分布式散列表（DHT）的原理
这个是干嘛的
去中心化服务的基础组件
分布式散列表在概念上类似与传统的散列表，差异在于一个存在于分布式系统中，一个存在于单机中。
分布式主要是做为当规模很大时的解决方案。
比如大黄某篇文章上说
一匹马拉不动马车，可以找一匹更壮的马，或者是多找几匹马
单匹马无论多壮，总是有上限的。但多找几匹马，上限可能只受限于调度系统。
为啥会出现DHT?
在 P2P 文件共享的发展史上，出现过3种不同的技术路线（三代）。
第1代-中央服务器的模式
每个节点都需要先连接到中央服务器，然后才能查找到自己想要的文件在哪里。
这种技术的最大缺点是——中央服务器成为整个 P2P 网络的单点故障。这类 p2p 的典型代表是 Napster
第2代-采用广播的模式
要找文件的时候，每个节点都向自己相连的所有节点进行询问；被询问的节点如果不知道这个文件在哪里，就再次进行广播……如此往复，直至找到所需文件。
这种技术的最大缺点是——会引发“广播风暴”并严重占用网络带宽，也会严重消耗节点的系统资源。这类 p2p 的典型代表是 Gnutella 的早期版本。
第3代-采用DHT技术
找文件时，根据文件信息，在DHT中找到文件，通过路由算法，可以避免之前的广播。
DHT 有哪些应用场景
DHT 最早用于 P2P 文件共享和文件下载（比如：BT、电驴、电骡），之后也被广泛用于某些分布式系统中，比如：
- 分布式文件系统
- 分布式缓存
- 暗网
- 无中心的聊天工具/IM
- 无中心的微博客/microblogging
- 无中心的社交网络/SNS
分布式散列表（DHT）的能解决什么问题
“无中心”导致的难点
前面提到了 DHT 的诞生，是为了解决前面两代 P2P 技术的缺陷。其中一个缺陷是“中央服务器”导致的单点故障。
因此 DHT 就不能再依靠中央服务器。而没有了中央服务器，就需要提供一系列机制来实现节点之间的通讯。
“海量数据”导致的难点
DHT 的很多使用场景是为了承载海量数据（PB 或更高级别）。
由于数据是海量的，每个节点只能存储（整个系统的）一小部分数据。需要把数据均匀分摊到每个节点。
“节点动态变化”导致的难点
很多 DHT 的使用场景是在公网（互联网）上，参与 DHT 的节点（主机）会出现频繁变化——每时每刻都有新的节点上线，也会有旧的节点下线。在这种情况下，需要确保数据依然是均匀分摊到所有节点。
“高效查询”导致的难点
对于节点数很多的分布式系统，如何快速定位节点，同时又不消耗太多网络资源，这也是一个挑战。DHT 必须有更高效的查找机制。而且这种查找机制要能适应“节点动态变化”这个特点。
分布式散列表（DHT）如何解决上述难点？
DHT 采用如下一些机制来解决上述问题，并满足分布式系统比较苛刻的需求。
“散列算法”的选择
DHT 通常是直接拿业务数据的散列值作为 key，业务数据本身作为 value。
考虑到 DHT 需要承载的数据量通常比较大，散列函数产生的“散列值范围”(keyspace)要足够大，以防止太多的碰撞。更进一步，如果 keyspace大到一定程度，使得“随机碰撞”的概率小到忽略不计，就有助于简化 DHT 的系统设计。
通常的 DHT 都会采用大于等于 128 比特的散列值(2的128次幂，非常大的数据)
同构的“node ID”与“data key”
DHT 属于分布式系统的一种。既然是分布式系统，意味着存在多个节点（电脑主机）。在设计分布式系统的时候，一种常见的做法是：给每一个节点（node）分配唯一的ID。有了这个节点 ID（node ID），在系统设计上的好处是——对分布式系统所依赖的物理网络的解耦。
很多 DHT 的设计会让“node ID”采用跟“data key”同构的散列值。这么搞的好处是：
1、当散列值空间足够大的时候，随机碰撞忽略不计，因此也就确保了 node ID 的唯一性
2、可以简化系统设计——比如简化路由算法
所谓同构，类似于面向对象中多态，类似于由强类型语言到弱类型语言。
“拓扑结构”的设计
作为分布式系统，DHT 必然要定义某种拓扑结构；有了拓扑结构，自然就要设计某种“路由算法”。
DHT是采取基于key的路由方式，这不是具体的算法，而是指导思路，是种风格。用这种思路来设计路由机制让key本身提供足够多的路由信息。
当某个分布式系统具有自己的拓扑结构，它本身成为一个Overlay Network。所谓的覆盖网络，就是应用层的抽象，通俗地说就是“网络之上的网络”。对于大部分 DHT 而言，它们是基于互联网之上的“覆盖网络”，它们的数据通讯是依赖下层的互联网来实现的。
这种分层思想在网络协议中非常常见。每一层只解决这一层的问题，把复杂的问题分解到每一层来简化问题。
“路由算法”的权衡
由于 DHT 中的节点数可能非常多（比如：几十万、几百万），而且这些节点是动态变化的。因此就不可能让每一个节点都记录所有其它节点的信息。实际情况是：每个节点通常只知道少数一些节点的信息。
这时候就需要设计某种路由算法，尽可能利用已知的节点来转发数据。“路由算法”这玩意儿很重要，直接决定了 DHT 的速度和资源消耗。
在确定了路由算法之后，还需要做一个两难的权衡——“路由表的大小”。
路由表越大，可以实现越短（跳数越少）的路由；缺点是：（由于节点动态变化）路由表的维护成本也就越高。
路由表数越小，其维护成本越小；缺点是：路由就会变长（跳数变多）。
这里的设计与tcp/ip的网络层路由方式类似。
距离算法
某些 DHT 系统还会定义一种“距离算法”，用来计算：“节点之间的距离”、“数据之间的距离”、“节点与数据的距离”。
此处所说的“距离”属于逻辑层面，对应的是 DHT 自己的拓扑结构，网络之上的网络结点之间的距离；它与地理位置无关，也与互联网的拓扑结构无关。
前面要强调“node ID”与“data key”同构。当这两者同构，就可以使用同一种“距离算法”；反之，如果这两者不同构，多半要引入几种不同的“距离算法”。
数据定位
DHT 与传统的散列表在功能上是类似的。说白了，他们最关键的功能只有两个：“保存数据”和“获取数据”。
1 | |
保存数据
- 当某个节点得到了新加入的数据（K/V），它会先计算自己与新数据的 key 之间的“距离”；然后再计算它所知道的其它节点与这个 key 的距离。
- 如果计算下来，自己与 key 的距离最小，那么这个数据就保持在自己这里。
- 否则的话，把这个数据转发给距离最小的节点。
- 收到数据的另一个节点，也采用上述过程进行处理（递归处理）。
获取数据
- 当某个节点接收到查询数据的请求（key），它会先计算自己与 key 之间的“距离”；然后再计算它所知道的其它节点与这个 key 的距离。
- 如果计算下来，自己与 key 的距离最小，那么就在自己这里找有没有 key 对应的 value。有的话就返回 value，没有的话就报错。
- 否则的话，把这个数据转发给距离最小的节点。
- 收到数据的另一个节点，也采用上述过程进行处理（递归处理）。
Kademlia（Kad）协议 简介
概述
拓扑结构——二叉树
总结
这篇文章是参考别的的文章写的。
但这个写作思路也值得学习的。
- 简单介绍这东西是什么
- 能解决什么实际问题
- 解决这个问题会遇到什么难
- 这些难点是怎么解决的
- 现在工程上实际的方案是怎么样的
这是种顺应人思维方式的讲述方法。还有就是类比原理，通过熟悉的例子或原理类比出新的知识。