使用指数退避有什么好处？
What is the benefit of using exponential backoff?
当代码在等待某个延迟时间不确定的条件时，貌似很多人选择使用指数退避，即等待N秒，检查条件是否满足；如果不是，请等待 2N 秒，检查条件等。在 constant/linearly 增加的时间跨度中进行检查有什么好处？
这是TCP拥塞控制的行为。如果网络极其拥塞，实际上没有流量通过。如果每个节点在检查之前等待一个恒定的时间，那么仅仅用于检查的流量将继续阻塞网络，并且拥塞永远不会解决。类似地，对于检查之间线性增加的时间，可能需要很长时间才能解决拥塞问题。
指数退避在同时尝试做某事会相互干扰从而 none 成功的情况下很有用。在这种情况下，让设备随机尝试 window 中的操作太小将导致大多数尝试失败并且必须重试。只有当 window 变得足够大时，尝试才有可能成功。
如果事先知道有 16 个设备想要进行通信，则可以 select window 的大小，这对于该负载级别是最佳的。但在实践中，竞争设备的数量通常是未知的。 window 大小在每次重试时加倍的指数退避的优点是 无论竞争实体的数量如何:
大多数操作成功的window大小通常在大多数操作成功的最小window大小的两倍之内，
大多数在 window 大小下失败的操作将在下一次尝试时成功（因为大多数较早的操作都会成功，所以只有不到一半的操作会竞争window 是原来的两倍）和
- 所有尝试所需的总时间最终只会是最后一次所需时间的两倍。
如果 window 不是每次都加倍，而是简单地增加一个常数，那么在 window 达到可用大小之前重试操作所花费的时间将与需要任何 window 大小的正方形。虽然最终的 window 大小可能比使用指数回退时使用的要小，但所有尝试的总成本会大得多。
假设您指的是在执行操作之前测试条件：
- 当测试条件的成本与执行操作的成本相当时（例如在网络拥塞中），指数退避是有益的。
- 如果测试条件的成本要小得多（或可以忽略不计），那么线性或恒定等待可以更好地工作，前提是条件更改所需的时间也可以忽略不计。
例如，如果您的条件是针对数据库的复杂（缓慢）查询，并且操作是同一数据库的更新，那么每次条件检查都会对数据库性能产生负面影响，并且在某些时候，没有指数退避，多个参与者检查条件可能足以使用所有数据库资源。
但如果条件只是一个轻量级的内存检查（f.i.一个临界区），动作仍然是一个数据库的更新（最多比检查慢千分之几） ，并且如果在操作开始时条件在可忽略的时间内翻转（通过进入临界区），那么常数或线性回退就可以了。实际上在这种特定情况下，指数退避将是有害的，因为它会在低负载情况下引入延迟，并且更有可能在高负载情况下导致超时（即使处理带宽足够）。
总而言之，指数退避是一把锤子：它对钉子很有效，对螺丝不太有效:)
当代码在等待某个延迟时间不确定的条件时，貌似很多人选择使用指数退避，即等待N秒，检查条件是否满足；如果不是，请等待 2N 秒，检查条件等。在 constant/linearly 增加的时间跨度中进行检查有什么好处？
这是TCP拥塞控制的行为。如果网络极其拥塞，实际上没有流量通过。如果每个节点在检查之前等待一个恒定的时间，那么仅仅用于检查的流量将继续阻塞网络，并且拥塞永远不会解决。类似地，对于检查之间线性增加的时间，可能需要很长时间才能解决拥塞问题。
指数退避在同时尝试做某事会相互干扰从而 none 成功的情况下很有用。在这种情况下，让设备随机尝试 window 中的操作太小将导致大多数尝试失败并且必须重试。只有当 window 变得足够大时，尝试才有可能成功。
如果事先知道有 16 个设备想要进行通信，则可以 select window 的大小，这对于该负载级别是最佳的。但在实践中，竞争设备的数量通常是未知的。 window 大小在每次重试时加倍的指数退避的优点是 无论竞争实体的数量如何:
大多数操作成功的window大小通常在大多数操作成功的最小window大小的两倍之内，
大多数在 window 大小下失败的操作将在下一次尝试时成功（因为大多数较早的操作都会成功，所以只有不到一半的操作会竞争window 是原来的两倍）和
- 所有尝试所需的总时间最终只会是最后一次所需时间的两倍。
如果 window 不是每次都加倍，而是简单地增加一个常数，那么在 window 达到可用大小之前重试操作所花费的时间将与需要任何 window 大小的正方形。虽然最终的 window 大小可能比使用指数回退时使用的要小，但所有尝试的总成本会大得多。
假设您指的是在执行操作之前测试条件：
- 当测试条件的成本与执行操作的成本相当时（例如在网络拥塞中），指数退避是有益的。
- 如果测试条件的成本要小得多（或可以忽略不计），那么线性或恒定等待可以更好地工作，前提是条件更改所需的时间也可以忽略不计。
例如，如果您的条件是针对数据库的复杂（缓慢）查询，并且操作是同一数据库的更新，那么每次条件检查都会对数据库性能产生负面影响，并且在某些时候，没有指数退避，多个参与者检查条件可能足以使用所有数据库资源。
但如果条件只是一个轻量级的内存检查（f.i.一个临界区），动作仍然是一个数据库的更新（最多比检查慢千分之几） ，并且如果在操作开始时条件在可忽略的时间内翻转（通过进入临界区），那么常数或线性回退就可以了。实际上在这种特定情况下，指数退避将是有害的，因为它会在低负载情况下引入延迟，并且更有可能在高负载情况下导致超时（即使处理带宽足够）。
总而言之，指数退避是一把锤子：它对钉子很有效，对螺丝不太有效:)