走近科学：”种子“的前世今生

*本文原创作者：追影人

0×00 前言

“种子”是生命的起点，是未来的希望，同时也解决了无数宅男腐女的寂寞时光。本文将带领各位童鞋了解BT种子（torrent）及P2P网络的运行机制，教您如何更加科学的搜索热门种子资源。

0×01 种子的起源

早些时期，文件下载一般都由专门的文件服务器作为下载源，统一对客户机提供下载服务。这种集中式下载方式存在着天然缺陷，当服务器宕机后，将会影响所有用户的下载；另外，多客户同时进行下载，会因为服务器带宽有限，分配给每个客户机的网速很低，从而出现下图这种痛心疾首的状况。

显然这极大影响了求片心切童鞋的心情，在这用户至上的时代，为了改善这一缺陷，提高用户体验，服务商不得不增加服务器的数量，以应对大流量下载。但随着互联网的迅速普及，文件数量和体积成指数增长，服务商已经无法承担无限扩增的服务器的成本，尤其对于一些媒体资源服务商，这种状况更加突出。

既然该问题的瓶颈在于服务商，那么是否可以对客户端进行改进？P2P的分布式下载方式较好解决了该问题。

P2P(peer-to-peer)网络，顾名思义，网络中的节点角色对等，节点即是客户端又是服务器，彼此在进行文件下载时可以直接访问无须经过其他中间实体，没有任何“中间商”（NAT后的节点需要进行UDP穿透）。 整个网络“一般”不依赖专用的集中服务器（请注意此处所加的引号，这里并非真正意义上的完全不需要，而是需要一些辅助服务器，后续我们将介绍），也没有专用的工作站，在网络中进行资源下载、查询、响应时完全依赖于各个节点。P2P网络的出现，改变了互联网以大网络服务商为中心的状态，重新回到了“非中心化”，把权力交还了用户。同时，P2P网络以可扩展、耐攻击、高容错、高性价比等优势迅速普及。

0×02 种子的土壤

P2P网络中节点角色对等，那么如何查找资源成为关键。早期解决这一问题，是由tracker服务器提供资源位置信息。当客户端需要下载资源时，先链接tracker服务器，报告自身信息，从而得到持有该资源的其他节点信息。Tracker服务器对所有的资源持有者信息进行统一维护，当收到下载请求后，将请求者信息加入到最新的下载资源节点列表中。一定程度上，tracker服务器起到了中心节点的作用，维护着全网的资源位置。后来，由于法律风险问题以及版权争议，很多tracker服务器被强制关闭，直接影响了网络的正常运行。

为此，DHT（Distributed Hash Table，分布式哈希表）网络诞生，目前很多P2P软件均采用tracker模式和DHT模式相结合的下载方式。

DHT网络中，所有节点的角色对等，各节点即是信息消费者又是信息生产者，路由功能完全由节点间扩散完成。DHT网络在节点路由和资源查询方面使用的最著名的算法便是kademlia算法（简称KAD）。

首先我们先认识两个术语：

在实际应用中，peer和node一般都位于同一个物理节点上，我们可以将其理解为两个不同的服务，前者用于资源文件的下载，后者用于DHT网络节点位置的查询以及资源文件所在peer位置的查询定位。

KAD协议主要用于DHT网络的资源查询，由于网络中节点和资源非常众多，而DHT网络中又没有集中式的路由管理节点，所以网络中的每一个节点都需要存储路由信息。将整个网络的资源信息存储在每一个节点上显然是不现实的，因此每一个节点只存储部分资源信息即可。

标识

KAD协议利用SHA-1算法为node节点随机分配一个全局唯一的nodeID标识，长度为160bit，同时也对资源文件进行计算，也生成一个160bit的标识infohashes。

距离

节点之间的距离由nodeID异或计算。即distance(A,B)=|A xor B|

路由

每一个节点都保存有一个路由表，该路由表以K-buckets（k-桶）的形式存在，每一个bucket对应一个nodeID范围，涵盖了0-2^160的所有范围的ID。

极限情况下，路由表中会有160个k桶，每一个k桶内所放置的节点与本节点的距离如上图所示，且k桶内的节点数目最多不超过k个。

节点通常保存的路由信息并不能完全填充上面的160个k桶，所以节点在初始化时，k桶只有1个，范围覆盖0-2^160，随着后续节点路由信息的不断加入，路由信息数超过k时，k桶便会分裂成两个，每一个新桶的范围都变为原桶的一半，第一个为0-2^159，第二个为2^159-2^160，迭代分裂。

资源

节点持有资源时，需要尽可能多的通知其他节点，以便于其他节点的查询。节点会将自已的位置通知给那些nodeID和资源文件infohashes接近的节点。这样在网络中查询资源时，只需要去查找资源infohashes附近的节点即可找到资源文件的所在位置信息。

请求

0×03 种子的诞生

从KAD协议运行过程可见，在查找资源时，非常重要的一个要素就是文件所对应的infohashes。由于infohashes只是一段160bit的hash值，用户无法从中得到任何明文信息，所以设计者为其添加了其他附属信息，形成了一个文本文件，即种子文件，通常以.torrent作为后缀名。

种子文件又称”Metainfo file”，里面存储有关于下载内容的tracker服务器地址、文件长度、资源SHA1值等内容。它由Bencode编码组成，且字符串是用UTF-8编码。

种子文件的格式

文件以字典形式存储内容，具体有如下关键字：

announce:tracker服务器的URL announce-list(可选):备用tracker服务器列表 creation date(可选):种子创建的时间，以unix时间戳形式存在 comment(可选):备注 created by(可选):创建人或创建程序的信息 info:一个字典结构，包含文件的主要信息，为分二种情况：单文件结构或多文件结构 nodes:最后的一个字段是nodes字段，这个字段包含一系列ip和相应端口的列表，是用于连接DHT初始node。 单文件结构如下： length:文件长度，单位字节(整数) md5sum(可选)：长32个字符的文件的MD5校验和，BT不使用这个值，只是为了兼容一些程序所保留(字符串) name:文件名(字符串) piece length:每个块的大小，单位字节(整数) pieces:每个块的20个字节的SHA1 Hash的值(二进制格式) 多文件结构如下： files:一个字典结构 length:文件长度，单位字节(整数) md5sum(可选):同单文件结构中相同 path:文件的路径和名字，是一个列表结构，如/test/test.txt 列表为l4:test8test.txte name:最上层的目录名字(字符串) piece length:同单文件结构中相同 pieces:同单文件结构中相同 

细心的同学发现，整个种子文件中并没有出现20字节的infohashes，那么下载器是如何通过种子文件去tracker查询该文件呢？难道是通过文件名称？

答案是否定的。以文件名的方式去唯一标定资源，很大概率会发生同名冲突，因此BT协议利用种子文件中的内容计算出infohashes值进行唯一标定。计算时，从种子文件info字段开始(不包含”info”这四个字节)，一直到nodes字段为止(不包含”nodes”这5个字节和nodes前边表示nodes字段长度的”5:”这两个字节)，对中间的内容进行SHA-1计算形成infohashes值。下图为利用某种子搜索平台搜索《变形金刚4：绝迹重生》（英文名：Transformers: Age of Extinction）的结果。

进入某种子链接的详细页面，我们可以看到网站对种子的相关关键字做了解析。

下载该种子，利用notepad将其打开，可见其中的内容如下。

0×04 种子的成长

获得种子文件后，下一步关键是如何找到下载源（即资源的存储位置）。第一代P2P网络以tracker服务器作为中心节点，为客户端提供下载源查询服务。

该过程大致如下：

实践出真理，我们依旧举个栗子。

使用迅雷打开上一节我们获取的种子文件。

切换到“属性设置”页面，可以看到tracker服务器列表。

开始下载后，针对tracker服务器列表发送DNS查询请求。

这是其中的一台tracker服务器DNS查询记录。

客户端对该tracker发出的http请求，用于tracker服务器的peers获取。

Tracker查询

Tracker响应

Tracker服务器响应是用Bencoding编码的字典。

0×05 种子的肥料

P2P下载方式以其诸多优势，碾压传统的集中式下载，迅速普及，先后出现多款P2P下载软件。随着用户量的激增，用户生态逐渐复杂，各类问题也相应出现。文件污染、版权问题、犯罪等问题，使得相关部门不得不对P2P网络下手，一些国家还逮捕了相关作者。

虽然P2P网络为对等网络，下载过程不需要中心服务器，但是在查询资源peers时，需要tracker服务器的辅助，因此整个网络又退回到了拥有中心节点的状态。相关部门也持着“挑软柿子捏”的心态，强制关闭了大量tracker服务器，导致很多资源都无法正常下载，P2P的下载方式也陷入了低谷。

此时，第二节中所介绍的DHT网络闪亮登场，可谓是给P2P下载网络施加了一把肥料。该网络无需tracker中心服务器，所有的peers列表信息都分布在网络中的各个节点上，进一步增强了网络的鲁棒性，P2P下载也由此进入2.0时代。

有关DHT网络的情况在第二节已经介绍了一些，下面重点介绍torrent文件如何和DHT网络结合使用。

一个无tracker服务器的种子文件不包含tracker服务器列表，而是存储着一些节点信息，其内容为torrent创建者的路由表中K个nodeID最接近infohashes的nodes。由此可以看出，在DHT网络中最关键的步骤是让客户端找到网络中的可用节点。

当一个新的客户节点首次试图加入DHT网络时，需要做如下三件事：

而在第一个步骤中，节点一般通过如下方式获取已知节点信息：

节点加入DHT网络后，通过find_value请求携带种子文件的infohashes值查询资源所在的位置，如果被查询的节点持有该资源的相关源信息，则会返回一个token，并将下载源的ID、IP和PORT等信息返回给客户端。此时客户端便开始从下载源下载资源，同时该客户端也成为新的下载源，为了能够被其他下载客户查询到，需要将自身的信息扩散。客户端会携带刚才的token和自己的地址信息，以store请求的形式向之前的查询节点发送请求，将自己的信息存储在查询节点上。

磁力链接

随着BT服务器的大量关闭，导致很多种子文件无法获取。既然DHT网络的资源查询只需要infohashes即可，那么种子文件便可以简化成一个链接，这便是磁力链接（Magnet links）。

磁力链接是以“magnet:?xt=urn:btih:”开头的字符串，后面则是资源文件的infohashes值。

该链接为变形金刚4的磁力链接，是从迅雷下载中直接复制得到。由于HASH是不可逆的，所以从磁力链接上不能倒退出种子文件的信息，需要借助第三方种子库完成该转换。

迅雷种子库hxxp://bt.box.n0808.com提供该服务，转换时需要访问hxxp://bt.box.n0808.com/D3/FA/D3F7987EDF395104240AA16B30564B7372E55FFA.torrent即可下载对应的种子文件，其中的/D3/FA分别为infohashes的第一个字节后末尾字节。

我们在使用迅雷打开磁力链接进行下载时，迅雷会先从种子库中获取种子，得到具体文件信息后再进行下载。迅雷之所以这样做，而非直接使用infohashes去DHT网络查询，也是为了给客户展示更过文件信息，提供良好客户体验，而不是下载时只能看到一个以HASH值为名的文件。

0×06 种子的脆弱

基于DHT网络的开放性，所有节点都在不断的加入和退出，而不需要特殊的认证机制，因此这也给DHT网络带来了诸多安全隐患。

因此，DHT网络可能会遭受多种攻击，例如 Sybil攻击、Eclipse攻击、路由表攻击、DDoS攻击 等。

DHT爬虫便是一个很好的说明，其利用DHT的开放性，将自己伪装成一个节点，收集其他节点的find_node、find_value、store等请求，从而获取到资源信息。如果将大批僵尸节点伪装为DHT节点加入DHT网络，对路由表和资源索引进行攻击，则会直接影响到整个网络的安全运行。

0×07 总结

本文从种子文件出发，简要介绍了P2P网络的发展历程，KAD协议、DHT网络、种子文件、磁力链接的基本知识，并指出DHT网络的脆弱性。由于版权的问题，P2P网络从一开始就备受争议，版权组织和软件作者进行了一次次的交锋，从tracker服务器的关闭到磁力链接的诞生，这都是交锋后的产物，那么P2P的3.0时代会是怎么样呢？我们拭目以待。

0×08 参考&感谢

DHT Protocol http://www.bittorrent.org/beps/bep_0005.html

BT（带中心Tracker）通信协议的分析 http://blog.chinaunix.net/uid-26548237-id-3056731.html

百度百科-磁力链接

对BitTorrent通信协议的分析与检测 http://www.dns001.com/tech/content-47-27541-1.html

B编码以及BT种子文件分析 http://www.cnblogs.com/DxSoft/archive/2012/02/11/2346314.html

* 作者：追影人，本文属FreeBuf原创奖励计划文章，未经许可禁止转载