網絡連接的可持續性

（部分： 生態系統和網絡）

1）目的和領域

「網絡關系的可持續性」是生態系統在渠道，節點，區域和外部攻擊失敗時保持參與者（運營商，提供商，工作室，附屬機構，noda/驗證者，支付和KYC服務）之間交互的可訪問性和可預測質量的能力。關鍵任務：最小化MTTR、阻止級聯故障、控制降解和快速恢復到目標SLO。

2）故障模式（威脅模型）

網絡：數據包/噴射器丟失，鏈路擁塞，BGP斷層，區域間斷裂，非對稱路由。
運輸/套接字：半開放連接，線頭阻塞（TCP），狀態突變（NAT/conn-track）。
應用級別：交通尖峰，「長期運行」查詢，n+1 RPC，後退風暴。
依存關系：DNS降級、KMS/PKI、隊列、TURN/中繼、第三方 API。
安全性：L3/L4/L7 DDoS，機器人，緩存中毒，Sybil/垃圾郵件嘗試。
操作員：錯誤的ficheflagi，沒有限制的「熱門」版本，錯誤的taymout。

3）可持續性設計原則

1.跨所有層的冗余：路徑、區域、提供商、繼電器、DNS、秘密存儲。
2.故障隔離：基於單元的體系結構,電路斷路器,bulkheads,跨單元調用限制。
3.快節奏和計時拳擊：在外部通話中短暫計時，禁止「期待永遠」。
4.等效性和安全性：等效性鍵,在接收器上。
5.默認可觀察性：跟蹤、相關ID、合成樣品。
6.降級模式：只讀、僅緩存、下降功能、關鍵線程優先級。
7.混沌工程：通過實驗證明穩定性。

4）拓撲和冗余

混合P2P+超級同行+DHT：「合同」組內的本地混合，作為中繼器和緩存的超級節點，用於搜索的DHT。
Anycast/Geo-DNS/SD-WAN：近距離登錄、托管流、基於健康的路由。
多繼電器（TURN/HTTP3-tunnels）：獨立供應商,僅在必要時提供繼電器預算。
Active-Active Regions：同步進行等效閱讀/事件；對於現金交易-最終一致性+嚴格的結算。

5）協議，taymout和retrai

傳輸：QUIC/HTTP3（沒有HoL塊的多路復用，路徑遷移），TCP-作為後退。

• RPC client timeout: p99_latency×1.5（但區域間≤ 2-3）。
• 連接時間：本地時間為200-500毫秒,區域間時間為700-1200毫秒。
• Backoff：指數與抖動；max-retries 2-3用於「閱讀」呼叫。
• 對沖（hedged requests）：在p95延遲後發送第二位執行者（僅限偶數操作）。
• 相似性：標題/字段「x-idempotency-key」，存儲刪除日誌≥ TTL中繼。
• 隊列和outbox：保證事件交付，網絡故障時重播，控制臺上的滯後。

6）負載管理和「自我保護」

限額和配額：RPC/topics上的leaky-bucket/token-bucket。
Adaptive laad-shedding：在潛伏期增長時重置低優先級查詢。
優先級：金錢/付款>遊戲活動>遙測。
Backpressure：動態窗口,並發限制,「信用限額」。
連接池：溫暖池，開放套接字/NAT狀態限制。

7） DDoS和通道安全

L3/L4: upstream scrubbing/Anycast, conn-track защита, SYN-cookies, UDP-rate.

L7：WAF/WAAP，開放主題的proof-of-work/fee-gate，針對垃圾郵件的kapchi/錢包承諾。
mTLS/TLS 1.3+E2E：加密「在路上」，固定超級節點密鑰，輪換證書。
反Sybil：可信賴的peer-ID註冊表，聲譽，KYB/KYC的影響角色。
證券默認：「禁止,如果不允許」,ACL通過拓撲,盡量減少權利。

8）SLO，SLI和可持續性指標

• Uptime關鍵尾礦≥ 99。95%/30d。
• p99區域間延誤≤ 600毫秒；error-rate ≤ 0.2%.
• Success-rate P2P-RPC ≥ 99.5%;Pub/Sub E2E p95 ≤ 2 с.
• Relay-share ≤ 30%;DHT resolve p95 ≤ 300 мс.
• MTTR SEV-1 ≤ 30分鐘；MTTA ≤ 5分鐘。

• Connectivity%（可到達性）、直接連接比例、平均鄰居數。
• 按流量類別劃分的RTT/Jitter/Loss；RPC success/failure taxonomy.
• 經紀人/中繼中的Queue depth/lag；DHT命中/小姐和記錄年齡。
• SLO Burn-rate （1h/6h/24h）；對商業KPI的影響（GTV/MAU損失）。

9）可觀察性和合成樣品

Tracing：端到端trace-ID,通過OpenTelemetry導出,網絡跳轉的旋轉語義。
徽標/度量：結構徽標，控制基數，p95/p99聚合。
RUM+合成：來自關鍵區域/提供商的真實用戶指標和全球樣本網格（每1-5分鐘）。
SLO-dashbords：關鍵流量的「交通信號燈」，延遲/供應圖，退化報告。

10）降解模式

僅讀取/僅緩存：當寫入後端時。
Stale-wile-revalidate：我們給出一個過時但適合背景更新的緩存。
功能殺手開關：不穩定部件的快速開關。
粉絲外賣：禁止「扇形」查詢，深度融合。

11）混沌工程（計劃）

Network Faults： 1-5% packet-loss, 100-300 ms jitter, blackhole選定ASN。
中繼/TURN故障：關閉N%超級節點,檢查直接連接比例。
DNS/KMS降解：人工計時器/錯誤，濾鏡驗證。
暴風雨撤退：檢查對級聯的保護（擠壓，限制，滯留）。
遊戲日規則：假設→註入→度量→改進→重播。

12） DR戰略和目標

RPO/RTO：用於配置數據和ACL-RPO ≈ 0（同步狙擊），RTO ≤ 15分鐘；對於遙測，允許RPO ≤ 5分鐘。
目錄和鑰匙：冷儲備，偶爾失敗的備用，「恢復訓練」。
區域災難：切換Anycast/Geo-DNS、緩存加熱、隊列/拓撲復制。

13）偽配置

客戶端Taymout和Retrais政策（YAML）

yaml client:
rpc:
connect_timeout_ms: 400 request_timeout_ms: 1500 retries:
max_attempts: 2 backoff: exponential base_ms: 100 jitter: true hedging:
enabled: true threshold_ms: 800  # p95 idempotent_only: true

巡回賽和優先級

yaml resilience:
circuit_breaker:
error_rate_threshold: 0. 02 rolling_window_sec: 60 open_duration_sec: 15 priorities:
payouts: high game_events: medium telemetry: low load_shedding:
target_p99_ms: 600 drop_low_priority: true

ACL和e2e通道

yaml security:
mtls: required e2e_topics: [payouts. status, limits. update]
acl:
operators: [12D3KooA..., 12D3KooB...]
providers: [12D3KooC..., 12D3KooD...]

14）Dashbords： 布局

Ops（每小時/實際時間）：Connectivity％，RPC p99，error-rate，中繼共享，DHT-latency，queue-lag，SLO burn-rate。
Network Health （week）： relay%和RTT趨勢、「嘈雜」pirs列表、NAT traversal成功、流量成本。
策略（月）：SEV、MTTA/MTTR、DR培訓、與業務指標的相關性。

15）事件劇本（spargalka）

跳躍p99和錯誤：包括降級（僅讀取，僅緩存），對沖，增加關鍵流的配額，打開熱路的滴答聲。
中繼共享>閾值：切換STUN/TURN池,擴展超級節點,增強高空打孔,暫時提高TTL緩存。
暴風雨撤退：減少最大撤退，增加鞭打，通過config服務打開全球背景標誌。
DDoS L7：啟用WAAP規則，即簽名/速度單元，在公共主題上啟用PoW/fee-gate，關閉。非必要的後端。
DNS/KMS問題：使用輔助提供程序,本地密鑰緩存,切換反火器。
區域不可用：流量失誤（Anycast/Geo-DNS）,扭曲其他區域,重新計算限制。

16）實施支票

1.固定SLO/SLI和所有者（按流/拓撲）。
2.引入Taymout/Retrai/對沖/冪等。
3.設置電路斷路器、牛頭和優先級。
4.發射合成樣品和全球行車記錄儀。
5.引入DR計劃（RPO/RTO），定期恢復訓練。
6.進行季度混亂和參數修訂。
7.記錄降級模式和通信模式。

17）詞匯表

Bulkhead-子系統隔離以防止級聯。
電路斷路器-自動關閉不穩定依賴關系。
Hedging-閾值延遲後的競爭性查詢。
Outbox/Inbox-可靠地發送/接收重復數據消除事件。
RPO/RTO-有效的數據丟失/恢復時間。
SLO燃燒率是相對於SLO的「燃燒」錯誤預算的速度。

結果：網絡連接的可持續性不是「單點」，而是紀律：冗余和故障隔離，合格的taymout和retrai，嚴格的優先級，可觀察性和定期測試。這種方法將不可避免的網絡故障轉化為托管事件，對生態系統業務流的影響最小。