BT 知识科普| 别再问我什么是 BT 种子?

     电脑日志      0      6,786

Boss有话说

最近 Boss 重新刷新了对 BT 种子的认识,很多朋友认识 BT 是由迅雷开始的,下载电影、学习资料、图片等等资源就需要复制一大段的神秘代码链接,这个就是 BT 种子链接。

Boss 从哔哩哔哩的博主【回形针PaperClip】看到了一篇对 BT 种子科普的视频,看完之后刷新了三观,有文化真牛逼,虽然看不懂,就明白两点,一是种子下载人数越多,速度越快!二是只要种子不死,那些不存在的音乐图书和视频等等资源只要还活在互联网上,没有人可以毁掉!下面直接看视频吧。

 

 

以下为视频逐字稿:

如果你想要下载一集不存在的回形针视频,你会怎么做?

最简单的方法当然是找一个有资源的哥们——每羊,让他把这期视频发给你。早期互联网,大家就是这么共享文件的,但是这样也有很多问题。

比如下载的人一多,每个人分配到的带宽就变小了,下载速度会变慢。更危险的是,这期视频是敏感资源,你的哥们本来就不应该分享给你,如果每羊被抓了,大家也都别下载了。

针对这些问题,美国工程师 Bram Cohen 在 2001 年发布了 BitTorrent 协议,资源不再由一个人或一个中心服务器提供,而是所有人提供给所有人,下载的人越多,速度越快。这种模式也叫 peer-to-peer(用户群对用户群),也就是我们常说的 P2P 下载。

BitTorrent 的核心思想是把文件分成很多个小块,让下载者互相连接。

以这支 117.3 MB 的视频为例,被分成了 895 个 128kB 的文件块后,下载了第 306 块的用户 A 就可以和下载了第 11 块的用户 B 交换彼此下载好的部分。参与的人越多,互相交换的就越密集,下载的越快。

为了做到这一点,BitTorrent 协议需要资源共享者生成一个包含下载信息的种子文件,后缀是 .torrent,这就是我们常说的 BT 种子。

种子文件包含文件的名字、大小,分块后每块文件的大小、哈希值,以及 Tracker 服务器的地址。

Tracker 很重要,通过 Tracker 我们才能找到其他下载者的联系方式。

当你用下载软件打开种子,就会开始联系种子文件里内置的 Tracker 服务器,告诉 Tracker 我要下载这个文件,服务器会记录下你的 IP,并把其他正在下载或下载完成的人的 IP 返回给你,这样你们就可以愉快的组队下载了。

当然,如果没有找到正在下载的人,资源发布者也不在线,你就只能以 0kb/s 的速度等着了。

不难发现,Tracker 服务器是 P2P 网络的弱点,如果 Tracker 被关闭或封禁,你就无法找到同伴,也难以完成下载。

为了摆脱对 Tracker 服务器的依赖,今天最流行的下载方式是磁力链接(Magnet URI scheme),通常是一串这样的神秘代码:

magnet:?xt=urn:btih:1a427c8498f72b9a27fde87662dbeb6fc043fc47

前面都是标准格式,最重要的是这 40 个 16 进制的数字。任何文件丢进哈希算法都能得到一串这样字符,40 位、16 进制、只属于这个文件。你可以把它当成一个文件 ID,它能帮我们找到我们要下载的东西。

磁力链接的本质是把所有人都变成一个小型 Tracker,每个人都拿着一份动态更新的地址和文件信息。我找与我连接的 10 个人,他们再各自找 10 个人,一传十十传百、千、万,最后是我找到小明小明找老王老王找郭冬临郭冬临找到每羊,我和每羊就连上线了。

但这种所有人找所有人的方案其实不太行,不仅占用了大量的资源,效率也非常低,还有可能重复传播,造成广播灾难。

这时,就需要补充一个关键信息——距离。

注意,这里的距离,不是空间上的距离,而是逻辑上的距离。

重点来了!接下来,我会详细解释磁力链接使用的 DHT 网络的构建过程,有一点点难,但是真的非常有意思。让我们开始吧。

刚刚说了,每个磁力链接都有一串唯一的文件 ID,可以产生 2 的 (4*40) 即 2 的 160 次方种组合,用只有 0 和 1 的二进制表示就是 160 个 0 和 1。

而每个节点也有一串 160 位的 0 和 1,作为节点 ID。根据这 160 位数,我们可以计算节点和节点之间,节点和资源之间的距离。

假设每羊发布了一个文件,就能计算他所知道的节点 ID 与这个文件 ID 的距离,让算出来最距离最短的节点再计算它知道的节点和文件 ID 的距离,重复这个过程,就能找到与文件 ID 的距离最短的一批节点 ID,把每羊提供的下载信息存在这里。

这样,下载者也只要找到和文件 ID 距离接近的节点 ID,就能建立连接,开始下载。

但这个距离到底是怎么算出来的呢?

这就是有趣的地方了,用异或算法来计算节点之间的逻辑距离,相同就是 0,不同就是 1。

为了方便你理解,我们简化一下模型,把 160 位缩减到 4 位。假设你的节点 ID 是 0100,目标节点 ID 是 1111,那么你们之间的二进制距离就是 1011,换算成十进制就是 11。

有了距离,我们就可以在一个这样的二叉树里快速查找目标了。

所有可能的节点 ID 都在这棵二叉树上。 4 位数需要分叉 4 次,生成 2 的 4 次方即 16 条路径,每条路径的终点,就是一个节点 ID。

接下来,你作为 0100,就可以拆分这颗二叉树了,从第一次分叉开始,把不包含你的那棵子树拆分,然后在剩下的子树的第二次分叉处再次拆分,直到只剩下你自己。

这样,就拆分出了 4 个子树。

我们在每个子树里选 2 个点,就得到了 4 个 K 桶,呃,不是这个,是这个,K-bucket。

暂停下来想想你就会发现,用异或算法计算 0 号 K 桶和你的距离是 0001,换算成十进制就是1,1 号 K 桶里 2 个点和你的距离是 2-3,以此类推,2 号 K 桶的距离区间是 4-7,3 号 K桶的距离区间是 8-15。

我们刚刚算过,你的节点 ID 0110 和目标 ID 1111 之间的二进制距离是 1011,换算成十进制是 11,也就是说,离 1111 最近的,肯定是 3 号 K 桶里的 2 个节点。

接下来,我们就可以联系这两个节点,让他们帮我们找 1111。

以 1110 为例。1110 也能拆分出 4 棵子树,得到 4 个 K 桶,计算 1110 和 1111 之间的距离,结果是 0001,换算成十进制是 1,也就是在 0 号 K 桶,1111 就在这里。

这种网络结构被称为 DHT,分布式哈希表(Distributed Hash Table),一个高宽容度的去中心化网络。只需要一串文件 ID和存储在本地的 K 桶数据,你就可以高效的找到要下载的文件。

而资源的发布者和传播者也只需要分享 40 个数字就好,足够简单,方便和隐私。

在真实的 DHT 网络,每个 K 桶至少记录了 8 个节点,任何一个节点下线,都不会影响整个网络的运行。

作为文件和节点 ID ,2 的 160 次方也足够大,大到全地球 70 亿人每秒下载 10000 个种子,也足够下载百万亿年直到宇宙终结。

这些天才们的设计,让我们拥有了一个无法被审查和追踪的去中心化网络。这催生了庞大的盗版产业,但也让很多内容有机会避开审查。

因为网站可以被隔离、被拔线、被禁止访问,但种子不会。只要种子不死,那些不存在的音乐图书和视频就还活在互联网上,没有任何人可以毁掉。