1. 按照我们要寻找的数据，我们必需确定它的“位置”
极点需要最少的分片配置，尚有多个字段是其他目标所必须的，但都被忽略了，譬喻时间戳。
凡是在数据库世界的扩展中，一致哈希是确定性地将任何数据分派给分片的主要观念之一，分片是数据最终存储的“位置”。 此刻说您要在系统中利用16个分片，然后只需执行Hash（data）mod 16（取一个数字，然后减去16，然后取剩下的值，也称为模数）即可识别要存储信息的位置。 为了知道在那边找到它，您只需找到一个与hash（IP）mod 16 == Hash（data）mod 16匹配的节点/呆板/处事器。通过这种方法，您可以以一种简朴简直定性方法知道在那边可以找到您的数据 。
一个极点引用了别的两个极点。可是为了实现分片，对此尚有进一步的限制。 首先：不答允一个节点宣布一个极点，该极点的位置超出其自身外貌积，该最大值可以从DAG的吞吐量和相近节点得出。
}
3. 我们但愿相关数据与其干系相对靠近。
通过团结具有可测试的相对位置的NodeID以及对极点的一些特别限制，我们为每个节点建设了一个分片，可以按照地理位置和资源确定本身的吞吐量。
节点可以通过宣布一个声明其NodeID的极点（它是预期的分片范畴）来开始附加。分片范畴将包括NodeID的潜在邻人，而且由相对付NodeID本身声明的geohash的外貌函数（半径/正方形/多边形等）构成。
当存在未知数量的节点想要将数据分别为越来越多的分片时，这种要领就会碰着坚苦。换句话说，就是进动作态分片。动态确定您的分片会导致网络的所谓从头分派，因为它需要向周围不绝发送数据。因此，像Radix之类的DLT办理方案选择了很是大量的分片，并认为分片空间永远不会用完。因此，此刻我们只是利用很是大的数量举办调解，但问题是将没有足够的设备像只能利用16个分片那样将所有分片空间1对1填充。这种环境由所谓的哈希环和漫衍式哈希表处理惩罚，因此我们可以在不相识整个网络拓扑的环境下发明邻人的数据。
payload: {"whatever your application is"}
网络节点
为了仍然让极点选择它们的附着位置，我们需要某种方法限制谁可以这样做。
vertex_ref_2: "gbsuv7zts-v2ID",
nodeSig: "0xfff88...",
Vertex: {
2. 给定一个位置，我们必需知道什么网络地点映射到它。
节点包围的外貌积巨细将取决于网络的吞吐量及其呆板的成果。当极点吞吐量增加时，将需要插手更多的节点，，而现有节点将淘汰其外貌积。
此刻这可以很好地与键值对共同利用，但并非所有数据都是独一的，也并非只有键值。大大都实际数据，包罗漫衍式分类帐，都是某种形式的链接数据。它是情况的，仅暗示情况的某种内容，譬喻地点的余额是所有事务向其发送内容的功效。仅利用漫衍式键值存储，它将不得不在漫衍式哈希表和一致的哈希环中从一个位置弹出到另一个位置，以检索所有这些分组的和相关的数据。假如每小我私家都需要一直执行此操纵，那么这将阻塞所有网络带宽，然后丢失整个分片点。
基于地理位置的分片和网络
Location界说为Geohash，即对经纬度GPS空间中小区域的简捷描写，因此它不是牢靠Location ，而是小区域的描写。只有两个边沿，雷同于IOTA的分支和骨干。可是这些边的标识符包罗其参考的极点的Location 。
nonce: 999,
位置限制
我要在这里实验的是漫衍式链接/相关数据布局的一些根基要求。
此刻已经建设了一些情况，让我们直接深入实际的想法。 nodeID: "gbsuv7ztr-nodeID",跟着网络吞吐量的增加和更多节点插手网络，此要领的精度会提高。这种要领的功效是，它将鼓励强大的节点漫衍并防备Cloudproviders中的节点集群。
此配置中的节点需要标识本身。 NodeID至少由其公钥和Geohash构成，后者可以自由选择，但不能随意选择。该节点的Geohash很重要！
仅通过利用基于期待时间的多边/三角剖分对节点的位置举办严格测试的其他节点，才可以添加此极点，如何举办此操纵确实需要另一篇文章，但以前对此主题举办过研究。
由于情况条件的限制，与本身的节点对比，可以生成节点位置的置信区域。 一个NodeID的geohash必需位于此置信区域内，其他节点才气接管它。为了保持厚道，这需要继承测试节点。
location: "gbsuv7ztr",
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
