任何人都可以解释一下DHT的工作原理吗？
没什么太重，只是基础 .
好吧，它们基本上是一个非常简单的想法 . DHT为您提供类似字典的界面，但节点分布在整个网络中 . DHT的技巧是通过散列该密钥来找到存储特定密钥的节点，因此实际上您的散列表桶现在是网络中的独立节点 .
这提供了很多容错和可靠性，并且可能带来一些性能优势，但它也引起了很多麻烦 . 例如，当节点离开网络时，失败或其他情况会发生什么？如何在节点加入时重新分配密钥，以便负载大致 balancer . 想想看，无论如何均匀分配密钥？当一个节点加入时，你如何避免重复一切？ （请记住，如果增加桶的数量，则必须在普通哈希表中执行此操作） .
解决其中一些问题的DHT的一个示例是n个节点的逻辑环，每个节点负责密钥空间的1 / n . 将节点添加到网络后，它会在环上找到一个位于两个其他节点之间的位置，并负责其兄弟节点中的某些键 . 这种方法的优点在于环中没有其他节点受到影响;只有两个兄弟节点必须重新分配密钥 .
例如，假设在三节点环中，第一节点具有键0-10，第二节点11-20和第三节点21-30 . 如果第四个节点出现并在节点3和0之间插入（记住，它们在一个环中），它可以负责说3个键空间的一半，所以现在它处理26-30和节点3处理21 -25 .
还有许多其他覆盖结构，例如使用基于内容的路由来查找存储密钥的正确节点 . 将密钥定位在环中需要一次围绕一个节点搜索环（除非您保留本地查找表，在数千个节点的DHT中存在问题），即O（n）-hop路由 . 其他结构 - 包括增强环 - 保证O（log n）-hop路由，有些声称O（1）-hop路由以更多维护为代价 .
阅读维基百科页面，如果你真的想深入了解一下，请查看哈佛大学的coursepage，它有一个非常全面的阅读清单 .
DHT为用户提供与普通哈希表相同类型的接口（按键查找值），但数据分布在任意数量的连接节点上 . 维基百科有一个很好的基本介绍，如果我写得更多，我基本上会反刍 -
http://en.wikipedia.org/wiki/Distributed_hash_table
我想补充HenryR的有用答案，因为我只是对一致哈希的洞察力 . 普通/朴素哈希查找是两个变量的函数，其中一个变量是桶的数量 . 一致哈希的美妙之处在于我们从等式中消除了桶“n”的数量 .
在幼稚哈希中，第一个变量是要存储在表中的对象的键 . 我们称之为“x”键 . 第二个变量是桶的数量，“n” . 因此，要确定对象存储在哪个桶/机器中，您必须计算：hash（x）mod（n） . 因此，当您更改存储桶的数量时，还会更改几乎每个对象的存储地址 .
将此与一致哈希进行比较 . 让我们将“R”定义为散列函数的范围 . R只是一些常数 . 在一致散列中，对象的地址位于散列（x）/ R . 由于我们的查找不再是存储桶数量的函数，因此当我们更改存储桶数量时，最终会减少重新映射 .
http://michaelnielsen.org/blog/consistent-hashing/
查看this Wikipedia article或者powerpoint slide
看看亚马逊的Dynamo，它解释了一个基于圆一致散列的简单而新颖的DHT实现 .
5 回答
好吧，它们基本上是一个非常简单的想法 . DHT为您提供类似字典的界面，但节点分布在整个网络中 . DHT的技巧是通过散列该密钥来找到存储特定密钥的节点，因此实际上您的散列表桶现在是网络中的独立节点 .
这提供了很多容错和可靠性，并且可能带来一些性能优势，但它也引起了很多麻烦 . 例如，当节点离开网络时，失败或其他情况会发生什么？如何在节点加入时重新分配密钥，以便负载大致 balancer . 想想看，无论如何均匀分配密钥？当一个节点加入时，你如何避免重复一切？ （请记住，如果增加桶的数量，则必须在普通哈希表中执行此操作） .
解决其中一些问题的DHT的一个示例是n个节点的逻辑环，每个节点负责密钥空间的1 / n . 将节点添加到网络后，它会在环上找到一个位于两个其他节点之间的位置，并负责其兄弟节点中的某些键 . 这种方法的优点在于环中没有其他节点受到影响;只有两个兄弟节点必须重新分配密钥 .
例如，假设在三节点环中，第一节点具有键0-10，第二节点11-20和第三节点21-30 . 如果第四个节点出现并在节点3和0之间插入（记住，它们在一个环中），它可以负责说3个键空间的一半，所以现在它处理26-30和节点3处理21 -25 .
还有许多其他覆盖结构，例如使用基于内容的路由来查找存储密钥的正确节点 . 将密钥定位在环中需要一次围绕一个节点搜索环（除非您保留本地查找表，在数千个节点的DHT中存在问题），即O（n）-hop路由 . 其他结构 - 包括增强环 - 保证O（log n）-hop路由，有些声称O（1）-hop路由以更多维护为代价 .
阅读维基百科页面，如果你真的想深入了解一下，请查看哈佛大学的coursepage，它有一个非常全面的阅读清单 .
DHT为用户提供与普通哈希表相同类型的接口（按键查找值），但数据分布在任意数量的连接节点上 . 维基百科有一个很好的基本介绍，如果我写得更多，我基本上会反刍 -
http://en.wikipedia.org/wiki/Distributed_hash_table
我想补充HenryR的有用答案，因为我只是对一致哈希的洞察力 . 普通/朴素哈希查找是两个变量的函数，其中一个变量是桶的数量 . 一致哈希的美妙之处在于我们从等式中消除了桶“n”的数量 .
在幼稚哈希中，第一个变量是要存储在表中的对象的键 . 我们称之为“x”键 . 第二个变量是桶的数量，“n” . 因此，要确定对象存储在哪个桶/机器中，您必须计算：hash（x）mod（n） . 因此，当您更改存储桶的数量时，还会更改几乎每个对象的存储地址 .
将此与一致哈希进行比较 . 让我们将“R”定义为散列函数的范围 . R只是一些常数 . 在一致散列中，对象的地址位于散列（x）/ R . 由于我们的查找不再是存储桶数量的函数，因此当我们更改存储桶数量时，最终会减少重新映射 .
http://michaelnielsen.org/blog/consistent-hashing/
查看this Wikipedia article或者powerpoint slide
看看亚马逊的Dynamo，它解释了一个基于圆一致散列的简单而新颖的DHT实现 .