引言
日常工作中，大家应该经常遇到要下载资源的场景，下载资源时，有时网络很给力，一会儿就下载成功了，有时下载很慢，几十分钟后都还在下载中，甚至更过分的是下载好长时间后直接来个下载失败。好不惹人生气。
当你在遇到这样的下载场景时，有没有思考过到底是什么原因影响着文件资源的下载速度呢？
实时网络带宽
决定用户下载大文件速度快慢的终极因素，在于用户下载进程实时抢占网络带宽的大小。其它的因素与它相比，可以忽略不计。
如果用户进程实时抢占的带宽 = 实时网络可用带宽，则在最理想的状态下，用户下载进程100%利用网络带宽，无论该下载进程是单线程（Thread）的还是多线程的，下载速度几乎没有任何区别。【因为此时没有别的进程使用网络带宽】。
但是在现实中实际是用户进程实时抢占的带宽 <= 实时网络可用带宽！因为实时网络带宽每一刻都是在变化的，那它是怎么变化的呢？因为TCP流量控制。
TCP流量控制
传统的TCP流量探测机制有一个非常致命的缺陷：一旦检测到有丢包，立马将发送速率降为1/2。降速1/2后，如果没有丢包，将会在1/2速率的基础上，按照固定的增长值（线性增长），加大发送的速率。接下来就会一直按照这个节奏到达丢包的那一刻（实时可用带宽）为止。如果下一个检测周期依然有丢包现象，会在当前1/2速率的基础上继续降速1/2。循环往复，直到文件下载结束。
很显然指数级的降速、但是线性的增速；这最后造成的结果就是真实的传输速率远远小于实时可用带宽。
多线程下载
多线程下载时，由于多个线程在竞争实时可用带宽。尽管多线程逻辑上是并行的，但其实还是按时序的串行处理。所以每个线程处于的阶段并不一致。并且带宽资源是固定的。
比如使用3个线程来进行下载，因为处于不同的阶段，有的线程因为丢包直接降速1/2，有的线程处于线性增长阶段。通过多个线程的加权平均，最后得到的下载曲线是一条平滑的曲线，且这条曲线大多数应该处于单线程下载速率的上方。这也是为什么多线程下载大文件的速度更快的原因了。
最后
最后，如果我问你写一个程序来求1亿以内素数个数，在求素数的算法已经确定的情况下，用什么样的方式花的时间更少呢？我想答案应该很清楚吧。
欢迎关注【无量测试之道】公众号，回复【领取资源】
Python编程学习资源干货、
Python+Appium框架APP的UI自动化、
Python+Selenium框架Web的UI自动化、
Python+Unittest框架API自动化、
资源和代码 免费送啦~
文章下方有公众号二维码，可直接微信扫一扫关注即可。
备注：我的个人公众号已正式开通，致力于测试技术的分享，包含：大数据测试、功能测试，测试开发，API接口自动化、测试运维、UI自动化测试等，微信搜索公众号：“无量测试之道”，或扫描下方二维码：
添加关注，让我们一起共同成长！