快喵智能选路引擎落地：AI调度降延迟三成

10 月 13 日，快喵智能选路引擎 KMRoute 升级到 2.0 版本并完成全量上线。与上一版最大的区别在于决策时机：旧版依靠实时探测发现拥塞后再切换，新版引入流量预测模型，在指标恶化之前就完成线路迁移。灰度期间覆盖 12.6 万用户、累计 4.1 亿条会话，跨区会话的 P95 延迟从 214ms 降到 148ms，降幅 30.8%；晚高峰的延迟抖动超过 30ms 的会话占比从 6.4% 降到 1.9%。

这套引擎不改变节点数量，也不增加新的加密环节，它解决的是一个更朴素的问题：同一时刻，从同一个城市出发的三条线路，哪一条在接下来一分钟里最稳。

从“发现拥塞”到“预测拥塞”

KMRoute 2.0 的输入是每条候选线路的 12 维特征：往返时延、抖动、丢包率、重传率、建连成功率、带宽利用率、并发连接数、运营商 AS 归属、时段权重、历史拥堵概率、同区域节点负载、以及上游骨干的 BGP 路由变更次数。特征每 3 秒刷新一次，模型输出未来 20 秒、40 秒、60 秒三个时间窗的拥塞概率，调度器只在概率超过 0.62 且预期收益大于 25ms 时才发起迁移。

“我们一开始也担心模型太激进，一天切几万次，用户会看到连接在跳。”快喵算法负责人林致远说，“后来把动作成本写进了目标函数：一次切换本身要付出 18ms 的重连代价，只有省下来的延迟明显高于这个数，模型才允许动手。这条约束加进去之后，日均迁移次数从 3.7 万次降到 1.1 万次，效果反而更好。”

模型本身并不复杂，采用的是梯度提升树与轻量时序网络的组合，单次推理耗时 1.8ms，全部在边缘调度节点本地完成，不依赖中心集群回传。这样做的好处是断网或中心侧故障时，本地仍能按最近一次的模型参数继续工作。训练数据来自过去 14 个月的链路指标，按城市与运营商切片，共 96 个模型分片，每周增量更新一次。

灰度四周：4.1 亿条会话的真实表现

灰度从 9 月 15 日开始，按用户 ID 哈希分批放量，依次为 5%、15%、40%、100%，每批观察 7 天。判断是否继续放量的标准有三条：跨区 P95 延迟不得高于对照组、误切率低于 1.5%、客服工单中“频繁断线”类目不得上升。四周下来，三条标准全部满足，第三批放量时误切率一度升到 1.2%，原因是东京汇聚层的一台设备网卡队列异常，运维在 4 小时内更换后恢复。

分区域看，收益最明显的是中国大陆至北美方向：洛杉矶线路的 P95 延迟从 268ms 降到 179ms，主要来自对跨太平洋海缆拥塞的提前规避。欧洲方向改善相对有限，法兰克福线路从 196ms 降到 171ms，因为该区域可选路径少，模型能做的腾挪空间不大。亚太内部的城市间会话几乎无变化，本来就只有 27 至 58ms，没有多少优化余地。

游戏与视频两类流量的表现差异也值得记录。游戏会话对抖动敏感但对带宽不敏感，模型为它们设置了更低的切换阈值，宁可多切一次也不让抖动超过 8ms；视频会话则相反，切换会导致分片重缓冲，阈值被抬高到 40ms，并且只允许在关键帧间隙执行迁移。灰度期间，游戏会话的往返延迟 95 分位下降 22ms，视频卡顿率下降 0.8 个百分点。

用户看到的变化与可观测性

对普通用户来说，这次升级是无感的：没有新的开关，没有需要重新登录的步骤，客户端版本仍是 3.6.2。唯一可见的变化在“连接详情”里新增的一行小字“当前线路：香港 02 · 预计稳定 58 秒”，它把引擎的预测结果直接展示出来。产品团队内部对这个设计有过争论，最终决定保留，理由是让用户知道系统在做事，比让系统悄无声息地做好事更能建立信任。

“我们不打算把选路做成一个用户需要理解的功能。”快喵产品负责人何映雪在评审会上说，“用户要的是打开就能用，而不是研究为什么走了新加坡而不是东京。所以界面上只留结果，不留参数；参数留给需要排查问题的人和我们的运维。”

可观测性方面，调度中心新增了迁移回放功能：任意一条会话可以查看过去 10 分钟内经过的线路、每次迁移的触发特征与模型打分的分项贡献。这项能力在灰度期间帮了大忙，第三批放量时的那次异常，就是运维通过回放发现所有误切都指向同一台设备，而不是模型判断失误。

下一阶段的计划是把预测窗口从 60 秒延长到 180 秒，并接入城市级的天气与大型活动数据，用于提前应对突发流量。同时，模型会向路由器端下沉，让全屋设备共享同一份调度结果，避免手机与电脑各自为战。想体验新版调度的用户，可在下载中心获取客户端；节点与线路的实时状态可在首页节点与速度板块查看。