以下消息数公式与扇出数值均为教学假设,不构成对任何真实系统、供应商或生产环境的承诺。“全互联平方增长、星型中心瓶颈、环型链式延迟"这三个规律不变,具体常数按真实消息体积与频率实测。
9.1 讲了四种拓扑,这一节算账:通信到底花多少钱。通信不是免费的——消息数是节点数的函数,拓扑选错了,节点一多成本就爆炸。通信成本要量化成公式,扇出要控制,中心的负载要监控。
三种拓扑的消息数公式
通信成本的第一定律是消息数。三种基础结构各有公式:
| 拓扑 | 消息数 | 5 个节点 | 20 个节点 |
|---|---|---|---|
| 全互联 | n(n−1) | 20 | 380 |
| 星型 | 2(n−1) | 8 | 38 |
| 环型 | n | 5 | 20 |
全互联是平方增长。 n 个节点两两都要说一次话,消息数是 n(n−1)——节点从 10 到 20,消息数从 90 到 380。星型与环型是线性增长,但代价不同:星型把流量压到中心,环型把消息变成链式传递。
扇出与中心负载
星型拓扑省了总消息数,但代价是中心成了瓶颈。扇出——一个节点同时通信的对端数量——是第二定律。 星型中心的扇出是 n−1,每个叶子只有 1。中心要处理所有汇聚流量,它的负载直接等于总消息数的一半。
| 拓扑 | 最大扇出 | 负载集中点 |
|---|---|---|
| 全互联 | n−1(每个节点) | 无,但总量最大 |
| 星型 | n−1(中心) | 中心 |
| 环型 | 2 | 无,但延迟累加 |
最小实验:消息数公式与成长曲线
实验提供三个公式函数、成长表与中心负载计算,量化三种拓扑随节点数变化的成本曲线。
# file: agp_lab/communication_cost.py | write
# tier: 3
# verify: python3 -m unittest tests.test_communication_cost
"""多 Agent 通信成本:消息数与协调开销随规模增长。
全连接拓扑的消息数随 Agent 数二次方增长;星形/层级拓扑线性增长。
本模块量化四种拓扑在 n 个 Agent 下的消息总量与单点负载,
说明"n 不大时全连接可行,n 增大后必须换结构"。
"""
from __future__ import annotations
from typing import Any
def fully_connected(n: int) -> int:
"""全连接:每个 Agent 与其他 n-1 个各发一条,消息数 C(n,2)*2。"""
return n * (n - 1)
def star(n: int) -> int:
"""星形:n-1 个叶子各与中心通信两次(上行+下行)。"""
return 2 * (n - 1)
def ring(n: int) -> int:
"""环形:每个 Agent 只与左右邻居通信。"""
return n
def hub_load(messages: int, leaves: int) -> float:
"""星形中心承担的负载:每条消息都经过中心,中心收发各半。"""
return messages / max(leaves, 1)
def growth_table(max_n: int) -> dict[str, list[int]]:
return {
"fully_connected": [fully_connected(n) for n in range(2, max_n + 1)],
"star": [star(n) for n in range(2, max_n + 1)],
"ring": [ring(n) for n in range(2, max_n + 1)],
}
def demo() -> dict[str, Any]:
small = {n: fully_connected(n) for n in (3, 5, 8)}
mid = {n: fully_connected(n) for n in (10, 20)}
return {
"fully_connected_small": small,
"fully_connected_mid": mid,
"star_at_10": star(10),
"ring_at_10": ring(10),
"hub_load_at_10": hub_load(star(10), 9),
"growth_5_to_10": growth_table(10),
}
if __name__ == "__main__":
for key, value in demo().items():
print(f"{key}: {value}")
运行:
cd private/labs/agp-lab
python3 -m agp_lab.communication_cost
输出:
fully_connected_small: {3: 6, 5: 20, 8: 56}
fully_connected_mid: {10: 90, 20: 380}
star_at_10: 18
ring_at_10: 10
hub_load_at_10: 2.0
growth_5_to_10: {'fully_connected': [2, 6, 12, 20, 30, 42, 56, 72, 90], 'star': [2, 4, 6, 8, 10, 12, 14, 16, 18], 'ring': [2, 3, 4, 5, 6, 7, 8, 9, 10]}
六条输出对应六件事:
- fully_connected_small:3 节点 6 条消息、5 节点 20 条、8 节点 56 条。小规模时全互联还"看起来便宜”,但这个曲线在加速。
- fully_connected_mid:10 节点 90 条、20 节点 380 条。翻一倍节点,消息数翻四倍——平方增长的直观证据。
- star_at_10:星型 10 节点只要 18 条。星型把 90 压到 18,省的不是一点点。
- ring_at_10:环型 10 节点 10 条。环型消息最少,但代价是传递链。
- hub_load_at_10:中心负载 2.0。省下的消息没有消失,压到中心了——星型的瓶颈就是这里。
- growth_5_to_10:三列成长表。全互联增长最快、星型次之、环型最平——一眼看出曲线的分野。
一个值得点破的细节:hub_load_at_10: 2.0 说明 10 个节点的星型,中心平均每个对端要处理 2 次通信。“平均"是迷惑性的——中心总负载是 18 条里的 18 条,叶子只各 1 条。量化通信成本要看"谁在扛多少”,不能只看总数。
消息体积与频率
消息数只是第一维,通信成本还有两维:消息体积与频率。一次 1KB 的消息和一次 1MB 的消息成本差三个数量级;一分钟说十次和一天说一次也是天壤之别。成本的完整公式是 数量 × 体积 × 频率,消息数最小不代表最便宜——环型消息数少,但每跳都可能要复制整份上下文。
| 维度 | 影响 | 控制手段 |
|---|---|---|
| 数量 | 次数爆炸 | 拓扑选择 |
| 体积 | 单条载荷 | 压缩、摘要(7.2) |
| 频率 | 轮询与推送 | 事件驱动 |
体积与频率还呼应上下文。 一条消息如果背着完整上下文,体积就大;只传变更与引用,体积就小。9.2 的通信成本和 7 章的上下文预算是一套账——省上下文就是省通信。
通信成本与延迟
消息数影响吞吐,拓扑影响延迟。环型拓扑的延迟是链式的:一条消息要经过 n−1 跳才到最远对端,每跳都是延迟。星型只有两跳(叶子→中心→叶子),但中心处理不过来时排队延迟会涨。延迟是成本的第二张脸——省了消息数,可能赔了延迟。
| 拓扑 | 最远消息延迟 | 瓶颈 |
|---|---|---|
| 全互联 | 1 跳 | 消息总量 |
| 星型 | 2 跳 | 中心排队 |
| 环型 | n−1 跳 | 链式传递 |
通信成本与拓扑升级
成本公式不是静态的,它指导扩容。节点一多,就要从全互联降级到星型或环型,再不行就分片。 10 个节点用全互联 90 条还行,20 个就 380 条——这时候要么上星型中心,要么按领域分片让跨片通信变成少数。分片是通信成本的终级杠杆:把高频通信约束在片内,跨片只走必要消息。
| 规模 | 拓扑策略 |
|---|---|
| 小(≤5) | 全互联无压力 |
| 中(≤15) | 星型或按领域分片 |
| 大(>15) | 分片 + 跨片消息收敛 |
这与 9.3 的"单还是多"是同一道题:通信成本是决定单智能体还是多智能体的硬约束——单智能体没有通信成本,多智能体一上来就要面对这套公式。成本算不清,多智能体就从"更好的架构"变成"更贵的架构"。
带宽与背压
消息数是次数,带宽是体积乘时间。带宽不足时,消息排队,背压出现——上游还在发,下游处理不过来。背压是通信系统的自我保护:要么让上游慢下来(拉式),要么让上游排队(队列),要么丢消息让上层重试(11.1 的可重试分类)。
| 背压策略 | 行为 | 代价 |
|---|---|---|
| 拉式 | 下游就绪才取 | 上游要等 |
| 队列 | 排队缓冲 | 延迟积累 |
| 丢弃重试 | 丢消息靠重试 | 要可重试分类 |
背压是通信成本的第 4 维。 数量、体积、频率之外,处理不过来是更硬的约束——消息数算出来是 90,但下游只能处理 30,通信结构就阻塞。背压设计与拓扑选择要一起做:星型拓扑的中心最需要背压,群体拓扑的每个节点都可能成为瓶颈。
消息路由与寻址
拓扑是结构,路由是寻址。“这条消息发给谁"要能解析——层级里按职责解析,市场里按出价解析,黑板里没有收件人(写进公共区)。路由是拓扑的落地机制:拓扑决定"该发给谁”,路由决定"怎么找到谁"。
| 拓扑 | 寻址方式 |
|---|---|
| 层级 | 职责路径 |
| 市场 | 竞价出价 |
| 黑板 | 无收件人 |
| 群体 | 广播/白名单 |
路由要支持动态拓扑(9.1)。 阶段切换时,寻址规则跟着变——同一个消息,探索阶段发给全体,分工阶段发给负责人。路由与拓扑解耦:拓扑定"谁该收到",路由定"如何送达",切换时只换路由规则,不换消息语义。
通信的幂等性
分布式通信要处理重发。消息可能发两次——网络重试、客户端重试(11.1),接收方要能识别重复。幂等靠消息 ID:接收方记录处理过的 ID,重复到达直接忽略。幂等是通信正确性的底线——没有它,重试一次就把状态改两次。
| 手段 | 行为 |
|---|---|
| 消息 ID | 接收方去重 |
| 幂等操作 | 重复执行无副作用 |
| 版本检查 | 冲突重发被拒 |
幂等与 8.2 的版本仲裁是一对——消息层去重管"别处理两次",存储层版本管"旧别覆盖新",两层合起来才让重试安全。通信的幂等性要写进协议(6.3 的事件协议),而不是依赖上层碰运气。
消息的压缩与引用传递
消息体积可以压。整段上下文传递体积大,压缩与引用能压——7.2 的压缩摘要、传递引用而非全文。一条消息从"背着完整上下文"变成"传一个引用",体积可能降一个数量级。但引用传递有代价:接收方要知道去哪取、取不到怎么办。
| 方式 | 体积 | 代价 |
|---|---|---|
| 全文 | 大 | 直接 |
| 压缩 | 中 | 有损(7.2) |
| 引用 | 小 | 依赖可达性 |
引用与 8.3 的删除传播呼应——引用的目标被清除,引用就悬空。传引用的通信层要处理悬空引用:目标不可达时,是失败(11.1 分类)还是回退到全文重传。
通信的优先级
消息有优先级。故障广播优先于普通协作,协调消息优先于数据交换——优先级队列让关键消息不被普通流量堵住。9.2 的带宽是有限资源,优先级的本质是"带宽不足时先让谁过"。
| 优先级 | 消息 | 队列 |
|---|---|---|
| 高 | 故障、协调 | 优先处理 |
| 中 | 任务数据 | 正常 |
| 低 | 日志、统计 | 让路 |
优先级与 11 章的容错接缝——故障消息必须最高优先级,否则下游挂了、告警还堵在队列里。这与 11.1 的失败分类对应:致命失败的传播不能被普通消息挤掉。
架构判据
通信成本是否合格,用五条判据检查:
| 判据 | 合格的样子 | 不合格的样子 |
|---|---|---|
| 成本有公式 | 消息数能按节点数算 | 通信成本说不清 |
| 增长曲线已知 | 知道何时爆炸 | 等到卡顿才发现 |
| 扇出受控 | 中心负载有上限 | 中心被压垮 |
| 延迟可预期 | 知道最远消息几跳 | 延迟不可测 |
| 扩容有路径 | 知道何时降级/分片 | 节点一多就塌 |
判据第一条是"通信成本必须能量化",判据第三条才是关键:省下的消息没有消失,只是压到了中心——扇出和中心负载是同一个问题的两面。判据第五条是实操门槛:全互联 90 条时就要准备降级,不要等到 380 条。
小结
- 通信成本 = 数量 × 体积 × 频率,三个维度都要量化。
- 全互联平方增长,翻一倍节点翻四倍消息。
- 星型省总量但压中心,环型省总量但加延迟。
- 扇出是第二定律,中心负载要有上限。
- 节点一多就要降级或分片,扩容路径要提前设计。
阅读导航:上一节:9.1 层级、市场、黑板与群体拓扑 · 下一节:9.3 单智能体还是多智能体 。
常见错误与边界
- 通信成本说不清。 没有消息数公式,节点一多就措手不及。
- 只看消息总数。 不看中心负载,省下的流量压到中心照样崩。
- 把数量当唯一维度。 体积和频率同样决定成本,单看次数会误判。
- 忽略拓扑延迟。 环型消息少但链式延迟,交互场景受不了。
- 等到卡顿才扩容。 90 条时就该准备降级,不是 380 条才动手。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。