DHT:BitTorrent vs kademlia vs Clone（python） 我正在为内部集群实现我自己的DHT。由于它将用于像bittorrent这样的文件共享程序，所以我首先看到的是“主线DHT”。在那之后，我发现了“纠缠”（python，dht使用扭曲矩阵）、congress（python，dht使用pyev+libev），当然还有原始的“kademlia”

他们有不同的方法来组织k-bucket：

---

1） 国会，kademlia使用范围为2*i的固定160个存储桶，kademlia的论文实际上提出了随着路由表的增长动态拆分存储桶的优化方法。这两种方法在逻辑上没有区别，只是为了节省一些空间而进行了优化。在实现固定的全尺寸路由表时，必须找到k个节点来向其发送请求。如果目标所在的存储桶为空，或者其中的节点少于k个，则必须从相邻的存储桶中进行拾取。考虑到这一点，一开始就不要拆分离你最近的bucket，这使得搜索更简单、更快

至于你的观点（1），我想你可能误解了卡德姆利亚。路由表存储桶边界总是相对于您自己的节点ID。对于离您较远的每个存储桶，存储桶跨越的ID空间将加倍。若并没有这个属性（比如说，每个bucket覆盖了相等的ID空间范围），您将无法正确地执行搜索，而且它们肯定不会是log（n）

---

主线DHT实现kademlia。

如果每个节点在第一个bucket中都有ID 0-7，则实现可能无法工作。哪个id进入哪个bucket完全取决于节点的id，否则高id将无法找到。也许你只是错过了距离计算？描述了距离计算的工作原理和原因——纠缠确实正确。据我在恩坦利德和卡德姆利亚的资料中所见，他们的计算方式不同。对于160位id空间：Kademlia将空间拆分为160个bucket，其中0个bucket的id为20，但纠缠在一起：1）开始时，我们有1个bucket的id为0，这需要进行一些小优化。由于最大对等数量由密钥中的位和k限定，因此仅搜索

（160*8）

节点插槽（根据BT的kademlia参数）是否有任何错误？@Matt Joiner（或其他人）：我也被困于此。这种优化是纯粹针对节点的内存和CPU时间进行的优化，还是实际改善了整个系统（通过减少延迟或带宽）？@nightcracker:我不确定。我怀疑整个bucket部分都是学术上的胡言乱语，没有理由你不能找到自己的算法来选择最近的节点。如果你想继续并实现其他类型的路由表，请记住，为了使整个网络能够进行O（logn）查找，它仍然需要具有某些属性。我怀疑你能想出一个更简单有效的方法。XOR和计算0位基本上就是你需要做的一切。@Arvid：你的意思肯定是在XOR之后计算前导的0位吗？