Kademlia使用XOR指标。除此之外，这就是所谓的单向＆＃34;属性（=对于任何给定点x和距离e> 0，恰好有一个点y使得d（x，y）= e）。
第一个问题是一个普遍的问题：度量的这个属性是否对Kademlia的功能至关重要，或者它是否有助于揭示来自某些节点的压力（正如原始论文所暗示的那样）。换句话说，如果我们想要更改指标，那么提供一个“单向”指标的重要性是多么重要。还有吗？
第二个问题是关于指标的具体变化：假设我们将节点标识符（地址）作为X位数，以下任何一个指标都适用于Kademlia吗？
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，我们确定添加1 /（x xor y），其中我们知道（x xor y）是单向的，因此具有1 /（x xor y）应保留此属性。
因此，对于节点ID 100，节点ID 90是d(100,90) = 10 + 1/62，而距节点ID 110的距离是d(100,110) = 10 + 1/10。
答案 0 :(得分：1)
你再也不会处理kademlia了。有人使用不同的距离度量的其他路由算法，有些甚至是非均匀距离度量，但它们不依赖于kademlia特定的假设，有时还包含其他功能以补偿这些度量的某些不良方面。
由于度量标准中可能存在联系（每个点有两个候选项），因此查找无法再收敛到一组精确的最近节点上。
需要更改存储桶拆分和其他路由表维护算法，因为它们假设相同的距离只能与节点标识一起发生。
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。您希望修改指标以服务于特定目标。也许您应该考虑设计符合该目标的路由覆盖。
d（x，y）= abs（x-y）+ 1 /（x xor y）
这似乎不切实际，对整数的划分受到四舍五入的影响。而实际上你不会处理如此小的数字，而是处理更大（例如160位）的数字，这使得分部也更加昂贵。