Kademlia论文中的桶高是什么意思？

Question

它说：

我们从一些定义开始。对于覆盖距离范围 2i,2i+1 的 k-bucket，将 bucket 的索引定义为 i。将节点的深度 h 定义为 160 - i，其中 i 是非空桶的最小索引。将节点 y 在节点 x 中的桶高度定义为 x 将插入 y 的桶的索引减去 x 的最低有效空桶的索引。由于节点 ID 是随机选择的，因此不太可能出现高度不均匀的分布。因此，对于具有 n 个节点的系统，任何给定节点的高度以压倒性的概率将在 log n 的常数内。此外，在第 k 个最近节点中，与 ID 最近的节点的桶高可能在 log k 的常数内。

桶高的定义我能看懂，但是不知道为什么需要这个定义，也看不懂最后一句。

---

更新： 我还认为论文有一个错字：桶高应该是包含 y 的桶的索引减去 x 的最不重要的“NON-”空桶的索引。我错了吗？

Answer 1

但我不知道为什么我们需要这个定义

kademlia 在路由表大小和查找步骤方面的 O(log n) 效率的论点是基于将 n 个节点的整个键空间映射到 k 桶中，其中更远的桶覆盖键空间的指数更大的部分。有效地将整个网络压缩成有偏差的样本列表。

然后再往下的参数基于这个基于桶的投影。

此外，与第 k 个最近节点中的 ID 最接近的节点的桶高度可能在 log k 的常数内。

我认为这是一种令人费解的说法，即您的 k 个最近邻居最终都将位于同一个存储桶中或附近，即最深的存储桶（最小索引非空存储桶）。

请注意，这是用flat layout 表示的，在树布局中，最小的桶类似于但不一定与覆盖自身ID 的桶相同。