Linuxカーネルの最適化がQUICバグを引き起こした経緯

Cloudflareの実装するQUICであるquicheは、Linuxカーネルのデフォルト輻輳制御アルゴリズムであるCUBICを使用している。RFC 9438で標準化されたCUBICは、インターネット上のTCPおよびQUIC接続の帯域幅プローブ、損失検出時のバックオフ、回復を制御する。記事では、LinuxカーネルのCUBIC実装における、アプリの制限による除外をRFC 9438 §4.2-12に合わせるための変更が、quiche実装において予期せぬ動作を引き起こしたバグについて解説している。このバグは、輻輳イベントからの回復中にCUBICの輻輳ウィンドウ(cwnd )が最小値で固定され、回復しなくなるというものだった。テストシナリオでは、30%のパケットロスが2秒間注入され、その後ロスは停止する。本来であれば、ロス停止後にcwnd は増加しダウンロードは完了するはずだが、約60%のテストで10秒のタイムアウト内に完了しなかった。原因は、quiche実装におけるアイドル時間の検出ロジックの不備にあった。具体的には、最小cwnd(2パケット)でACK受信によりbytes_in_flightがゼロになった後、次の送信時にアイドル状態と誤認し、実際にはごく短いギャップであるにも関わらずRTTサイズのデルタを適用してしまい、輻輳回復開始時刻を未来に進めてしまうことで、cwnd が増加しない状態がループしていた。この問題は、ACK受信時刻を基準にアイドル時間を計測するように修正することで解決された。この修正は3行のコード変更で完了し、テストの合格率は100%に回復した。