Kademlia笔记

Kademlia协议(模型)是被电驴，BitTorrent所采用了的，基于异或距离算法的分布式散列表(DHT), 它实现了一个去中心化的信息储存与查询系统。

Kademlia将网络设计为一个具备160层的二叉树，树最末端的每一个叶子即是一个节点，节点在树中的位置由一样是160bit的节点ID决定。
每一个bit的两种可能值(0或1), 决定了节点在树中属于左面仍是右面的子树，160层下来，每一个节点ID便都有了一个肯定的位置。

Kademlia使用独特的异或距离算法来计算节点间的距离，异或是一种简单的数学计算，它有不少独特的性质，这些性质在以后会为咱们带来方便：

本身与本身的距离为0:
x ^ x = 0
不一样的节点间必有距离:
x ^ y > 0
交换律，x到y的距离等于y到x的距离:
x ^ y = y ^ x
从a经b绕到c, 要比直接从a到c距离长:
a ^b + b ^ c >= a ^ c
下面两个是资料上提到的，彷佛很重要，但我不大理解他们的含义:
a + b >= a ^ b
(a ^ b) ^ (b ^ c) = a ^ c

在Kademlia中，异或(距离)算法具备单向性(或者说一一对应关系)，即给定一个节点和一个距离，一定存在惟一一个相对应节点。包括距离算法在内的，Kademlia中大部分的概念，都既有算术上的意义，又能够在节点树上表现实际意义。
事实上，节点间距离反映的就是节点ID中比特的差别状况，并且越靠前的比特权值越大。或者说是反映节点在树中相隔了多少个分支，须要向上多少个树节点才能找到共同的祖先节点。

Kademlia中使用了名为K-桶的概念来储存其余(临近)节点的状态信息，这里的状态信息主要指的就是节点ID, IP, 和端口。
对于160bit的节点ID, 就有160个K-桶，对于每个K-桶i, 它会储存与本身距离在区间 [2^i, 2^(i+1)) 范围内的节点的信息，每一个K-桶中储存有k个其余节点的信息，在BitTorrent的实现中，k的取值为8.

下表反映了每一个K-桶所储存的信息

K-桶	储存的距离区间	储存的距离范围	储存比率
0	[20, 21)	1	100%
1	[21, 22)	2-3	100%
2	[22, 23)	4-7	100%
3	[23, 24)	8-15	100%
4	[24, 25)	16-31	75%
5	[25, 26)	32-63	57%
10	[210, 211)	1024-2047	13%
i	[2i, 2i+1)	/	0.75i-3

放在节点树上，即每一个节点都更倾向于储存与本身距离近的节点的信息，造成 储存的离本身近的节点多, 储存离本身远的节点少 的局面。
从上表能够看出，在1-15这个范围内的节点，只要发现，就会被100%地储存下来，而离本身距离在1000左右的节点，只会储存13%.

对于一个节点而言，K-桶就表明着节点树上那些未知的节点(其实除了本身都是未知的)构成的子树，160个K桶分别是具备1到160层的子树，由小至大。对于节点ID, 160个K-桶分别储存着节点ID前0到159个bit和本身一致的节点。

K-桶中的条目(其余临近节点的状态信息)排序的，每当收到一个消息(如查询)时，就要更新一次K桶。
首先计算本身与对方的距离，而后储存到对应的K-桶中，但若是K-桶已满(前面提到每一个K-桶储存有k=8个条目), 则会倾向放弃储存，继续保持旧的节点信息(若是还有效的话). 除了距离外，Kademlia更倾向于与在线时间长，稳定的节点创建联系。
这是由于实践证实，累积在线时间越长的节点越稳定，越倾向于继续保持在线，即节点的失效几率和在线时长成反比。
这样还能够在必定程度上抵御攻击行为。由于当大量恶意的新节点涌入时，你们都会选择继续保持旧的节点信息，而不是接受新的。
除此以外，还须要定时检查K-桶中的节点是否任然在线，及时删去已失效节点。

Kademlia协议仅定义了四种操做：

• PING: 探测一个节点是否在线
• STORE: 令对方储存一份数据
• FIND NODE: 根据节点ID查找一个节点
• FIND VALUE: 根据键查找一个值(数据)

当查找一个节点时，首先计算本身与目标节点的距离d, 而后将 log₂d 向下取整，找到对应的K-桶，从这个K-桶中选取a个节点(在BitTorrent的实现中取值为3), 向它们发送查询。
收到查询的节点一样计算距离后从本身的对应K-桶中选取a个节点返回给查询者。查询者不断重复这个过程，知道找到目标节点，或没法再找到更近的结果。
不少资料将这个过程描述成是递归的，但我以为这里认为它是迭代的更为恰当。

由于每一个节点都更倾向于储存距本身近的节点的信息，而整个网络又是一个二叉树，所以每次查询都会至少取得距离减半的结果，对于有N个节点的网络，至多只须要 log₂N 次查询。

当进行 FIND VALUE 操做时，查询操做是类型的，每份数据都有一个一样是160bit的键，没分数据都倾向于储存在与键值距离较近的节点上。
当上传者上传一份数据时，上传者首先定位几个较为接近键值的节点，用STORE操做要求他们储存这份数据。
储存有数据的节点，每当发现比本身与键值距离更为接近的节点时，便将数据复制一份到这个节点上。

当一个新节点欲加入网络时，只需找到一个已在网络中的节点，借助它对本身的节点ID进行一次常规查询便可，这样便完成了对本身信息的广播，让距本身较近的节点获知本身的存在。而离开网络没必要执行任何操做，一段时间后，你的信息会自动地从其余节点被删除。

Kademlia的精妙之处在于它选择了异或运算做为计算距离的依据，异或运算不只具备算术的意义，在二叉树式的网络模型中，一样具备实际意义，同时任何状况下都在强调距离的概念，让节点间经过距离来聚合起来。