VSCode Remote-SSH 扩展在 Windows 11 24H2 下使用 BBR2 拥塞算法导致连接失败的解决方案
问题背景
在 Windows 11 24H2 系统中,当用户将 TCP 拥塞控制算法手动设置为 BBR2 时,使用 VSCode 的 Remote-SSH 扩展连接远程开发环境会出现动态端口转发失败的问题。具体表现为连接过程中卡在"waiting for port forwarding to be ready"状态,最终弹出错误提示"Failed to set up dynamic port forwarding connection over SSH to the VS Code Server"。
技术分析
拥塞控制算法的影响
TCP 拥塞控制算法是网络协议栈中用于控制数据传输速率的重要机制。Windows 11 24H2 默认使用 CUBIC 算法,但部分用户出于性能优化考虑会手动更改为 BBR2 算法。BBR2 是 Google 开发的第二代 Bottleneck Bandwidth and Round-trip propagation time 算法,旨在提高网络吞吐量并降低延迟。
问题现象
当系统使用 BBR2 算法时,VSCode Remote-SSH 扩展在建立动态端口转发连接时会出现以下典型症状:
- 连接过程在"等待端口转发就绪"阶段停滞
- 最终报错"代理连接超时",提示 TCP 端口转发可能被禁用或远程服务器可能已崩溃
- 普通 SSH 连接不受影响,仅影响 VSCode 的远程开发功能
根本原因
经过验证,这个问题与 Windows 11 24H2 系统中 BBR2 算法的实现方式有关。BBR2 在某些网络环境下可能与 VSCode Remote-SSH 扩展使用的动态端口转发机制存在兼容性问题,导致连接建立过程超时。
解决方案
临时解决方法
-
将 TCP 拥塞控制算法改回默认值:
- 以管理员身份打开命令提示符
- 执行以下命令恢复默认设置:
netsh int tcp set supplemental Template=Internet CongestionProvider=ctcp netsh int tcp set supplemental Template=InternetCustom CongestionProvider=ctcp
-
重启网络服务或系统使更改生效
长期建议
- 等待 Microsoft 或 Google 发布针对 BBR2 算法的更新补丁
- 考虑使用其他拥塞控制算法如 CUBIC 或 CTCP
- 关注 VSCode Remote-SSH 扩展的更新日志,查看是否解决了此兼容性问题
技术验证
用户可以通过以下步骤验证问题是否与 BBR2 算法相关:
-
检查当前拥塞控制算法设置:
netsh int tcp show supplemental -
临时切换不同算法进行测试:
- 切换到 CUBIC:
netsh int tcp set supplemental Template=Internet CongestionProvider=cubic - 切换到 CTCP:
netsh int tcp set supplemental Template=Internet CongestionProvider=ctcp
- 切换到 CUBIC:
-
每次更改后测试 VSCode Remote-SSH 连接
注意事项
- 此问题不仅影响 VSCode Remote-SSH,也可能影响其他依赖动态端口转发的应用程序(如报告中提到的 Steam)
- Windows 11 24H2 对网络协议栈进行了多项改进,建议用户在修改高级网络设置前做好备份
- 如果必须使用 BBR2 算法,可以考虑通过 WSL 环境进行远程开发,可能规避此问题
总结
Windows 11 24H2 系统中手动设置 BBR2 拥塞控制算法会导致 VSCode Remote-SSH 扩展的动态端口转发功能失效。目前最可靠的解决方案是暂时使用其他拥塞控制算法。网络协议栈的优化需要平衡性能与兼容性,用户在修改此类高级设置时应充分测试关键应用程序的功能。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust013
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00