P2P

在下载电影时，我们通常会选择不同的下载方式。最常见的方式是通过 HTTP 协议进行下载，但是许多人可能有过这样的体验：当文件较大时，使用浏览器直接下载的速度极其缓慢。

另一种常见的下载方式是通过 FTP（文件传输协议）。FTP 采用两个 TCP 连接来传输文件，具体包括控制连接和数据连接。

• 控制连接：服务器通常通过端口 21 以被动的方式监听，客户端则主动发起连接。这条连接负责传递命令和服务器的响应。例如，常见的命令包括：

  • list：列出文件目录；
  • retr：下载文件；
  • store：上传文件。

• 数据连接：每次文件传输时，客户端和服务器会建立一个独立的数据连接来传输文件内容。

FTP 工作模式

FTP 有两种工作模式，分别是主动模式（PORT）和被动模式（PASV）。这两种模式的区别在于数据连接的建立方式，下面分别介绍：

• 主动模式（PORT）：在主动模式下，客户端会随机选择一个大于 1024 的端口 N，然后通过端口 21 向服务器发起连接。客户端会向服务器发出一个 PORT N+1 的命令，告诉服务器自己打开了一个监听端口 N+1。接着，服务器从自己的端口 20 主动连接到客户端的端口 N+1 来建立数据连接。

• 被动模式（PASV）：在被动模式下，客户端首先通过端口 21 连接到服务器并发送 PASV 命令。随后，服务器会选择一个大于 1024 的端口 P，并返回 227 entering passive mode 消息，告知客户端数据传输的端口号。客户端收到这个消息后，会使用端口 N+1 连接服务器的端口 P，并通过这两个端口进行数据传输。

P2P 文件下载

虽然 HTTP 和 FTP 是常见的文件下载方式，但它们都存在一个主要的缺点：单一服务器的带宽压力大。因为这两种方式采用的是传统的客户端-服务器架构，所有数据都依赖于中心服务器。

为了克服这一问题，P2P（Peer-to-Peer）文件传输方式应运而生。P2P 不再依赖单一的服务器来存储和传输资源，而是通过多台设备（即 Peer）之间的点对点连接来分散资源。

在 P2P 模式下，当你想下载一个文件时，系统会连接到已经拥有该文件的其他 Peer，你可以直接从这些设备下载数据，而无需依赖中心服务器。一旦下载完成，你的设备也会成为 P2P 网络的一部分，其他设备可以通过你的设备获取该文件。这样，随着网络中的 Peer 越多，下载速度也越快。

常见的 P2P 下载工具，如 BitTorrent，就利用这种分布式下载方式。在使用 BitTorrent 等软件时，你不仅会看到下载流量，还会看到上传流量。因为你在下载的同时，也在为其他用户提供文件。

种子文件 (.torrent)

在 P2P 下载中，如何知道哪些 Peer 已经拥有文件是一个关键问题。这个问题通过“种子”文件（.torrent）来解决。我们比较熟悉的 .torrent 文件由两部分组成：announce（tracker URL） 和 文件信息。

种子文件结构

1. 文件信息（Info 区）：包含文件的基本信息，如文件数量、每个文件的大小、目录结构等。
   • Name 字段：指定顶层目录的名称。
   • 每个段的大小：BT 协议将文件拆分成多个小段，这样可以并行下载各个段。
   • 段哈希值：每个文件段的 SHA-1 哈希值，所有段的哈希值合并在一起，保证文件完整性。

下载过程

1. 解析种子文件：BT 客户端首先解析 .torrent 文件，获取 tracker 地址，然后连接到 tracker 服务器。
2. 连接和获取 Peer 信息：tracker 服务器回应请求，提供其他下载者的 IP 地址，包括发布者。客户端通过这些信息连接到其他下载者。
3. 交换文件段：客户端和其他 Peer 之间交换文件段。每个客户端会告知对方自己已下载的段，未下载的部分会从其他 Peer 处获取。
4. 文件完整性验证：每次下载一个文件段后，客户端会计算该段的哈希值并与 .torrent 文件中的值对比。如果匹配，说明该段下载正确，否则需要重新下载。

依赖 Tracker 的问题

这种下载方式依赖于 tracker 服务器，tracker 是一个中心化的服务器，负责登记哪些用户请求哪些文件并协调 Peer 之间的连接。尽管下载过程是去中心化的，但加入 P2P 网络时仍需要借助 tracker 来进行连接。

缺点：如果 tracker 服务器出现故障或被屏蔽，P2P 下载就会受到影响，导致无法正常工作。

去中心化网络（DHT）

能否实现完全的去中心化？答案是可以的，这就是 DHT（Distributed Hash Table） 的应用。

什么是 DHT？

DHT 是一种分布式哈希表，每个加入 DHT 网络的节点都负责存储网络中的资源信息和其他成员的联系信息。简单来说，所有节点共同构成一个庞大的分布式数据库，分担信息存储和查询的工作。

Kademlia 协议

DHT 网络的一个著名协议是 Kademlia 协议，类似于区块链的概念，但更为抽象。下面我们来详细讲解它的工作原理。

DHT 网络中的角色

每个启动的 BitTorrent 节点扮演两个角色：

1. Peer：监听一个 TCP 端口，用于上传和下载文件。这个角色标识该节点拥有某个文件。
2. DHT Node：监听一个 UDP 端口，加入 DHT 网络。在 DHT 网络中，每个节点都有一个唯一的 ID，它是一个长串的哈希值。

文件索引与责任

在 DHT 网络中，每个节点并不存储所有文件，而是负责存储文件索引信息。具体来说：

• 每个 DHT 节点需要知道某些文件在哪些节点上保存，但它自己不一定存储这些文件。
• 这些节点通过 DHT 网络相互联系，共同维护文件的索引信息，确保文件的分布是去中心化的。

哈希值与 DHT 网络

每个 DHT node 并不拥有全局的文件信息，它只需要知道一部分文件的信息。要确定一个节点需要知道哪些文件，哈希算法便应运而生。

哈希值与文件

每个文件通过哈希算法计算出一个哈希值，而每个 DHT node 的 ID 长度与哈希值相同。

DHT 网络的规则是：如果某个文件的哈希值与某个 DHT node 的 ID 完全相同，那么该节点负责知道这个文件的下载位置。尽管该节点可能没有存储文件本身。

节点 ID 与文件哈希相似性

实际上，完全匹配的 DHT node 很难找到。为了应对这一问题，DHT 网络规定了：除了与哈希值完全相同的节点，还允许 与哈希值接近的 N 个节点 知道该文件的信息。

那么，如何判断“接近”呢？简单来说，接近是指哈希值在某些位上的差异较小。例如，修改文件哈希值的最后几位，仍然算作“接近”。

文件与节点的匹配过程

举个例子：

• 文件 1 的哈希值与 node C 的 ID 完全匹配。因此，node C 知道文件 1 的下载位置，尽管它本身并没有存储文件 1。
• 文件 2 的哈希值与 node E 的 ID 完全匹配，但 node D 的 ID 与 E 的哈希值很接近，因此 node D 也能得知文件 2 的位置。

新节点加入 DHT 网络

当一个新的节点 node new 加入 DHT 网络并想下载文件 1 时，首先它会找到种子文件（.torrent）中的 DHT 节点列表，并通过其中任意一个节点加入网络。

node new 会计算文件 1 的哈希值，并查找与哈希值匹配或接近的节点，如 node C。如果 node new 不能直接联系到 node C，它会向它能够联系到的其他节点询问，直到找到连接 node C 或其他相似节点的路径。

一旦 node new 开始下载文件，它就会向网络中其他节点报告自己也拥有该文件，成为新的文件“源”。

去中心化与分布式共享

此时，DHT 网络已经实现了文件的分布式共享。每个节点既能存储文件信息，又能提供文件下载路径，整个网络去除了中心化的依赖，保证了文件传输的高效性和可靠性。

DHT 网络的工作原理

• 节点 ID 与文件哈希：节点 ID 和文件哈希值都使用 160 位（20 字节）长度的哈希空间。

• 相似度计算：DHT 网络中节点 ID 的相似度通过 异或（XOR）运算 来判断。例如，对于 5 位 ID：

  • 01010 和 01000 的距离是 00010，即 2。
  • 01010 和 00010 的距离是 01000，即 8。
  • 01010 和 00011 的距离是 01001，即 9。

  通过这种计算方式，判断 ID 之间的“距离”有助于确定哪些节点对文件的存储和下载路径最为重要。

类比社交网络

在 DHT 网络中，节点的距离更像是社交网络中的“社交距离”——即不同节点之间的联系程度，而非地理距离。就像在 LinkedIn 上，工作经历丰富的人可能与你的“社交距离”较近，尽管你们没有住在同一地方。

DHT 网络是如何查找

DHT（分布式哈希表）网络的查找和更新机制是通过 Kademlia 协议实现的，允许节点高效地查找其他节点和文件。以下是该协议的工作原理和核心机制：

---

1. 节点查找

假设节点 A 的 ID 为 00110，需要查找节点 B，ID 为 10000。这两个节点的异或距离为 10110，即 A 和 B 之间的距离是 31。根据 Kademlia 协议，节点 A 会尝试在自己的 k-bucket 中查找 B，并根据以下步骤进行折半查找：

1.1 查找目标节点所在的 k-bucket

• A 计算异或值 10110，并根据异或的结果确定 B 可能在的 k-bucket。在此例中，B 与 A 的 ID 从第 5 位开始不同，因此 B 可能在 k-bucket 5 中。
• 如果 A 的 k-bucket 5 中存在 B，查找成功；如果不存在，继续下一步。

1.2 查找接近的节点

• 如果 A 没有在自己的 k-bucket 5 中找到 B，它会从该桶中随机选择一个节点 C，并请求 C 查询自己的通讯录，看看是否能找到 B。
• 由于 C 和 B 的 ID 在第 5 位相同，因此 C 能找到与 B 更接近的节点，进一步缩小查找范围。
• 这种过程逐步缩小距离，每次通过折半查找来加速查找过程。

1.3 查找过程的递归

• 如果 C 也没有找到 B，它会继续向自己的通讯录请求，直到找到距离 B 更近的节点，如 D，然后 D 继续查找，直到最终找到 B。
• 最坏的情况是，每次找到的节点都离目标节点较远，需要多个步骤才能最终找到 B。

1.4 查找效率

• Kademlia 协议采用了 折半查找 的机制，最多只需要 log2(N) 次查询（其中 N 为网络中节点总数）就能找到目标节点。这保证了查询过程的高效性。

---

2. 节点通信

在 DHT 网络中，节点之间通过 4 个核心指令进行通信：

• PING：测试一个节点是否在线，类似打电话确认对方是否还活跃。
• STORE：请求一个节点保存一份数据。加入网络的节点需要保存一定的数据。
• FIND_NODE：根据目标节点的 ID 查找该节点。即通过节点的 ID 查找节点的位置。
• FIND_VALUE：根据文件的哈希值（即 KEY）查找存储该文件的节点。实际上，这个操作与 FIND_NODE 类似，只不过目标是文件而非节点。

---

3. 节点的通讯录更新

Kademlia 协议通过更新每个节点的通讯录来保证网络的稳定性和高效性。每个节点的 k-bucket（即通讯录）按照接触时间倒序排列，最近联系的节点排在最前面。

3.1 更新机制

• 每次节点与其他节点接触时，都会检查这个节点是否已经在自己的 k-bucket 中。如果节点已经存在，它会被移到 k-bucket 列表的末尾，表示最近联系过的节点。
• 如果通讯录满了（通常是一个固定的大小，如 20 个节点），新的节点会替换最旧的节点。如果最旧的节点在线（通过 PING 测试），它会被移到通讯录的末尾；如果下线，则删除并加入新的节点。

3.2 维持网络稳定性

• 通过这种方式，Kademlia 协议保证了即使某些节点加入或离开网络，整体的网络结构和效率不会受到影响。节点始终保持高效且动态的通讯录，不断更新与其他节点的联系。

---

总结一下：

• 集中式下载 vs 非中心化下载：下载一个文件通常使用 HTTP 或 FTP，这两种方式都是依赖中心化服务器的，而 P2P（点对点）则采用了去中心化的方式，改变了传统的下载模式。

• P2P 的两种方式：

  1. 基于 Tracker 的 P2P：这种方式中，元数据（即文件的位置信息）集中存储在 Tracker 上，而文件数据则分散存储在多个节点中。下载过程需要通过 Tracker 来获得文件的相关信息。
  2. 基于 DHT 的 P2P：这是一种完全去中心化的方式，文件的元数据和文件数据都被分散存储在整个网络中。每个节点都可能既是数据存储者，也可能是数据查找者，通过分布式哈希算法（DHT）来完成文件的查找和下载。

通过这两种方式，P2P 网络能够有效实现文件的共享和分发，并且避免了传统集中式下载的单点故障问题。