对等网络(P2P)的概念与思想

对等网络(P2P)的概念与思想

我想没有任何一个产业可像像IT产业一样，每天都不断地产生新的名词，然后在IT里面由几个简单词组成的IT名词，却不断引来大家的误解，我想P2P就是这些词中的一个了。

每当我向身边的同学和师弟提起P2P时，他们都异口同声地说“我知道 ，点对点嘛”。更多人会认为P2P就是point-to-point的简称。我简直不敢相信，P2P竟引来如此多的误解。我不知道为什么P2P会被人说成点对点，可能是数据链路层有个Point-to-Point protocol（PPP协议）吧，因而大误解P2P为point-to-point，点对点，有点可笑。更有甚者会说，P2P不就是BT嘛，呵呵，有时会搞得我哭笑不得。比较内行的同学才会问一下，你搞的P2P与BT有什么不同，呵这时才有机会让我发挥一下。好了，既然P2P这么多误解，那我就先给大家澄清一下吧。

首先，整个TCP/IP协议栈中应层以下的协议是为了通信而设计，无论它是多么的复杂，对于我们应用程序（应用层）来说，TCP/IP是一个基础设施。因此，在P2P的文献中会把TCP/IP网络说成为物理网络，进一步来说，如果P2P网络是建立于Ad Hoc网络时，我们也会把Ad Hoc网络称为物理网络，一句话，物理网络就是应用层以下的协议栈层组成的网络，这是一个通信的基础设施。

其实P2P就是一个应用层的网络，下面用一个C/S的例子就容易明白了。在C/S通信模式中，有一个服务器和很多的客户端，所有的资料都集中在服务器上。客户端能够与服务器通信，一个很重要的原因客户端知道服务器端的IP和端口号，因此就可以通信了。那么我可以定义，如果主机A知道主机B的IP和端口，那么A可以与B进行通信，那么我们认为A在应用层上与B有一个逻辑链路。那么节点与链路就可以构成一个图了，那么这个图就是网络，应用层上的图也即应用层网络，我们称为覆盖网络。我们可以想像一下，C/S通信模式就是一个树状的网络，只有一个根（服务器），所有节点都是它的直接子节点（客户端）。由于这样的一个图非常简单，并且只与根节点通信，不存在路由过程（选路过程，注意是应用层路由，而不是IP层的），因此，我们把C/S网络不看作覆盖网络，因为它不存在应用层路由过程。

好了，对应用层网络有了直接的概念吧，下面我们用一个更复杂的系统来解释什么是应用层路由，请看图1。

A－－－5－－－－B－－－－2－－－－C

|                                |                                    |

3                              4                                  7

|                                |                                    |   

D－－－3－－－－E－－－－4－－－－ F

＜图1＞

在上图中，A,B,C,..表示P2P的节点（可以认为一个P2P软件，具有服务器和客户端的功能）

，连线表示它们之间有逻辑链路（即知道对方的IP和端口号），连线中的权值表示该链路的距离，有逻辑链路的两个节点互为覆盖网络上的邻居。值得注意的是,A,B,C是P2P的节点，具有发出请求和处理请求的能力。如A与B通信，A只需知道 B的IP和端口号就可以了，它是要通过物理网络进行通信的，如采用TCP或UDP都可以的。

好了，我说明一下该P2P系统的应用层路由过程。路由过程就是将一个请求（数据）转通过中间节点转发到目标节点上。我们现在不论讨上面的图（应用层网络结构）是如果得知的，等分析完这个路由算法后再和大家分析，暂且放搁开它。上面每个节点的软件内容是完全对等的，它们是通过分布式的算法进行协作完成一次路由过程的，这点与IP层的路由算法是完全一样的。下面是各个节点所运行的路由算法，重点关注一下吧，这是P2P的精华。

对等体（Peer）的路由算法：

1）如果节点收到一个查询请求消息，先从消息中提取出请求者和消息ID，查看本地消息缓存是否有该请求者和ID对的记录，如有则表明该消息已处理过了，不作任何处理。否则执行2)

2）将请求者和消息ID存到本地的消息缓存中（防止重复处理）,并记录该消息由谁发送过来的，称它为前一个节点；然后查看本地的资源是否有请求的资源。如果有的话，向转给它的前一个节点发一个回复消息，包括本地的IP和端口（下载资源时用的）。否则执行3).

3)将该消息转发给它所有的邻居，除了前一个节点。

4）如果一个节点收到了一个回复消息，如果它不是请求节点，则把消息转发给前一个节点，最后回复消息会回复到请求节点中去。

好了，现在我们用上面的算法具体分析一下路由过程，还是原来的P2P结构。

A－－－5－－－－B－－－－2－－－－C

|                                |                                    |

3                             4                                   7

|                               |                                     |

D－－－3－－－－E－－－－4－－－－F

现在假设节点A要发出资源查询的请求，并且该资源只存在于节点F中。

第一步，节点A生成一个请求消息，包含请求者A，消息ID（独一无二的值），以及资源名字。它把消息发给B和D。

第二步，节点D在3个单位时间内收到请求信息。由于本地没有处理过该消息，那么它把保存下来，并且没有该资源，则把它转发给E。

第三步，节点B在5个单位时间内收到请求信息，处理与D一样，把消息转发给E和C。

第四步，节点E在6个单位时间内收到请求信息，由于第一次收到该消息，并且没有该资源，记录前一节点为D，把消息转发给B和F。

第五步，C在7个单位内收到请求信息，处理与上述的一样，并把它转给发F。

第六步，E在第9个单位时间内再次收到请求信息（比较请求者和ID即可知），由于之前已处理过了，对它进行了请求和ID对的缓存，故不处理。

第七步，B在第10个单位时间内收到从E转发过来的请求消息，重复消息，与第六步一样，不处理。同时F在10个单位时间内收到从E处转发过来的请求消息，发现有该资料，那么它F向E（前一个节点）发送一个回复消息，E收到该回复消息后，同样向D（前一节点）转发该回复消息，这样最后回复消息回传到A上。

…………

这就是一次路由过程（资源查询过程），当A收到F的回复消息，可以得知F的IP和端口号，那么它可以向F下载资源了。

本次路由过程的特点：由于A不知道F的存，更不知道它所请求的资料存在哪个节点上，所以发出了一次路由过程。同时我们注意到上面的路由算法是采用广播式的路由算法，这样会产生大量的重复消息，给网络的通信带来很大的负担，容易造成网络阻塞。其实最有用的链路由 A->D->E->F，请求消息不断地广播才找到F，因为所有节点都不知道资源在哪，只有F知道，故唯有广播了。在F发回复消息时，它是沿F->E->D->A走的，并不广播，因为事先已记录下来了回复的路径。注意A从回复消息中获到资源的存放点，但本系统并不关心A是如何向F下载资源的，本系统只负责资的查询。

相信大家看了上面的覆盖网络结构和路由算法后，脑海里面会出现很多不同的问题。现我尽可能能想像一下，并给出一个重要的回答。

1.上面的覆盖网络结构是如何建立的？

如果你能问这个问题，我觉得你有相关的C/S开发经验，或者对网络有很深入了认识。从事科研朋友通常会略过这个问题，因为在TCP/IP的网络和Ad Hoc网络是有所不同的。其实方法很简单，当一节点G要加入上面的P2P网络时（节点G刚运行时，还不知道网络有什么节点是该覆盖网络的），可以通过IP网络的多播找到该网络上的一个或多个节点，通常各个节点加入一个多播组来侦听节点的加入消息就可以了。假设节点G向多播组发送加入消息后，得到C，E,F的回复，那么它从回复消息中，得到C，E，F的IP和端口，则把这三个节点作为自己的邻居，通时通知这三个节点自己的IP和端口号，使自己变成它们的邻居。如果得到回复的节点数太多了，则把回复最早的几个节点(即与当前节点距离最近的)作为自己的邻居，并通知他们自己的加入。显然这是一种方法而己，还有很多其它方法。IP的多播方案自提出来已很有久了，但很多路由器对它不支持，因此仅依IP多播加入覆盖网络已成为了一种侈望。

2.刚才所说的邻居表到底用来做什么的？

呵呵，如果你会问这个问题，可能你对网络层的路由算法一点也不了解。邻居表就是覆覆盖网络上的路由表，它是由它来进行决策的。邻居表只是一个局部的信息，能不能每个节点都保存网络上其它所有节点的IP和端口，以进行通信呢？假如有的话，并且网络的节点数为n，那么进行资源查询时，只需进行O(n)次通信就可以找到资源的所在节点了。但是，这显得不太可能了，因P2P网络上的节点上线和下线是非常快的，网络变动很大的。如果每个节点都维护其它在线节点的信息，那么节点的邻由表会达到10W的数量级，并具随着节点的下线和上线，维护邻居表的更新的通信也会因此变得很大的。所以每个节点只能是维护一部分的节点信息。如果利用邻居表进行路由决策呢？也即是提到的算法，这会因不同的P2P系统有所不同。刚才说的系统是广播的路由算法，它向每个邻居都转发消息。当然还有其它系统，采取不同的路由算法，如基于DHT的Chord。

3.刚才所说的广播式算法或过程，是不是指IP多播。

这也是我面试时遇到的一个问题，他们认为P2P就是利用了IP多播进行资源查询的。很多人都没有想P2P是在应用层的，它构建的网络是应用层的网络，因此如果进行路由过程中采用广播式的算法，也就是说它向所有邻居发送消息，但向每个邻居发消息时，是采用物理网络的单播而进行的。如上图中的A要分别向B和D发送消息时，分别获得B和D的IP和端口，再进行TCP或UDP的通信。可以把A向B和D发消息时，可以认为在应用层上是广播的（它确定向所有的逻辑链路发送了消息，类似于广播式的），而在特理网络上是采用单播，可能先与B进行TCP，再与D进行TCP。当然，新节点加入网络时，可能会使用IP多播的，总的来说，P2P的路由算法是不使用多播的，否则也不会出现当前P2P的流行。

这里没有谈到路由的更新问题，如果节点A下线了，那么它会通知B和D。B和D收到A的下线消息后，B和D的把邻居表中的A项删除，如果认邻居太少了的话，那么它可以向它的邻居的邻居作为自己的邻居，这样使得网络链更复杂，可以减少出现网络分裂的情况。如果A是网络的割点，那么它的出现会使一个网络分成为两个网络，并且不能相互通信，这是P2P网络所要避免的。更进一步，如果节点A特然下线了，没有通知B和D，那B和D会通过A所发送的一个定期Keep-Alive(心跳）消息进行获知A在不通知的情况下掉线了。B和D就是要自己调整邻居表了。

好了总结一下，一个P2P系统有什么东西重要的呢？要由以下几部体组成：

覆盖网络的结构：这也就是覆盖网络的结构上有什么特点，上面说的那个网络是一个典型的随机图结构，它的邻居是不严格的。覆盖网络所对应的图有很多特点可以进行分析的，如网络的直径，它决路由算法的代价。每个点的度，它决定节点的邻居表的大小，直接决定维护邻居表的代价。如一个n节点完全图，它的直径是1，而度是n；这决定它的路由过程非常高效，但邻居表的维护代价就非常大了。另外一个n节点所组成的环形图，那么它的直径是n/2，度是2；故它的路由复杂度为O(n)，邻居表大小为O(1)。

覆盖网络的路由算法：这和覆盖网各的结构是紧密结合在一起的，可以说有什么样的结构，就对应什么的类型的路由算法。随机图的结构，对应的是广播式的路由算法；而正则图则对应对数的路由算法，类似于K分查找树的查找过程。

节点的加入，初始化路由表，和路由更新，以及容错算法：P2P系统是动态的，节点不断地加入和退出。当一个节点加入了，它要运行节点加入算法，以获得网络上其它节点的信息，同时要初始化它的邻居表（路由表），这样其它节点知道它加入后，要调整自己的邻居表（路由更新），以使得新节点加入后，网络结构的性质依然保持。如果某些节点下线，有可能通知，也可能没有通知其它节点，那么网络中的相关节点能检测出来节点掉线，更自动调整邻居表，使网络结构依然持，这就是容错算法所要做的事情了。注意，这些算法都是独立运行在每个节点的，它们是通过节点间的协作通信而工作的。

同时大家会问，P2P的优点是什么。在此，我不想谈它太多的优点，当然它也有缺点，我就谈谈它的特点吧：

1）可扩展性：这个P2P中一个很诱人的特点，网络可容纳的节点个数是无限的，可共享的资源数同样是无限的。资源分布在不同的节点里面，它们一起协同而形一个资源无限的网络。

2)分散性：P2P中的资源分布在所有节点中，避免了服务器的介入，这样可避免音点屏颈的出现。样就大大降低了对集中式服务器的资源和性能要求。

3）健壮性：在集中式网络中，服务器成为整个系统的屏颈，无论是容量，和计算机处理能力。但是在P2P网络是，这样的问都都不会出现。系统的资源，计算机能力和存储能力都是分布在所有的节点上的，理论上是这些能力是无限。

当然P2P还有很多特点，在些不一一列举。写到这样还不能满足大家的口味，因为没有提到BT。说声抱歉，我对BT不了解，故不在些分析。你可参考相关的文章进行有选择性的阅读。现在流行P2P软件几本都是基于中央服务器的P2P系统。而我们上面析的那个系统是没有中央服务器的，所有节点都对等的，请大家分清楚。

至于没有中央服务器的P2P能否走向商业化，还有待大家的关注，有兴趣的朋友请继续关注下一篇文章，具体介绍几个典型的P2P系统。