转贴: BT软件的DHT技术基础——Kademlia协议原理简介

源贴地址:

http://www.netexpert.cn/viewthread.php?tid=5627&extra=&highlight=&page=1

 

一、前言
Kademlia协议（以下简称Kad）是美国纽约大学的PetarP. Maymounkov和David Mazieres.在2002年发布的一项研究结果《Kademlia: A peerto -peer information system based on the XOR metric》。
简单的说，Kad是一种分布式哈希表（DHT）技术，不过和其他DHT实现技术比较，如Chord、CAN、Pastry等，Kad通过独特的以异或算法（XOR）为距离度量基础，建立了一种全新的DHT拓扑结构，相比于其他算法，大大提高了路由查询速度。
在2005年5月著名的BiTtorrent在4.1.0版实现基于Kademlia协议的DHT技术后，很快国内的BitComet和BitSpirit也实现了和BitTorrent兼容的DHT技术，实现trackerless下载方式。
另外，emule中也很早就实现了基于Kademlia类似的技术（BT中叫DHT，emule中也叫Kad，注意和本文简称的Kad区别），和BT软件使用的Kad技术的区别在于key、value和node ID的计算方法不同。

二、节点状态
在Kad网络中，所有节点都被当作一颗二叉树的叶子，并且每一个节点的位置都由其ID值的最短前缀唯一的确定。
对于任意一个节点，都可以把这颗二叉树分解为一系列连续的，不包含自己的子树。最高层的子树，由整颗树不包含自己的树的另一半组成；下一层子树由剩下部分不包含自己的一半组成；依此类推，直到分割完整颗树。图1就展示了节点0011如何进行子树的划分：

图1：节点0011的子树划分
虚线包含的部分就是各子树，由上到下各层的前缀分别为0，01，000，0010。
Kad协议确保每个节点知道其各子树的至少一个节点，只要这些子树非空。在这个前提下，每个节点都可以通过ID值来找到任何一个节点。这个路由的过程是通过所谓的XOR（异或）距离得到的。
图2就演示了节点0011如何通过连续查询来找到节点1110的。节点0011通过在逐步底层的子树间不断学习并查询最佳节点，获得了越来越接近的节点，最终收敛到目标节点上。

图2：通过ID值定位目标节点
需要说明的是，只有第一步查询的节点101，是节点0011已经知道的，后面各步查询的节点，都是由上一步查询返回的更接近目标的节点，这是一个递归操作的过程。


三、节点间距离
Kad网络中每个节点都有一个160bit的ID值作为标志符，Key也是一个160bit的标志符，每一个加入Kad网络的计算机都会在160bit的key空间被分配一个节点ID（node ID）值（可以认为ID是随机产生的），<key,value>对的数据就存放在ID值“最”接近key值的节点上。
判断两个节点x,y的距离远近是基于数学上的异或的二进制运算，d(x,y) = x⊕y，既对应位相同时结果为0，不同时结果为1。例如：
010101
XOR  110001
-------------
      100100
则这两个节点的距离为32＋4＝36。
显然，高位上数值的差异对结果的影响更大。
对于异或操作，有如下一些数学性质：
        d(x, x) = 0
        d(x, y) > 0， if x ≠ y
        ∨x, y : d(x, y) = d(y, x)
        d(x, y) + d(y, z) ≧ d(x, z)
        d(x, y) ⊕ d(y, z) = d(x, z)
        ∨a≧ 0, b≧ 0, a + b≧ a ⊕ b
正如Chord的顺时针旋转的度量一样，异或操作也是单向性的。对于任意给定的节点x和距离⊿≧0，总会存在一个精确的节点y，使得d(x,y)= ⊿。另外，单向性也确保了对于同一个key值的所有查询都会逐步收敛到同一个路径上，而不管查询的起始节点位置如何。这样，只要沿着查询路径上的节点都缓存这个<key,value>对，就可以减轻存放热门key值节点的压力，同时也能够加快查询响应速度。

四、K桶
Kad的路由表是通过一些称之为K桶的表格构造起来的。这有点类似Tapestry技术，其路由表也是通过类似的方法构造的。
对每一个0≦i≦160，每个节点都保存有一些和自己距离范围在区间 内的一些节点信息，这些信息由一些(IP address,UDP port,Node ID)数据列表构成（Kad网络是靠UDP协议交换信息的）。每一个这样的列表都称之为一个K桶，并且每个K桶内部信息存放位置是根据上次看到的时间顺序排列，最近（least-recently）看到的放在头部，最后（most-recently）看到的放在尾部。每个桶都有不超过k个的数据项。
一个节点的全部K桶列表如表1所示：
I        距离        邻居
0         


1         


2         


……               
i         


……               
160         


表1：K桶结构
不过通常来说当i值很小时，K桶通常是空的（也就是说没有足够多的节点，比如当i＝0时，就最多可能只有1项）；而当i值很大时，其对应K桶的项数又很可能会超过k个（当然，覆盖距离范围越广，存在较多节点的可能性也就越大），这里k是为平衡系统性能和网络负载而设置的一个常数，但必须是偶数，比如k＝20。在BitTorrent的实现中，取值为k＝8。
由于每个K桶覆盖距离的范围呈指数关系增长，这就形成了离自己近的节点的信息多，离自己远的节点的信息少，从而可以保证路由查询过程是收敛。因为是用指数方式划分区间，经过证明，对于一个有N个节点的Kad网络，最多只需要经过logN步查询，就可以准确定位到目标节点。这个特性和Chord网络上节点的finger table划分距离空间的原理类似。

当节点x收到一个PRC消息时，发送者y的IP地址就被用来更新对应的K桶，具体步骤如下：
1．计算自己和发送者的距离：d(x,y) = x⊕y，注意：x和y是ID值，不是IP地址
2．通过距离d选择对应的K桶进行更新操作。
3．如果y的IP地址已经存在于这个K桶中，则把对应项移到该该K桶的尾部
4．如果y的IP地址没有记录在该K桶中
⑴如果该K桶的记录项小于k个，则直接把y的(IP address,UDP port,Node ID)信息插入队列尾部
⑵如果该K桶的记录项大于k个，则选择头部的记录项（假如是节点z）进行RPC_PING操作
①如果z没有响应，则从K桶中移除z的信息，并把y的信息插入队列尾部
②如果z有响应，则把z的信息移到队列尾部，同时忽略y的信息。

K桶的更新机制非常高效的实现了一种把最近看到的节点更新的策略，除非在线节点一直未从K桶中移出过。也就是说在线时间长的节点具有较高的可能性继续保留在K桶列表中。
采用这种机制是基于对Gnutella网络上大量用户行为习惯的研究结果，既节点的失效概率和在线时长成反比关系，如图3（横坐标为分钟，纵坐标为概率）：

图3：Gnutella网络中在线时长和继续在线的概率关系
可以明显看出，用户在线时间越长，他在下一时段继续在线的可能性就越高。
所以，通过把在线时间长的节点留在K桶里，Kad就明显增加K桶中的节点在下一时间段仍然在线的概率，这对应Kad网络的稳定性和减少网络维护成本（不需要频繁构建节点的路由表）带来很大好处。
这种机制的另一个好处是能在一定程度上防御DOS攻击，因为只有当老节点失效后，Kad才会更新K桶的信息，这就避免了通过新节点的加入来泛洪路由信息。

为了防止K桶老化，所有在一定时间之内无更新操作的K桶，都会分别从自己的K桶中随机选择一些节点执行RPC_PING操作。
上述这些K桶机制使Kad缓和了流量瓶颈（所有节点不会同时进行大量的更新操作），同时也能对节点的失效进行迅速响应。

五、Kademlia协议操作类型
Kademlia协议包括四种远程操作：PING、STORE、FIND_NODE、FIND_VALUE。
1、PING操作的作用是探测一个节点，用以判断其是否仍然在线。
2、STORE操作的作用是通知一个节点存储一个<key,value>对，以便以后查询需要。
3、FIND_NODE操作使用一个160bit的ID作为参数。本操作的接受者返回它所知道的更接近目标ID的K个节点的(IP address,UDP port,Node ID)信息。
这些节点的信息可以是从一个单独的K桶获得，也可以从多个K桶获得（如果最接近目标ID的K桶未满）。不管是哪种情况，接受者都将返回K个节点的信息给操作发起者。但如果接受者所有K桶的节点信息加起来也没有K个，则它会返回全部节点的信息给发起者。
4、FIND_VALUE操作和FIND_NODE操作类似，不同的是它只需要返回一个节点的(IP address,UDP port,Node ID)信息。如果本操作的接受者收到同一个key的STORE操作，则会直接返回存储的value值。
注：在Kad网络中，系统存储的数据以<key,value>对形式存放。根据笔者的分析，在BitSpirit的DHT实现中，其key值为torrent文件的info_hash串，其value值则和torrent文件有密切关系。

为了防止伪造地址，在所有RPC操作中，接受者都需要响应一个随机的160bit的ID值。另外，为了确信发送者的网络地址，PING操作还可以附带在接受者的RPC回复信息中。

六、路由查询机制
Kad技术的最大特点之一就是能够提供快速的节点查找机制，并且还可以通过参数进行查找速度的调节。
假如节点x要查找ID值为t的节点，Kad按照如下递归操作步骤进行路由查找：
1、        计算到t的距离：d(x,y) = x⊕y
2、        从x的第[㏒d]个K桶中取出α个节点的信息（“[”“]”是取整符号），同时进行FIND_NODE操作。如果这个K桶中的信息少于α个，则从附近多个桶中选择距离最接近d的总共α个节点。
3、        对接受到查询操作的每个节点，如果发现自己就是t，则回答自己是最接近t的；否则测量自己和t的距离，并从自己对应的K桶中选择α个节点的信息给x。
4、        X对新接受到的每个节点都再次执行FIND_NODE操作，此过程不断重复执行，直到每一个分支都有节点响应自己是最接近t的。
5、        通过上述查找操作，x得到了k个最接近t的节点信息。
注意：这里用“最接近”这个说法，是因为ID值为t的节点不一定存在网络中，也就是说t没有分配给任何一台电脑。
这里α也是为系统优化而设立的一个参数，就像K一样。在BitTorrent实现中，取值为α＝3。
当α＝1时，查询过程就类似于Chord的逐跳查询过程，如图4。

图4：α＝1时的查询过程
整个路由查询过程是递归操作的，其过程可用数学公式表示为：
  = x(即查询操作的发起者)
  
这个递归过程一直持续到 ＝t，或者 的路由表中没有任何关于t的信息，即查询失败
由于每次查询都能从更接近t的K桶中获取信息，这样的机制保证了每一次递归操作都能够至少获得距离减半（或距离减少1bit）的效果，从而保证整个查询过程的收敛速度为O(logN)，这里N为网络全部节点的数量。

当节点x要查询<key,value>对时，和查找节点的操作类似，x选择k个ID值最接近key值的节点，执行FIND_VALUE操作，并对每一个返回的新节点重复执行FIND_VALUE操作，直到某个节点返回value值。
一旦FIND_VALUE操作成功执行，则<key,value>对数据会缓存在没有返回value值的最接近的节点上。这样下一次查询相同的key时就会更加快速的得到结果。通过这样的方式，热门<key,value>对数据的缓存范围就逐步扩大，使系统具有极佳的响应速度，如图5所示。

图5：缓存原则

七、数据存放
存放<key,value>对数据的过程为：
1、        发起者首先定位k个ID值最接近key的节点；
2、        发起者对这k个节点发起STORE操作
3、        执行STORE操作的k个节点每小时重发布自己所有的<key,value>对数据。
4、        为了限制失效信息，所有<key,value>对数据在初始发布24小时后过期。

另外，为了保证数据发布、搜寻的一致性，规定在任何时候，当节点w发现新节点u比w上的某些<key,value>对数据更接近，则w把这些<key,value>对数据复制到u上，但是并不会从w上删除。

八、节点加入和离开
如果节点u要想加入Kad网络，它必须要和一个已经在Kad网络的节点，比如w，取得联系。
u首先把w插入自己适当的K桶中，然后对自己的节点ID执行一次FIND_NODE操作，然后根据接收到的信息更新自己的K桶内容。通过对自己邻近节点由近及远的逐步查询，u完成了仍然是空的K桶信息的构建，同时也把自己的信息发布到其他节点的K桶中。
在Kad网络中，每个节点的路由表都表示为一颗二叉树，叶子节点为K桶，K桶存放的是有相同ID前缀的节点信息，而这个前缀就是该K桶在二叉树中的位置。这样，每个K桶都覆盖了ID空间的一部分，全部K桶的信息加起来就覆盖了整个160bit的ID空间，而且没有重叠。
以节点u为例，其路由表的生成过程为：
1．        最初，u的路由表为一个单个的K桶，覆盖了整个160bitID空间，如图6最上面的路由表；
2．        当学习到新的节点信息后，则u会尝试把新节点的信息，根据其前缀值插入到对应的K桶中：
①        如果该K桶没有满，则新节点直接插入到这个K桶中；
②        如果该K桶已经满了，
⑴  如果该K桶覆盖范围包含了节点u的ID，则把该K桶分裂为两个大小相同的新K桶，并对原K桶内的节点信息按照新的K桶前缀值进行重新分配
⑵  如果该K桶覆盖范围没有包节点u的ID，则直接丢弃该新节点信息
3．        上述过程不断重复，最终会形成表1结构的路由表。达到距离近的节点的信息多，距离远的节点的信息少的结果，保证了路由查询过程能快速收敛。

图6：节点000的路由表生成演化
在图7中，演示了当覆盖范围包含自己ID值的K桶是如何逐步分裂的。

图7：节点0100的K桶分裂过程
当K桶010满了之后，由于其覆盖范围包含了节点0100的ID，故该K桶分裂为两个新的K桶：0101和0100，原K桶010的信息会根据其其前缀值重新分布到这两个新的K桶中。注意，这里并没有使用160bit的ID值表示法，只是为了方便原理的演示，实际Kad网络中的ID值都是160bit的。


节点离开Kad网络不需要发布任何信息，Kademlia协议的目标之一就是能够弹性工作在任意节点随时失效的情况下。为此，Kad要求每个节点必须周期性的发布全部自己存放的<key,value>对数据，并把这些数据缓存在自己的k个最近邻居处，这样存放在失效节点的数据会很快被更新到其他新节点上。

[ 本帖最后由 重庆拉灯 于 2006-2-22 11:34 编辑 ]

图片附件: 图1.jpg (2006-2-22 11:32, 32.02 K)



图片附件: 图3.jpg (2006-2-22 11:32, 15.59 K)



图片附件: 图2.jpg (2006-2-22 11:34, 42.79 K)



图片附件: 图7.jpg (2006-2-22 11:34, 25.7 K)