shiyanhui / dht Goto Github PK
View Code? Open in Web Editor NEWBitTorrent DHT Protocol && DHT Spider.
Home Page: http://bthub.io
License: MIT License
BitTorrent DHT Protocol && DHT Spider.
Home Page: http://bthub.io
License: MIT License
我按照你的示例来的,没有回显了。
其他的DHT节点获取我的ip和端口 是从我发送的UDP包中获取的
如果我Server端与Client 绑定的是同一端口就会有冲突
如果不是同一端口 那么在其他节点的路由表中, 我的DHT节点ip和端口是 我Client端发送的ip 和端口
那么说 我的client 端和 Server不能同时运行吗?
还是我的理解有误?
find_node 操作只是选择了 !wasContactedRecently() 的节点,没有计算distance?closest 怎么体现?
别人的一天都1200万条
Hi, how to save torrent via magnet using this library?
DHT和KRPC中有一些像路由表(routingTable)之类的数据结构都是使用内存式容器实现的,这些数据结构能否实现成接口 Interface 吗?
之所以有这样的想法,主要是有个担心:如果结点Node一旦多了(比如几千万、几亿),需要几GB甚至几十GB的内存空间,内存有可能不足。
如果是接口,那么就可以根据需求自定义它们的存储,比如可以使用 Redis 来代替内存。
我在krpc.go里添加了一些日志
func handle(dht *DHT, pkt packet) {
if len(dht.workerTokens) == dht.PacketWorkerLimit {
fmt.Println("return from len(dht.workerTokens) == dht.PacketWorkerLimit")
return
}
dht.workerTokens <- struct{}{}
go func() {
defer func() {
<-dht.workerTokens
}()
if dht.blackList.in(pkt.raddr.IP.String(), pkt.raddr.Port) {
fmt.Println("return from dht.blackList.in(pkt.raddr.IP.String(), pkt.raddr.Port)")
return
}
data, err := Decode(pkt.data)
if err != nil {
fmt.Print("return from data, err := Decode(pkt.data)")
fmt.Println(err)
return
}
response, err := parseMessage(data)
if err != nil {
fmt.Print("return from response, err := parseMessage(data)")
fmt.Println(err)
return
}
if f, ok := handlers[response["y"].(string)]; ok {
f(dht, pkt.raddr, response)
}
}()
}
然后用如下命令进行日志过滤
grep "Got a response" nohup_dht.logs | wc -l
grep "return from data, err := Decode(pkt.data)" nohup_dht.logs | wc -l
grep "return from response, err := parseMessage(data)" nohup_dht.logs | wc -l
grep "return from dht.blackList.in(pkt.raddr.IP.String(), pkt.raddr.Port)" nohup_dht.logs| wc -l
得到结果如下
0
620
10
22
运行了俩分钟绝大多数都是decode error
return from data, err := Decode(pkt.data)invalid bencode when decode item
一条有用的数据都没拿到.
请问是解码有问题吗?
PS, 是通过在mac上编译出的linux版本, 编译命令
CGO_ENABLED=0 GOOS=linux GOARCH=amd64 go build -o bin/exec_linux_dht src/main/main.go
centos版本
NAME="CentOS Linux"
VERSION="7 (Core)"
ID="centos"
ID_LIKE="rhel fedora"
VERSION_ID="7"
PRETTY_NAME="CentOS Linux 7 (Core)"
ANSI_COLOR="0;31"
CPE_NAME="cpe:/o:centos:centos:7"
HOME_URL="https://www.centos.org/"
BUG_REPORT_URL="https://bugs.centos.org/"
CENTOS_MANTISBT_PROJECT="CentOS-7"
CENTOS_MANTISBT_PROJECT_VERSION="7"
REDHAT_SUPPORT_PRODUCT="centos"
REDHAT_SUPPORT_PRODUCT_VERSION="7"
mac上go env信息
GOARCH="amd64"
GOBIN=""
GOCACHE="/Users/xxx/Library/Caches/go-build"
GOEXE=""
GOHOSTARCH="amd64"
GOHOSTOS="darwin"
GOOS="darwin"
GOPATH="/Users/xxx/godht:/usr/local/go/bin"
GORACE=""
GOROOT="/usr/local/Cellar/go/1.10/libexec"
GOTMPDIR=""
GOTOOLDIR="/usr/local/Cellar/go/1.10/libexec/pkg/tool/darwin_amd64"
GCCGO="gccgo"
CC="clang"
CXX="clang++"
CGO_ENABLED="1"
CGO_CFLAGS="-g -O2"
CGO_CPPFLAGS=""
CGO_CXXFLAGS="-g -O2"
CGO_FFLAGS="-g -O2"
CGO_LDFLAGS="-g -O2"
PKG_CONFIG="pkg-config"
GOGCCFLAGS="-fPIC -m64 -pthread -fno-caret-diagnostics -Qunused-arguments -fmessage-length=0 -fdebug-prefix-map=/var/folders/_b/_xrkt7216glfsz7z989ss7zm0000gn/T/go-build666755492=/tmp/go-build -gno-record-gcc-switches -fno-common"
How can i improve this ? It giving so slow crawling i think i am doing something wrong . People wrote minimum 100 torrent an hour , but i think i am doing something wrong . I closed firewall even , but still having same problem , Thanks
采集大概30W不到的数据之后,infohash重复度非常高,也导致了新增采集越来越少,越来越慢,请问有啥解决办法吗?
运行起来后, 脚本打开了两个端口, TCP的6060和UDP的6881
6881这个比较好理解, 就是用于peers之间的通信的, 接收查询请求之类的场景.
但是这个6060的是干嘛的呢? 我在代码里面只看到起了一个http的6060的端口, 也不知道这个端口的作用
下了可执行.exe。双击打开或用cmd打开都没反应。请问直接使用是用什么命令呀?
还不是很会编程,才开始学……麻烦大神们了~
之前我想写0009,未果。。。
这个版本应该是golang最佳了
不管是在本地还是在服务器上都是没反应?
package main
import (
"fmt"
"github.com/shiyanhui/dht"
)
func main() {
downloader := dht.NewWire(65536)
go func() {
// once we got the request result
for resp := range downloader.Response() {
fmt.Println(resp.InfoHash, resp.MetadataInfo)
}
}()
go downloader.Run()
config := dht.NewCrawlConfig()
config.OnAnnouncePeer = func(infoHash, ip string, port int) {
// request to download the metadata info
downloader.Request([]byte(infoHash), ip, port)
}
d := dht.New(config)
d.Run()
}
我想要实现一个分布式 DHT 爬虫,须要共享 Peers 和 BlockList,这样一来,当某个爬虫发现一个 Peer,或把某个 Node 放入 BlockList 时,其他爬虫也会立即知道。
如果 peersManager
和 blackList
两个 struct 能够自定义后端存储的话,上述需求就很容易实现。
如果能把 syncedMap
抽象成接口就好了!这样,用户就可以替换默认的 syncedMap
来实现共享式的 Peers 和 BlockList。
@shiyanhui 不知道有这方面的计划没?
I just got an oom after running this for 2 hours, it was taking way more than 500MB of memory when checked. Could you do some memory profiling?
教程《一步一步教你写BT种子嗅探器-DHT篇》的krpc部分提到:
一开始你是不在DHT网络中的,你需要别人把你介绍进去,任何一个在DHT中的人都可以。一般我们可以向 router.bittorrent.com:6881、 dht.transmissionbt.com:6881 等发送find_node请求,然后我们的DHT就可以开始工作了
这样好像还是需要一个有公网ip的网络节点啊,那这个中心节点关掉了不是同样无法工作了?请求老大解惑。同时想请教router.bittorrent.com:6881是如何把新节点介绍进dht网络中去的
作者wiki还更新吗?什么时候更新第二篇啊
仅作参考。
bep5 应该是自带部分UDP 打洞效果的(Address-Restricted cone NAT and Port-Restricted cone NAT),你发送过 find_node 或其他任何消息的节点,向你发送get_peer 或 announce_peer 消息应该是可以穿透NAT的(当然一定时间内), 而通过其他节点的路由表发现你,直接向你发送消息就不可能传透
NAT了。
I want to search torrent metadata by keyword but only filter dht node have torrent i want and ignore dht node dont relevant. How can i do this ?
#request_feature
routingtable.go 代码223行,kbucket.Replace函数里面,候选节点插入到nodes列表之后没有break
Is it necessary to add this code?
heap.Init(&topkHeap).
I want build it as a single binary executable file, so I run go build
just inside dht/ but, it says:can't load package: package dht: cannot find package "dht" in any of: /usr/local/Cellar/go/1.8.1/libexec/src/dht (from $GOROOT) /Users/jintian/go/src/dht (from $GOPATH)
, What should I do?
老哥,什么时候出第三篇爬虫教程?
小弟我最近在学习DHT,碰巧看到你写的WIKI。你写的教程很好啊,第一次看见这种深浅适当的BT/DHT教程。
请问啥时候出第三篇?
问一下你demo站用的啥分词工具呢。
如标题这东西直接输出到显示器 怎么入库啊 而且获取到内容json 并不标准, 我很懵逼
这个能做到直接下载种子的内容吗?如果只是提取到种子,好像也没多大用,最好是能直接下载
你好 大神 http://bthub.io 打不开了
} else if root.KBucket().prefix.Compare(nd.id, prefixLen-1) == 0 {
routingtable.go 388行,bucket分裂的条件判断,是否应该是当前叶子节点和本机节点的前缀相同时,才去分裂,而代码中的判断是新插入节点与当前叶子节点进行比较。
PS:看了下有个人提了同样的问题,你的回答是为了容纳更多的节点,但是这样的话,后面else加入candidate的逻辑是不是都走不到了
你好 可以将http://bthub.io/的代码给我看看吗
种子缓存服务器如迅雷 还是直接从DHT网络下载的??
按照你的spder.go的示例出来的数据太少了,如何加快速度 ?
有什么办法能让我制作的种子被种子搜索引擎收录?
文件bitmap.go中String()方法
for i := 0; i < div; i++ {
buff[i] = fmt.Sprintf("%04b", bitmap.data[i])
}
因为1byte=8bit,所以这里输出是否应该是"%08b"?
我前两天正好在看python实现DHT网络搜索,嘿嘿嘿,今天正好看到你的项目,赞哦赞哦,一看名字就觉得是天朝小伙伴,一看果然在北京啊
In line 74 of dht.go and in other places regarding maxsize you are setting a value wich overflows int32.
Error: /gopath/src/github.com/shiyanhui/dht/dht.go:74: constant 4294967296 overflows int.
(this is run on an armv7 machine 32bits architecture)
如果做分词?
As the byte slices might not be word aligned, so on some architectures, fastXORBytes will panic due to unaligned access. you need to do the word arithmetic only on the aligned parts of the slice, and bytewise arithmetic on the unaligned part.
BEP 5 has been updated to document the long standing de-facto standard of including a version string in RPC messages. This is an important feature for identifying implementations which may be lacking features or misbehaving. The relevant section of BEP5:
A key
v
should be included in every message with a client version string. The string should be a two character client identifier registered in BEP 20 followed by a two character version identifier.
Note that the convention is for the client identifier to identify the DHT implementation rather than the client application. Thus the same identifier should be used regardless of which client is using this module.
} else if root.KBucket().prefix.Compare(nd.id, prefixLen-1) == 0 {
和你博客中说的好像有点差异
第一种情况是当前的路径是该节点ID(注意不是要插入的key,是“我”自己的ID)的前缀,那么就分裂
代码中是用了要插入的node,而不是自己的nodeid,我理解下来应该是自己的nodeid
请问是我理解的问题吗
在本机上面能抓取吗?
Even increasing the connection limits I notice that in crawler mode it gets only 60 peers/minute.
Is there a setting to increase the speed?
With another crawler I have I can get 100000/hour!
特别是这个函数,看的我胸闷!
func (wire *Wire) fetchMetadata(r Request)
...
提几个建议
binary.Read
io.ReadFull
2.能否把同一维度的东西归类写在一起
比如,
这个是一个维度的, 发送握手包,得到握手应答,发送额外握手包
if sendHandshake(conn, infoHash, []byte(randomString(20))) != nil ||
read(conn, 68, data) != nil ||
onHandshake(data.Next(68)) != nil ||
sendExtHandshake(conn) != nil {
return
}
但下面的代码呢? 读包头4 字节,再读1字节,再读1字节 . 这些不是同一维度的! 140行的函数看的头晕(1个for循环上下文乱跳,一堆暴露在外面的细节)
写程序要逻辑清楚干净, 表明清楚意思.这份代码看的我真的难受,提点抱怨,见谅.
你好,看了您写的两篇教程非常激动,于是自己用java尝试着写嗅探器
我遇到的问题是:通过对 bootstrap 返回的所有节点 发送find_node请求,竟然没收到一个response, 卡了很久不知道哪里出了问题
bdecode对compact nodes info 里包含的 ip和port的解码应该不会错 , 请求老哥的帮助
对比pyhton的
https://github.com/NanYoMy/DHT-simDHT
慢的不是一个数量级,先不考虑解析的话,对方是可能到达3天上千万的hashinfo的,你这个我加了OnGetPeers,在里面request,也一样慢的不行
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.