Merkle Tree

Merkle Tree是Dynamo论文中用到的一个算法，读这篇论文前，我并不知道这个算法，所以找了相关资料了解了解，以便我对论文有更进一步的了解。

 

  什么是Merkle Tree

   Merkle Tree，是一种树（数据结构中所说的树），网上大都称为Merkle Hash Tree,这是因为 它所构造的Merkle Tree的所有节点都是Hash值。Merkle Tree具有以下特点：

    1. 它是一种树，可以是二叉树，也可以多叉树，无论是几叉树，它都具有树结构的所有特点；

    2. Merkle树的叶子节点上的value，是由你指定的，这主要看你的设计了，如Merkle Hash Tree会将数据的Hash值作为叶子节点的值；

    3 非叶子节点的value是根据它下面所有的叶子节点值，然后按照一定的算法计算而得出的。如Merkle Hash Tree的非叶子节点value的计算方法是将该节点的所有子节点进行组合，然后对组合结果进行hash计算所得出的hash value。

     例如，下图就是一个Merkle Hash Tree形状，如果它是Merkle Hash Tree，则节点7的hash value必须是通过节点15、16上的value计算而得到.

  

 

图一 Merkle Hash Tree

    

     为什么要使用Merkle Tree

     目前， 在计算机领域，Merkle Tree大多用来进行比对以及验证处理。在处理比对或验证的应用场景中时，特别是在分布式环境下进行比对或验证时，Merkle Tree会大大减少数据的传输量以及计算的复杂度。例如，就拿图一举例，假如是 15,16.......30是一个个数据块的hash值，我把这些数据从A传输到B，数据传输到B后，我想验证下传输到B上的数据的有效性型（验证数据是否在传输过程中发生变化），只需要验证A 和 B上所构造的Merkle Tree的root节点值是否一致即可，如果一致，表示数据是有效的，传输过程中没有发生改变。假如在传输过程中，15对应的数据被人篡改，通过Merkle Tree很容易定位找到（因为此时，节点0,1,3,7,15对应的hash值都发生了变化），定位的时间复杂度为O（log(n））.

 

      Merkle Tree的应用场景

 

     BT下,载少BitTorrent文件的大小

     详细可参照：   http://blog.csdn.net/xtu_xiaoxin/article/details/8147956

    Amazon Dynamo 副本同步

     Amazon Dynamo 论文描述的副本同步技术是比较复杂的，在这，只是简单的描述下 Dynamo是怎样使用 Merkle Tree来对副本进行同步的。而至于为什么要同步、同步详细过程，容我在后面章节描述。

     在Dynamo的数据划分算法的章节里，我们描述了，Dynamo 集群的所有机器都分布在一致性Hash环上，每台机器保存了Hash到机器区间（hash环上，两个机器节点之间，称机器区间）里的所有数据，同时，为了保证数据存储的持久性，一台机器上的数据会在其它机器上有备份，也就是所谓的副本。由于某些原因，副本需要同步，保持一致，既然要同步，就先要对副本数据进行比对，找出不一致的地方，然后合并成统一的一个副本。而目前，我们所关心的是比对，需要牵涉到跨网络传输，如果对机器上所有数据都进行比对的话，数据传输量就会很大，从而造成“网络拥挤”。为了解决这个问题，可以在每台机器上针对每个区间里的数据构造一棵Merkle Tree，这样，在两台机器间进行数据比对时，从Merkle Tree的根节点开始进行比对，如果根节点一样，则表示两个副本目前是一致的，不再需要任何处理；如果不一样，则遍历Merkle Tree，定位到不一致的节点也非常快速，大大节省了比对时间以及数据的传输量。

       在Git中的使用

      Git的作用类似于SVN和CVS，但功能比它们都要强大，是个分布式处理资源协同使用的工具，具体我也不是很熟悉。但据说，在Git里对集群里的机器间的文件同步也是采用Merkle Tree来进行比对的。具体技术细节，我猜可能是这样： 为Git 工作目录下的所有文件构造一个Merkle Tree，因为文件的层次结构天生就适合构造一棵树， 机器间文件的同步也是采用Merkle Tree的比对原理来实现的，和在Dynamo中使用的一样，只是叶子节点的值有点差异，一个是文件，一个键值对(key-value)。 注意，这个只是我个人猜测啊，如果我设计的话，就这么搞，应该不是胡搞瞎搞吧， 呵呵！