[backcolor=rgba(255, 255, 255, 0.5)]大家说起种子，应该都知道是用来下载资源的。那么资源下载都有哪些方式？种子下载又有什么优势呢？

下载电影的两种方式

[backcolor=rgba(255, 255, 255, 0.5)]    第一种是通过 HTTP 进行下载。这种方式，有过经历的人应该体会到，当下载文件稍大点，下载速度简直能把人急死。

[backcolor=rgba(255, 255, 255, 0.5)]    第二种方式就是是通过 FTP（文件传输协议）。FTP 采用两个 TCP 连接来传输一个文件。

• 控制连接。服务器以被动的方式，打开众所周知用于 FTP 的端口 21，客户端则主动发起连接。该连接将命令从客户端传给服务器，并传回服务器的应答。常用的命令有：lsit - 获取文件目录，reter - 取一个文件，store - 存一个文件；
• 数据连接。每当一个文件在客户端与服务器之间传输时，就创建一个数据连接。
  

FTP 的工作模式

[backcolor=rgba(255, 255, 255, 0.5)]    在 FTP 的两个 TCP 连接中，每传输一个文件，都要新建立一个数据连接。基于这个数据连接，FTP 又有两种工作模式：主动模式（PORT）和被动模式（PASV），要注意的是，这里的主动和被动都是站在服务器角度来说的。工作模式过程如下：

[backcolor=rgba(255, 255, 255, 0.5)]主动模式工作流程

• 客户端随机打开一个大于 1024 的端口 N，向服务器的命令端口 21 发起连接，同时开放 N+1 端口监听，并向服务器发出“port N+1” 命令；
• 由服务器从自己的数据端口 20，主动连接到客户端指定的数据端口 N+1。
  

[backcolor=rgba(255, 255, 255, 0.5)]被动模式工作流程

• 客户端在开启一个 FTP 连接时，打开两个任意的本地端口 N（大于1024）和 N+1。然后用 N 端口连接服务器的 21 端口，提交 PASV 命令；
• 服务器收到命令，开启一个任意的端口 P（大于 1024），返回“227 entering passive mode”消息，消息里有服务器开放的用来进行数据传输的端口号 P。
• 客户端收到消息，取得端口号 P，通过 N+1 端口连接服务器的 P 端口，进行数据传输。
  

[backcolor=rgba(255, 255, 255, 0.5)]    上面说了 HTTP 下载和 FTP 下载，这两种方式都有一个大缺点-难以解决单一服务器的带宽压力。因为它们使用的都是传统 C/S 结构，这种结构会随着客户端的增多，下载速度越来越慢。这在当今互联网世界显然是不合理的，我们期望能实现“下载人数越多，下载速度不变甚至更快”的愿望。

[backcolor=rgba(255, 255, 255, 0.5)]    后来，一种创新的，称为 P2P 的方式实现了我们的愿望。

P2P

[backcolor=rgba(255, 255, 255, 0.5)]    P2P 就是 peer-to-peer。这种方式的特点是，资源一开始并不集中存储在某些设备上，而是分散地存储在多台设备上，这些设备我们称为 peer。

[backcolor=rgba(255, 255, 255, 0.5)]    在下载一个文件时，只要得到那些已经存在了文件的 peer 地址，并和这些 peer 建立点对点的连接，就可以就近下载文件，而不需要到中心服务器上。一旦下载了文件，你的设备也就称为这个网络的一个 peer，你旁边的那些机器也可能会选择从你这里下载文件。

[backcolor=rgba(255, 255, 255, 0.5)]    通过这种方式解决上面 C/S 结构单一服务器带宽压力问题。如果使用过 P2P2 软件，例如 BitTorrent，你就会看到自己网络不仅有下载流量，还有上传流量，也就是说你加入了这个 P2P 网络，自己可以从这个网络里下载，同时别人也可以从你这里下载。这样就实现了，下载人数越多，下载速度越快的愿望。

种子文件（.torent）

[backcolor=rgba(255, 255, 255, 0.5)]    上面整个过程是不是很完美？是的，结果很美好，但为了实现这个美好，我们还是有很多准备工作要做的。比如，我们怎么知道哪些 peer 有某个文件呢？

[backcolor=rgba(255, 255, 255, 0.5)]    这就用到我们常说的种子（.torrent）。 .torrent 文件由Announce（Tracker URL）和文件信息两部分组成。

[backcolor=rgba(255, 255, 255, 0.5)]    其中，文件信息里有以下内容：

• Info 区：指定该种子包含的文件数量、文件大小及目录结构，包括目录名和文件名；
• Name 字段：指定顶层目录名字；
• 每个段的大小：BitTorrent（BT）协议把一个文件分成很多个小段，然后分段下载；
• 段哈希值：将整个种子种，每个段的 SHA-1 哈希值拼在一起。
  

[backcolor=rgba(255, 255, 255, 0.5)]    下载时，BT 客户端首先解析 .torrent 文件，得到 Tracker 地址，然后连接 Tracker 服务器。Tracker 服务器回应下载者的请求，将其他下载者（包括发布者）的 IP 提供给下载者。

[backcolor=rgba(255, 255, 255, 0.5)]    下载者再连接其他下载者，根据 .torrent 文件，两者分别对方自己已经有的块，然后交换对方没有的数据。

[backcolor=rgba(255, 255, 255, 0.5)]    可以看到，下载的过程不需要其他服务器参与，并分散了单个线路上的数据流量，减轻了服务器的压力。

[backcolor=rgba(255, 255, 255, 0.5)]    下载者每得到一个块，需要算出下载块的 Hash 验证码，并与 .torrent 文件中的进行对比。如果一样，说明块正确，不一样就需要重新下载这个块。这种规定是为了解决下载内容的准确性问题。

[backcolor=rgba(255, 255, 255, 0.5)]    从这个过程也可以看出，这种方式特别依赖 Tracker。Tracker 需要收集所有 peer 的信息，并将从信息提供给下载者，使下载者相互连接，传输数据。虽然下载的过程是非中心化的，但是加入这个 P2P 网络时，需要借助 Tracker 中心服务器，这个服务器用来登记有哪些用户在请求哪些资源。

[backcolor=rgba(255, 255, 255, 0.5)]    所以，这种工作方式有一个弊端，一旦 Tracker 服务器出现故障或者线路被屏蔽，BT 工具就无法正常工作了。那能不能彻底去中心化呢？答案是可以的。

去中心化网络（DHT）

[backcolor=rgba(255, 255, 255, 0.5)]    DHT（Distributed Hash Table），这个网络中，每个加入 DHT 网络的人，都要负责存储这个网络里的资源信息和其他成员的联系信息，相当于所有人一起构成了一个庞大的分布式存储数据库。

[backcolor=rgba(255, 255, 255, 0.5)]    而 Kedemlia 协议 就是一种著名的 DHT 协议。我们来基于这个协议来认识下这个神奇的 DHT 网络。

[backcolor=rgba(255, 255, 255, 0.5)]    当一个客户端启动 BitTorrent 准备下载资源时，这个客户端就充当了两个角色：

• peer 角色：监听一个 TCP 端口，用来上传和下载文件。对外表明我这里有某个文件；
• DHT Node 角色：监听一个 UDP 端口，通过这个角色，表明这个节点加入了一个 DHT 网络。
  

[backcolor=rgba(255, 255, 255, 0.5)]    在 DHT 网络里面，每一个 DHT Node 都有一个 ID。这个 ID 是一个长字符串。每个 DHT Node 都有责任掌握一些“知识”，也就是文件索引。也就是说，每个节点要知道哪些文件是保存哪些节点上的。注意，这里它只需要有这些“知识”就可以了，而它本身不一定就是保存这个文件的节点。

[backcolor=rgba(255, 255, 255, 0.5)]    当然，每个 DHT Node 不会有全局的“知识”，也就是说它不知道所有的文件保存位置，只需要知道一部分。这里的一部分，就是通过哈希算法计算出来的。

Node ID 和文件哈希值

[backcolor=rgba(255, 255, 255, 0.5)]    每个文件可以计算出一个哈希值，而 DHT Node 的 ID 是和哈希值相同长度的串。

[backcolor=rgba(255, 255, 255, 0.5)]    对于文件下载，DHT 算法是这样规定的：

如果一个文件计算出一个哈希值，则和这个哈希值一样的那个 DHT Node，就有责任知道从哪里下载这个文件，即便它自己没保存这个文件。

[backcolor=rgba(255, 255, 255, 0.5)]    当然不一定总这么巧，都能找到和哈希值一模一样的，有可能文件对应的 DHT Node 下线了，所以 DHT 算法还规定：

除了一模一样的那个 DHT Node 应该知道文件的保存位置，ID 和这个哈希值非常接近的 N 个 DHT Node 也应该知道。

[backcolor=rgba(255, 255, 255, 0.5)]

[backcolor=rgba(255, 255, 255, 0.5)]    以上图为例。文件 1 通过哈希运算，得到匹配 ID 的 DHT Node 为 Node C（当然还会有其他的，为了便于理解，咱们就先关注 Node C），所以，Node C 就有责任知道文件 1 的存放地址，虽然 Node C 本身没有存放文件 1。

[backcolor=rgba(255, 255, 255, 0.5)]    同理，文件 2 通过哈希计算，得到匹配 ID 的 DHT Node 为 Node E，但是 Node D 和 E 的值很近，所以 Node D 也知道。当然，文件 2 本身不一定在 Node D 和 E 这里，但是我们假设 E 就有一份。

[backcolor=rgba(255, 255, 255, 0.5)]    接下来，一个新节点 Node new 上线了，如果要下载文件 1，它首先要加入 DHT 网络。如何加入呢？

[backcolor=rgba(255, 255, 255, 0.5)]    在这种模式下，种子 .torrent 文件里面就不再是 Tracker 的地址了，而是一个 list 的 Node 地址，所有这些 Node 都是已经在 DHT 网络里面的。当然，随着时间的推移，很有可能有退出的，有下线的，这里我们假设，不会所有的都联系不上，总有一个能联系上。

[backcolor=rgba(255, 255, 255, 0.5)]    那么，Node new 只要在种子里面找到一个 DHT Node，就加入了网络。

[backcolor=rgba(255, 255, 255, 0.5)]    Node new 不知道怎么联系上 Node C，因为种子里面的 Node 列表里面很可能没有 Node C，但是没关系，它可以问。DHT 网络特别像一个社交网络，Node new 会去它能联系上的 Node 问，你们知道 Node C 的联系方式吗？

[backcolor=rgba(255, 255, 255, 0.5)]    在 DHT 网络中，每个 Node 都保存了一定的联系方式，但是肯定没有所有 Node 的联系方式。节点之间通过相互通信，会交流联系方式，也会删除联系方式。这和人们的沟通方式一样，你有你的朋友圈，他有他的朋友圈，你们互相加微信，就互相认识了，但是过一段时间不联系，就可能会删除朋友关系一样。

[backcolor=rgba(255, 255, 255, 0.5)]    在社交网络中，还有个著名的六度理论，就是说社交网络中的任何两个人的直接距离不超过六度，也就是即使你想联系比尔盖茨，最多通过六个人就能够联系上。

[backcolor=rgba(255, 255, 255, 0.5)]    所以，Node New 想联系 Node C，就去万能的朋友圈去问，并且求转发，朋友再问朋友，直到找到 C。如果最后找不到 C，但是能找到离 C 很近的节点，也可以通过 C 的相邻节点下载文件 1。

[backcolor=rgba(255, 255, 255, 0.5)]    在 Node C上，告诉 Node new，要下载文件 1，可以去 B、D、F，这里我们假设 Node new 选择了 Node B，那么新节点就和 B 进行 peer 连接，开始下载。它一旦开始下载，自己本地也有文件 1 了，于是，Node new 就告诉 C 以及 C 的相邻节点，我也有文件 1 了，可以将我加入文件 1 的拥有者列表了。

[backcolor=rgba(255, 255, 255, 0.5)]    你可能会发现，上面的过程中漏掉了 Node new 的文件索引，但是根据哈希算法，一定会有某些文件的哈希值是和 Node new 的 ID 匹配的。在 DHT 网络中，会有节点告诉它，你既然加入了咱们这个网络，也就有责任知道某些文件的下载地址了。

[backcolor=rgba(255, 255, 255, 0.5)]    好了，完成分布式下载了。但是我们上面的过程中遗留了两个细节性的问题。

[backcolor=rgba(255, 255, 255, 0.5)]1）DHT Node ID 以及文件哈希值是什么？
    其实，我们可以将节点 ID 理解为一个 160bits（20字节）的字符串，文件的哈希也使用这样的字符串。

[backcolor=rgba(255, 255, 255, 0.5)]2）所谓 ID 相似，具体到什么程度算相似？
    这里就要说到两个节点距离的定义和计算了。

[backcolor=rgba(255, 255, 255, 0.5)]    在 Kademlia 网络中，两个节点的距离采用的是逻辑上的距离，假设节点 A 和 节点 B 的距离为 d，则：

d = A XOR B

[backcolor=rgba(255, 255, 255, 0.5)]    上面说过，每个节点都有一个哈希 ID，这个 ID 由 20 个字符，160 bits 位组成。这里，我们就用一个 5 bits ID 来举例。
    我们假设，节点 A 的 ID 是 01010，节点 B 的 ID 是 01001，则：

距离 d = A XOR B = 01010 XOR 00011 = 01001 = 9

[backcolor=rgba(255, 255, 255, 0.5)]    所以，我们说节点 A 和节点 B 的逻辑距离为 9。

[backcolor=rgba(255, 255, 255, 0.5)]    回到我们上面的问题，哈希值接近，可以理解为距离接近，也即，和这个节点距离近的 N 个节点要知道文件的保存位置。

[backcolor=rgba(255, 255, 255, 0.5)]    要注意的是，这个距离不是地理位置，因为在 Kademlia 网络中，位置近不算近，ID 近才算近。我们可以将这个距离理解为社交距离，也就是在朋友圈中的距离，或者社交网络中的距离。这个和你的空间位置没有多少关系，和人的经历关系比较大。

DHT 网络节点关系的维护

[backcolor=rgba(255, 255, 255, 0.5)]    就像人一样，虽然我们常联系的只有少数，但是朋友圈肯定是远近都有。DHT 网络的朋友圈也一样，远近都有，并且按距离分层。

[backcolor=rgba(255, 255, 255, 0.5)]    假设某个节点的 ID 为 01010，如果一个节点的 ID，前面所有位数都与它相同，只有最后 1 位不停，这样的节点只有 1 个，为 01011。与基础节点的异或值为 00001，也就是距离为 1。那么对于 01010 而言，这样的节点归为第一层节点，也就是k-buket 1。

[backcolor=rgba(255, 255, 255, 0.5)]    类似的，如果一个节点的 ID，前面所有位数和基础节点都相同，从倒数第 2 位开始不同，这样的节点只有 2 个，即 01000 和 01001，与基础节点的亦或值为 00010 和 00011，也就是距离为 2 和 3。这样的节点归为第二层节点，也就是k-bucket 2。

[backcolor=rgba(255, 255, 255, 0.5)]    所以，我们可以总结出以下规律：

如果一个节点的 ID，前面所有位数相同，从倒数第 i 位开始不同，这样的节点只有 2^(i-1) 个，与基础节点的距离范围为 [2^(i-1), 2^i]，对于原始节点而言，这样的节点归为k-bucket i。

[backcolor=rgba(255, 255, 255, 0.5)]    你会发现，差距越大，陌生人就越多。但是朋友圈不能把所有的都放下，所以每一层都只放 K 个，这个 K 是可以通过参数配置的。

DHT 网络中查找好友

[backcolor=rgba(255, 255, 255, 0.5)]    假设，Node A 的 ID 为 00110，要找 B（10000），异或距离为 10110，距离范围在 [2^4, 2^5)，这就说明 B 的 ID 和 A 的从第 5 位开始不同，所以 B 可能在 k-bucket 5 中。

[backcolor=rgba(255, 255, 255, 0.5)]    然后，A 看看自己的 k-bucket 5 有没有 B，如果有，结束查找。如果没有，就在 k-bucket 5 里随便找一个 C。因为是二进制，C、B 都和 A 的第 5 位不停，那么 C 的 ID 第5 位肯定与 B 相同，即它与 B 的距离小于 2^4，相当于 A、B 之间的距离缩短了一半以上。

[backcolor=rgba(255, 255, 255, 0.5)]    接着，再请求 C，在 C 的通讯里里，按同样的查找方式找 B，如果 C 找到了 B，就告诉 A。如果 C 也没有找到 B，就按同样的搜索方法，在自己的通讯里里找到一个离 B 更近一步的 D（D、B 之间距离小于 2^3），把 D 推荐给 A，A 请求 D 进行下一步查找。

[backcolor=rgba(255, 255, 255, 0.5)]    你可能已经发现了，Kademlia 这种查询机制，是通过折半查找的方式来收缩范围，对于总的节点数目为 N 的网络，最多只需要 log2(N) 次查询，就能够找到目标。

[backcolor=rgba(255, 255, 255, 0.5)]    如下图，A 节点找 B 节点，最坏查找情况：

[backcolor=rgba(255, 255, 255, 0.5)]

[backcolor=rgba(255, 255, 255, 0.5)]    图中过程如下：

• A 和 B 的每一位都不一样，所以相差 31，A 找到的朋友 C，不巧正好在中间，和 A 的距离是 16，和 B 的距离是 15；
• C 去自己朋友圈找，碰巧找到了 D，距离 C 为 8，距离 B 为 7；
• D 去自己朋友圈找，碰巧找到了 E，距离 D 为 4，距离 B 为 3；
• E 在自己朋友圈找，找到了 F，距离 E 为 2，距离 B 为 1；
• F 在距离为 1 的地方找到了 B。
  

节点的沟通

[backcolor=rgba(255, 255, 255, 0.5)]    在 Kademlia 算法中，每个节点下面 4 个指令：

• PING：测试一个节点是否在线。相当于打个电话，看还能打通不；
• STORE：要钱一个节点存储一份数据；
• FIND_NODE：根据节点 ID 查找一个节点；
• FIND_VALUE：根据 KEY 查找一个数据，实则上和 FIND_NODE 非常类似。KEY 就是文件对应的哈希值，找到保存文件的节点。
  

节点的更新

[backcolor=rgba(255, 255, 255, 0.5)]    整个 DHT 网络，会通过相互通信，维护自己朋友圈好友的状态。

• 每个 bucket 里的节点，都按最后一次接触时间倒序排列。相当于，朋友圈里最近联系的人往往是最熟的；
• 每次执行四个指令中的任意一个都会触发更新；
• 当一个节点与自己接触时，检查它是否已经在 k-bucket 中。就是说是否已经在朋友圈。如果在，那么就将它移到 k-bucket 列表的最底，也就是最新的位置（刚联系过，就置顶下，方便以后多联系）。如果不在，就要考虑新的联系人要不要加到通讯录里面。假设通讯录已满，就 PING 一下列表最上面的节点（最旧的），如果 PING 通了，将旧节点移动到列表最底，并丢弃新节点（老朋友还是要留点情面的）。如 PING 不同，就删除旧节点，并将新节点加入列表（联系不上的老朋友还是删掉吧）。
  

[backcolor=rgba(255, 255, 255, 0.5)]    通过上面这个机制，保证了任意节点的加入和离开都不影响整体网络。

小结

• 下载一个文件可以通过 HTTP 或 FTP。这两种都是集中下载的方式，而 P2P 则换了一种思路，采用非中心化下载的方式；
• P2P 有两种。一种是依赖于 Tracker 的，也就是元数据集中，文件数据分散。另一种是基于分布式的哈希算法，元数据和文件数据全部分散。
  

或者添加学姐微信
DKA-2018

有任何问题欢迎在评论区留言