内人第一反应往往是两个词&#xff1a;“买买买”和“挖挖挖”。这几乎成了外界给紫光贴上的最显眼标签。但如果我们只停留在标签层面&#xff0c;就很容易陷入“战术勤奋&am…

作者头像 李华
网站建设 2026/6/8 4:43:22

多维聚合四层数据操作：从GROUP BY到可交付报表

1. 项目概述&#xff1a;多维聚合中的数据操作&#xff0c;远不止GROUP BY那么简单“Part 20: Data Manipulation in Multi-Dimensional Aggregation”这个标题乍看像是一门数据库课程的第20讲&#xff0c;但如果你真在业务一线做过报表开发、BI建模或数据中台建设&#xff0c;…

作者头像 李华
网站建设 2026/6/8 4:41:35

EMO-Ai-7b-Q8_0-GGUF性能优化：10个技巧提升AI推理速度

EMO-Ai-7b-Q8_0-GGUF性能优化&#xff1a;10个技巧提升AI推理速度 【免费下载链接】EMO-Ai-7b-Q8_0-GGUF 项目地址: https://ai.gitcode.com/hf_mirrors/HefeiAicc/EMO-Ai-7b-Q8_0-GGUF EMO-Ai-7b-Q8_0-GGUF是一款基于GGUF格式的高效AI模型&#xff0c;专为快速推理设计…

作者头像 李华
网站建设 2026/6/8 4:38:29

数美验证码逆向实战：我是如何一步步破解那些神秘参数的

数美验证码逆向实战&#xff1a;从迷雾到光明的技术探秘之旅第一次面对数美验证码时&#xff0c;那些看似随机的rid、vk、nm参数就像天书般令人困惑。作为常年与验证码打交道的开发者&#xff0c;我决定深入这个加密迷宫&#xff0c;一探究竟。本文将用第一视角带你重现这场技术…

作者头像 李华