Distributed Hash Tables, Part I

最新推荐文章于 2025-05-10 10:07:05 发布

翻译最新推荐文章于 2025-05-10 10:07:05 发布 · 883 阅读

文章标签：

DHT是有鲁棒性的p2p网络中的必要组成部分。
在分布式的世界里，DHT最近有了革命性的影响。
DHT算法的知识即将成为分布式应用开发的关键组成部分。
基本上，DHT是hash table的表现。我们可以把key和value成对存储。
可以通过key来检索到value。
有意思的是DHT是被分布式在多台机器上存储和检索的。
和已经存在的主/从数据库响应结构不同的是，所有节点是对等的，这样这些节点可以自由的加入和退出网络。
尽管表面上随机的变化会影响网络中节点成员关系，但可以证明DHT有性能上的担保。
为了开始DHT的设计，我们需要有一个环，双向链表。
链表中的每个节点都是网络中的一台主机。
每个节点都有个地址的参照，根据链表中的相邻节点。
因此，我们必须定义一个顺序以便判定谁是后继结点。
Chord DHT定义一个后继结点的方法是：分配一个k bits（2的k次方个）唯一的随机ID给每个节点。
在环内顺时针方向，节点的ID号是递增的。
对每个节点，它的后继结点都是顺时针方向距离最短的那个节点。
只有一个例外，对大ID的那个节点后继是最小ID的节点。
Listing 1. ringDistance.py
# This is a clockwise ring distance function. # It depends on a globally defined k, the key size. # The largest possible node id is 2**k. def distance(a, b): if a==b: return 0 elif a<b: return b-a; else: return (2**k)+(b-a);

每个节点本身都是一个标准的hash table。
你所要做的事就是存储和检索。
首先，把key哈希成一个有k比特长度的数字，这个数字就是ID。
然后判断出哪个节点是它的后继，根据环中任意一个节点开始，直到找到最近的那个但是仍然比它大的那个节点。
通过hash来形成key。

Listing 2. findNode.py

# From the start node, find the node responsible # for the target key def findNode(start, key): current=start while distance(current.id, key) > / distance(current.next.id, key): current=current.next return current # Find the responsible node and get the value for # the key def lookup(start, key): node=findNode(start, key) return node.data[key] # Find the responsible node and store the value # with the key def store(start, key, value): node=findNode(start, key) node.data[key]=value

DHT虽然设计简单，却达到了服务于分布式哈希表的目的。
值得注意的是，虽然例子中的代码——双向链表看起来相当正常，它仅仅是DHT的一个模拟。
在真正的DHT中，每个节点都在不同的主机上，对它们所有的命令都需要在类似于socket protocol上通信。
为了使当前的设计更加有用，最好为节点的加入和退出，或者故意失败做好解释。
为了有这个特征，我们必须为我们的网络建立一个加入退出协议。
Chord 加入协议的第一步是用普通的lookup协议检索出新节点的后继。
新加入节点应该被插入在后继和前驱节点之间。