Sigcomm’ 2020论文Annulus在第二环路中使用了QCN拥塞控制算法来对近源端的流进行拥塞控制。论文中没有直接陈述这个算法，而是在参考文献中给出了十页的伪代码 （头皮发麻）。
根据自己搜集资料以及伪代码，这里对QCN拥塞控制算法进行总结：

QCN算法

QCN（Quantized Congestion Notification，量化拥塞通知）是一套应用于二层的端到端拥塞通知机制，通过主动反向通知，降低网络中的丢包率和延时，从而提高网络性能。QCN作为数据中心标准的一部分，主要应用于数据中心场景。
很早之前我看过的sigcomm15年的论文DCQCN就是基于QCN进行改进的，所以这两种算法大体上很接近。

Congestion Point

交换机会维持一个这样的公式：
$F_b = -((Q-Q_{eq} )+ω*(Q-Q_{old}) )$Fb​=−((Q−Qeq​)+ω∗(Q−Qold​))

• $ω$ω表示一个权重，控制$(Q-Q_{old})$(Q−Qold​)在$F_b$Fb​中的比重，文中将它设置为2。
• $Q$Q代表采样时刻瞬时队列。
• $Q_{eq}$Qeq​表示队列期望大小。
• $Q_{old}$Qold​表示上次采样的队列大小。

所以$F_{b}$Fb​用于表示队列是否发生拥塞，大于等于零表示没有发生拥塞，小于零表示发生拥塞。这时CP端会产生一个CNM报文通知发送端Reaction Point进行降速。

Reaction Point

RP端的基本算法是：

• 收到CNM消息后，根据消息中$F_{b}$Fb​来调节发送速率，$F_{b}$Fb​越大发送速率降得越低；
• 当速率降下来之后再逐步提升限速的目标上限，将发送速率恢复到原来的值。

• CR：当前速率，速率限制器（RL）限制后的当前发送速率
• TR：目标速率，在收到最后一个CNM消息之前的发送速率，是CR调整的目标速率
• Rai: 增长常数

速率降低过程公式：
$CR=CR*(1-α*|F_b|)$CR=CR∗(1−α∗∣Fb​∣)
其中$α$α 是一个常量，其取值需要保证 $*|F_b|=1/2$∗∣Fb​∣=1/2 ，因此收到CNM之后速率最多降低到原来速率的一半。

速率增大过程有公式：
$CR=1/2*(CR+TR)$CR=1/2∗(CR+TR)：快速恢复阶段

$TR=TR+R_{ai}$TR=TR+Rai​
$CR=1/2*(CR+TR)$CR=1/2∗(CR+TR)：主动增加阶段

参考文献
[1] Rong Pan. [n.d.]. QCN Pseudo Code: Version 2.2. http://www.ieee802.org/1/files/public/docs2008/au-pan-QCN-pseudo-code-ver2-2.pdf.

[2] https://zhuanlan.zhihu.com/p/142838792

[3] http://www.ieee802.org/1/files/public/docs2007/au_prabhakar_qcn_overview_geneva.pdf