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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00