更改 Kademlia 指标 - 单向 属性 重要性
Changing Kademlia Metric - Unidirectional Property Importance
Kademlia 使用 XOR 度量。除其他事项外，这有所谓的 "unidirectional" 属性（= 对于任何给定的点 x 和距离 e>0，恰好有一个点 y 使得 d(x,y)=e）。
第一个问题是一个一般性问题：这个 属性 指标对 Kademlia 的功能至关重要吗，或者它只是有助于揭示来自某些节点的压力（如原始论文所建议的那样） .换句话说，如果我们想更改指标，那么指标也是 "unidirectional" 有多重要？
第二个问题是关于指标的具体变化：假设我们有节点标识符（地址）作为 X 位数字，以下任何指标是否适用于 Kademlia？
d(x,y) = abs(x-y)d(x,y) = abs(x-y) + 1/(x xor y)
第一个指标只是提供数字之间的差异，因此对于节点 ID 100，ID 为 90 和 110 的节点距离相等，因此这不是单向指标。在第二种情况下，我们修复了添加 1/(x xor y) 的问题，我们知道 (x xor y) 是单向的，因此具有 1/(x xor y) 应该保留此 属性。
因此对于节点ID 100，节点ID 90为d(100,90) = 10 + 1/62，而与节点ID 110的距离为d(100,110) = 10 + 1/10。
你不会再和 kademlia 打交道了。还有许多其他路由算法使用不同的距离度量，有些甚至是不均匀的距离度量，但它们不依赖于 kademlia 特定的假设，有时会结合其他功能来补偿这些度量的一些不良方面。
由于度量中可能存在联系（每个点有两个候选点），因此查找不再会聚在一组精确的最近节点上。
桶拆分和其他路由 table 维护算法需要更改，因为它们假设相同的距离只能出现在节点身份上。
我不确定它是否会影响 Big-O 属性或 kademlia 的其他保证。
无论如何，这似乎是一个 X-Y 问题。您想要修改指标以服务于特定目标。也许您应该寻找考虑到该目标而设计的路由覆盖。
d(x,y) = abs(x-y) + 1/(x xor y)
这似乎不切实际，整数除法会四舍五入。实际上，您不会处理这么小的数字，而是要处理更大（例如 160 位）的数字，从而使除法的成本也更高。
Kademlia 使用 XOR 度量。除其他事项外，这有所谓的 "unidirectional" 属性（= 对于任何给定的点 x 和距离 e>0，恰好有一个点 y 使得 d(x,y)=e）。
第一个问题是一个一般性问题：这个 属性 指标对 Kademlia 的功能至关重要吗，或者它只是有助于揭示来自某些节点的压力（如原始论文所建议的那样） .换句话说，如果我们想更改指标，那么指标也是 "unidirectional" 有多重要？
第二个问题是关于指标的具体变化：假设我们有节点标识符（地址）作为 X 位数字，以下任何指标是否适用于 Kademlia？
d(x,y) = abs(x-y)d(x,y) = abs(x-y) + 1/(x xor y)
第一个指标只是提供数字之间的差异，因此对于节点 ID 100，ID 为 90 和 110 的节点距离相等，因此这不是单向指标。在第二种情况下，我们修复了添加 1/(x xor y) 的问题，我们知道 (x xor y) 是单向的，因此具有 1/(x xor y) 应该保留此 属性。
因此对于节点ID 100，节点ID 90为d(100,90) = 10 + 1/62，而与节点ID 110的距离为d(100,110) = 10 + 1/10。
你不会再和 kademlia 打交道了。还有许多其他路由算法使用不同的距离度量，有些甚至是不均匀的距离度量，但它们不依赖于 kademlia 特定的假设，有时会结合其他功能来补偿这些度量的一些不良方面。
由于度量中可能存在联系（每个点有两个候选点），因此查找不再会聚在一组精确的最近节点上。
桶拆分和其他路由 table 维护算法需要更改，因为它们假设相同的距离只能出现在节点身份上。
我不确定它是否会影响 Big-O 属性或 kademlia 的其他保证。
无论如何，这似乎是一个 X-Y 问题。您想要修改指标以服务于特定目标。也许您应该寻找考虑到该目标而设计的路由覆盖。
d(x,y) = abs(x-y) + 1/(x xor y)
这似乎不切实际，整数除法会四舍五入。实际上，您不会处理这么小的数字，而是要处理更大（例如 160 位）的数字，从而使除法的成本也更高。