From: http://mmdays.wordpress.com/2007/04/07/bt2/
前一篇文章介紹了 BT 的基本運作原理，這一篇文章就來看看學術界對這個機制的探討吧。
關於 BT 機制本身的實驗文章其實不少。 2004 年一群法國人發表了一篇 Dissecting BitTorrent ： Five Months in a Torrent’s Life 。內容是他們把 Red Hat 9 的原始檔（約 1.77G ）放在網路上供人下載，透過 Tracker 的紀錄機制，觀察 BT 的下載特性。相較於這群法國人觀察的是單一 BT 檔的下載過程，紐西蘭 Delft 大學的研究生則觀察了國外比較有名的 BT 分享論壇（ Supernova.org 、 Youceff.com 等）幾個月來的人潮（大約有六萬人）。從這些鄉野實驗，可以得到幾個基本的結論：
（1） BT 檔案往往會有 flash crowd 情形：分享開始的前幾天會湧入大量人潮，然而高潮退去後人也散得快。
（2） 下載的速度呈現「多數人下載慢，極少數人下載速度超快」的情形；不過即使「多數人下載慢」，下載的平均速度仍然比 ftp 快上不少。根據實驗，平均下載速度是 240K ， 90% 的人速度不會超過 520K 。有極少數的人下載速度會達到每秒 3000K 以上。
（3） 檔案的存活天數難以從檔案分享十天後的狀況來預測：紐西蘭學生嘗試著去預測檔案存活天數，不過失敗了。後面我們會看到另外一篇 paper 是如何成功預測的。
就這樣而已嗎？這兩篇實驗雖然做了一段蠻長的時間，可是得出的結論好像跟沒做差不多；我們這些下載者不用做實驗也知道。不過學術界就是這樣：會有人先去做最基本的實驗，弄出一大堆看似無用的數據，接著就會出現根據這些數據做出的漂亮推論。 2004 年，著名期刊 SIGCOMM 石破天驚地刊出了一篇論文：「 Modeling and Performance Analysis of BitTorrent-Like Peer-to-Peer Networks 」，作者是 UIUC 的 Dongyu Qiu 與 R. Sirkant 。該篇文章用廣泛而嚴謹的數學模型推導 BitTorrent 在穩定態效能、檔案分享效度、 Free Rider （不提供上傳頻寬但享受下載速度的懶蟲）等問題，做了一番精闢的解析，讓所有網路學教授驚覺 BT 中的價值：不只是因為根據 BT 的數學隨機模型極有研究價值（經數學驗證， BT 擁有「無人數上限」、「下載速度不受人潮影響」 的特性），更讓他們驚奇的是，這些教授竟然都沒發現身邊有這麼傑出的軟體，而且還是一個無名小卒寫的 XD 。從該篇文章之後，有更多的學術資源投入與 BT 相關的研究， BT 技術的影響也深入到其他應用，例如隨選視訊（ VOD ）、 CDN 等等。
既然上一篇討論過了 BT 的基本特性，我們就直接來看看這篇論文探討了哪些東西吧！接下來的文章可能會牽涉到一些數學，我會盡量用淺顯易懂的字眼跟大家解釋的。
（ 1 ）流體模型（Fluid Model ）
還記得國中數學上的馬可夫鏈（ Markov Chain ）嗎？典型的題目是這樣：
某旅行家固定在 A 、 B 兩城走動，每天他會決定要前往 A 城或 B 城，如果今天他人在 A 城，則有 80% 的機率明天他會走到 B 城去（ 20% 的機率留下來）；如果今天他在 B 城，則明天他有 75% 的機率跑到 A 城（ 25% 的機率待在 B 城）。問經過無數天之後，旅行家待在 A 城的機率有多少？待在 B 城的機率有多少？？
相信大家對這類的數學問題還有一點點印象。好了，今天我們不討論如何解題，來看看 Sirkant 他們如何用類似的方式模擬 BT ：
今天有 A 、 B 、 C 、 D 四個城， A 城象徵沒有加入 BT 的人， B 城象徵成為 BT 下載者的人， C 城象徵成為 BT 種子的人， D 城象徵下載完後離開系統的人。 A 城每天有 λ 人會進入 B 城， C 城每天有 γ 的人會進入 D 城，而 B 城到C 城（下載者變成種子）的速率則視當下 BT 中有多少人、每人平均分享頻寬而定，則經過無數天之後， B 城的人有多少？ C 城的人有多少？從 B 城到 C 城的平均速度是多少？？
相信大家一定都對這樣的數學模型算出來的結果很有興趣（包括我 XD ），算出來的結果是
代表平均下載人數， 
代表平均種子數，θ代表中途取消下載的比例，β則是受到下載速度、平均上傳頻寬、檔案分享效率與種子離開率影響的一個變數。從排隊理論可以進一步推導出x變成y（下載者變成種子）的時間大約是：
T 是平均下載時間。從這些奇怪的數學蝌蚪文中，作者得到了以下結論：
Ø 平均下載時間與人潮湧進的速率無關。因此下載時間不會因為系統中人很多（或人很少）而變快（或變慢）
Ø 檔案分享的效率越高，下載時間越短。分享的效率與「BT 中一個下載者同時最多能向多少人交換檔案片段下落的資訊」成正相關。
Ø 種子離開系統的速率會影響下載時間 。每分鐘若有 10 個種子離開 BT ，平均下載速率會比每分鐘 5 個種子離開的 BT 慢。
Ø 在網路上絕大多數人使用ADSL 的情況下，會影響下載速度的是「每個人平均願意分享出來的頻寬」。除非今天每個下載者變成種子之後都捨不得離開 BT 、讓 BT 中充滿無限多個種子，否則這個法則不會改變。
（ 2 ）賽局理論
還記得「美麗境界」裡面 John Nash 對於「如何追女孩子」提出的賽局理論解說嗎？沒錯，這篇論文也用上了賽局，用來解釋「如果你上傳頻寬比別人少的話，跟別人搶下載資源會多麼吃力」這件事。事實上根據 BT 的基本設定，這個結論還頗殘酷的 …… 。還記得上一篇提到，每個人都會上傳給「分享給我檔案且速度最快的前四個人」嗎？假設今天系統中有六個人，這六個人的上傳頻寬都不一樣，則根據這個法則，上傳頻寬最少的使用者將屈居劣勢，因為頻寬前五名的使用者會「玩他們自己的」，互相將檔案傳給對方，而頻寬最後一名的使用者只能等待前五位偶發性的「 Optimistic Unchoking 」施捨一點檔案給第六名，或者說等前五位都下載完畢成為種子之後，才能得到檔案。
所以 BT 中達不到皆大歡喜的 Nash Equilibrium （納許平衡點），總是會有人得不到檔案嘛？倒也不盡然。這篇 paper 另外提出一種情境，在這種情境下每個人的下載速度都不會太低：將網路上的下載者依據頻寬分為幾個大族群。上傳頻寬最大的族群會優先獲得檔案，當這個族群的下載速度已經快到不能再快的時候，多出來的上傳頻寬會分享給第二快的族群，然後依此類推 … 。只要每個族群的人數到達一定的數量，就會達到人人有檔抓、速度都不慢的納許平衡點。
（事實上 Mr. Friday 對賽局不熟，這段看了我好久啊 ~ 如果有錯還請指正）
（ 3 ） Free Riding 問題
Free Riding （ Free Riding 是一種行為， Free Rider 是指有這種行為的人）指的是不合作的使用者。在注重分享功能的 BT 系統中，偏偏有些人上傳開一點點或根本不開，那麼這些人的還是會享有很高的效能嘛？讓我們來想一下， Free Rider 們唯一能夠獲得檔案的機會就是其他人透過 Optimistic Unchoking 隨機上傳檔案給他們的時候。那麼一個 Free Rider 接受到的機會有多少？假設系統中只有一個 Free Rider ，則其他人隨機選到他、上傳檔案給他的頻寬就等於
N （總人數）
乘上 μ （每人平均上傳頻寬）
乘上 1/N-n （選中 Free Rider 的機率， N 為總人數， n 為當下有上傳關係的人數）
乘上 1/(n+1) （ Optimistic Unchoking 佔去的頻寬比例）
因為 N 往往極大（人數常常破千上萬），相較於 n 很小（預設同時上傳給 4 人），所以化簡後可得
Free Rider 頻寬 = μ/（n+1）
如果照 BT 原先的預設 n=4 （最多同時上傳給 4 個人），則一個 Free Rider 的下載速度大概是網路平均上傳頻寬的五分之一。因為在 BT 機制中，每個人的下載都來自其他人的上傳，所以每人平均上傳頻寬也就等於每人平均下載速度。因此該式子代表「一個不分享上傳頻寬的傢伙，下載速率大約是其他人的五分之一」 。如果是 BitComet 之類的軟體，將 n 調到 10 ，則 free rider 的下載速率大概是別人的十一分之一 。
大家應該都不太喜歡網路上有 Free Rider 的出現，那麼我們直接把 n 這個數字提高到無限大好不好？但 n 太高會引起反效果，因為開啟太多的連線數會直接導致網路擁擠，錯誤率提高，整體上傳率反而下跌，進而導致群體下載速度變更慢。 n 這個參數的設定，反倒變成 BitComet 、 BitSpirit 、μ Torrent 這些軟體的兩難議題了。
從上面精采的推導，給了我們幾個觀察 BT 的重點。首先是 BT 在檔案分享效率上已經超乎許多學者原本的預期，下載的速率不會隨著同時下載人數的多寡而變，而能一直維持在「每人平均上傳速率」－這是一個相當重要的特性，因為它打破一般以為「想要禁得起多人同時下載，就得付出龐大的伺服器架設費用」的迷思。模仿 BT 機制而運作良好的 PPStream 就是一個很好的例子。以往大家都認為 Video On Demand （隨選視訊）至少還要經過個十幾年，等到有人付得起龐大的網路串流伺服器架設費用再說。現在呢？你看 PPStream 運作得多快！
第二個重點是 BT 軟體本身可設定的參數對於整個 BT 系統下載的影響。如前面所述，網路上有很多以 BT 為核心、但是經過略加修改的軟體，如 BitComet 、 BitSpirit 、μ Torrent 等等。可別以為這些軟體都差不多，事實上這些軟體所動到的一些參數，如同時可傳輸的人數上限、同時交換檔案片段訊息的人數上限，甚至是預設的上傳頻寬上限等等，會徹底的影響整個 BT 的運作效能。不過我談論的是整體：如果一群人都用 BitComet ，與另一群都用 BitSpirit 下載，兩組群體的整體效能會不相同，但是以現在網路的情形，大概有 20% 用 BitComet 、 30% 用 BitSpirit 、 5% 用奇奇怪怪的軟體 …… 。如果你把慣用的BT 軟體從 BitComet 轉換成 BitSpirit ，你的下載的速度應該不會有特別的影響。只有在整體的情況下─有 10000 人共同把軟體從 BitComet 換成 BitSpirit─才會有影響。所以別輕易的被「我們這套軟體用了特殊加速的方法」之類的廣告辭迷惑。那或許是真的，不過要非常多人都使用那套軟體才會有效。而且「加快下載」這類的技術往往都不是很光明正大，裡面不知道藏了什麼奇怪的設定（像是死道友也死貧道的foxy）才會讓下載速度變快 …… 。還是乖乖用一般的正派 BT 軟體就好吧！
最後一個是我個人的感想。看到前面國中曾經學過的馬可夫鏈、電影中看過的賽局理論、高中時算得要死的機率 … 不知道大家是不是跟 Mr. Friday 一樣感慨呢？這些學問以前在學的時候總是覺得艱深，而且不知道到底可以用在哪裡。不過這些數學的應用其實就存在你我的身邊，甚至是大家每天開啟的 BT 程式中。透過這些數學的運算，甚至可以真實的預測出大眾看似不經意而隨機的下載行為模式。誰說國高中時學的數學是沒有用的呢？這裡還真要感謝我國高中的數學老師幫我打下的基礎，不然我還看不太懂這些言簡意賅的精妙數學運算式呢！
這樣就結束了嗎？還沒呢！下一篇將會介紹另一篇研究 BT 行為的 Paper ，看他們是如何準確預測 BT 從發佈到斷種的時間長度，上傳分享比率與下載速度之間的關係，甚至是開同時開數個 Torrent 檔時的影響！精采可期，可別錯過了喔！
相關連結:
Modeling and Performance Analysis of BitTorrent-Like Peer-to-Peer Networks
扫一扫
353
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
