每个桶包含最近看到的 K 个对等节点列表，这些节点位于与对等节点的给定距离处。距离是通过计算 non-euclidean XOR 距离度量 来确定的，它表示：d(x,y) = (x ^ y)。

这意味着 i 个桶包含 K 个对等节点，其距离 d 符合以下公式：2^i <= d < 2^(i +1)。

💡 因子 K 是一个全局参数，它决定了路由状态和查找复杂性。

• 如果桶的对等节点列表已满（即已有 k 个条目存储），则可以通过删除 LRU（最近最少使用）对等节点来插入该列表的新条目。

• 在从列表中删除条目之前，节点将检查要删除的对等节点是否仍然可达，通过发送 PING 消息并等待 PONG 响应。如果在预定超时时间内未收集到 PONG，则检查失败，并且对等节点将从列表中删除。

💡 通过遵循 LRU 策略，该协议本质上倾向于网络中较老且更稳定的对等节点。

引导

当节点加入 Kadcast 网络时，它会从所谓的 bootstrap nodes 获取其他相邻对等节点的位置，以填充其桶。

💡 根据规范：当对等节点首次加入网络时，它必须知道至少一个引导节点的地址。因此，它向已知对等节点发送 PING 消息以检查它们是否实际上在线。此外，PING 将发送对等节点的路由信息传递给接收者，从而在其网络中分布其存在。

引导节点将回复包含其节点信息的 PONG 消息。

网络发现。

在引导过程之后开始。这一阶段的主要目标是使用 k-buckets 填充 k 个不同的对等节点。

• 该过程通过向已添加到 k-bucket 的引导节点发送 FIND_NODE 消息来启动。
• 然后开始 查找过程。
  1. 节点通过在其自己的桶中查找关于 XOR 度量的 α 个最近对等节点来查找。
  2. 它通过发送 FIND_NODE 消息并等待 NODES 响应来查询这些 α 个对等节点以获取其 ID。
  3. 查询的对等节点将响应一个包含它们认为最接近 ID 的 k 个对等节点的 NODES 响应。
  4. 根据获取的信息，节点构建一个新的最接近的对等节点集，并重复步骤 1 到 3，直到它不再获得比前一次迭代获得的更接近的对等节点。

⚠️ 注意，与桶大小类似，𝛼 和 k 也是全局常量，它们将确定网络的冗余和开销。典型值如下：k = [20, 100] 以及 𝛼 = 3。

定期网络维护

每个节点定期刷新每个无活动活动的桶。对于这样的每个桶，它选择一个适当的距离的随机 ID，进行查找，并用新鲜的路由信息填充其桶。

提高广播可靠性和性能

我们不是将广播委托给每个桶的一个节点，而是选择 β 个委托。这是为了增加至少有一个诚实节点接收广播消息的概率。这是一项旨在帮助UDP协议固有的易失性，而不强制使用慢速CRC校验程序的措施。

由于每个广播过程在每个跳转（降低高度）上都会重复，因此节点必须忽略重复的 CHUNK 消息。此外，必须考虑传输失败。由于这些因素，此实现包括使用基于 RaptorQ 规范和相关 Rust 库 的前向纠错方案。可以通过参数 f = (n-s)/s 调整 FEC 额外开销因子。

如图表所示，即使在假设12%的数据包丢失率的情况下，我们也可以通过 β = 3 以及 f = 0,15 的情况下获得全网络覆盖（请参阅库文档中包含的基准测试）。