晚高峰节点优化复盘：北美西海岸 P99 延迟降了 47ms
8 月份我们对北美西海岸方向做了次大规模路由调优，经过 4 次迭代，P99 延迟从 136ms 降到 89ms。本文把原始 Grafana 监控图、配置变更记录、A/B 测试数据都贴出来，看过程比看结论更值得。
问题背景：晚高峰 P99 延迟飙到 136ms
8 月初有用户反馈晚高峰（北京时间 21:00-23:00）使用北美西海岸节点时偶发卡顿。从 Grafana 监控看，P50 延迟稳定在 78ms，但 P99 飙到了 136ms，丢包率 1.8%。这意味着 1% 的请求会卡 3 秒以上——对游戏玩家是致命的。
技术团队 8 月 5 日立项，目标是「P99 延迟降到 100ms 以下，丢包率降到 0.5% 以下」。下面记录 4 次迭代的过程。
第一轮：BGP 路由表优化（8 月 6 日）
第一轮怀疑是 BGP 路由问题。我们重新协商了与 Level3 / Cogent / NTT 三家上游的 BGP peering，新增 2 条直连线路。效果：P50 延迟从 78ms 降到 72ms，但 P99 几乎没变化（135ms）。
结论：BGP 路由不是主要瓶颈，问题在更高层。
第二轮：节点扩容（8 月 9 日）
第二轮怀疑是单节点过载。我们在洛杉矶新增 4 条 10Gbps 节点，将西海岸总带宽从 40Gbps 提升到 80Gbps。效果：丢包率从 1.8% 降到 0.9%，P99 降到 112ms。
结论：节点扩容有效但不显著，问题在客户端与服务端的协议层交互。
第三轮：协议层调优（8 月 12 日）
第三轮我们对 KL-Protocol 1.0 做了协议层调优：
- 调整 MTU 从 1420 到 1380，减少分片概率
- 改用心跳间隔从 25 秒到 30 秒，减少控制包占比
- 引入 BBR v2 拥塞控制算法替代 CUBIC
效果立竿见影：P99 延迟从 112ms 降到 96ms，丢包率降到 0.4%。这次迭代是关键拐点。
第四轮：智能选路 2.0 灰度（8 月 15 日）
8 月 15 日我们把 8.6.2 智能选路 2.0 的预测模型对北美西海岸节点做了灰度，10% 用户启用。8 月 18 日扩展到 50% 用户。效果：P99 延迟稳定在 89ms，丢包率 0.12%。
达到 8 月初的目标（P99 ≤ 100ms，丢包率 ≤ 0.5%），灰度 100% 推送随 8.6.2 正式版一起发布。
复盘：3 个值得记的教训
- BGP 不是万能的：很多团队遇到延迟问题先调 BGP，但实际可能是协议层 MTU、心跳、拥塞控制的问题
- 节点扩容有上限：单纯堆节点能解决丢包，但解决不了延迟，延迟问题要从协议层入手
- 智能选路是放大器：智能选路 2.0 本身不会让节点变快，但能让客户端避开已经拥堵的节点，把好钢用在刀刃上