WebRTC:匹配最近的对等点

Question

给定一个公共IP地址(peer A)和许多其他公共IP地址(混合了IPv4和IPv6地址)的列表，那么最简单的方法是将n最近的节点的IP地址与n最近的节点的IP地址匹配，而不让对等点手动地进行延迟基准测试？

我认为这是可能的，使用BGP与一堆复杂的查询(可能涉及OSPF)，但我希望可能有一个解决方案或库，这将使它像下面的理论函数调用一样容易。

// `peer` is a single IP address. `peer_list` is a list of IP addresses
// get the 5 nearest peers (ordered) to `peer` from `peer_list`
nearest_peers = get_nearest_ips(peer, peer_list, 5);

我应该只使用MaxMind的GeoIP数据库+ Haversine/Vincenty的本地实例，还是通过一个库(需要适当的缓存)使用BGP来实现这一点？

这类代码似乎存在于开放源码的任意广播路由实现中，尽管我还没有找到适合这个用例的任何东西。

解决方案或建议的库不需要在node.js上工作-任何语言都可以。

Answer 1

正如我所读到的，您的问题比Javascript / WebRTC用例更为普遍。

有谁会这样说：“给定一个P2P网络，以及一个知道所有连接的对等点的中心服务器，这是最好的衡量标准，而不是可以用来配对它们的标准？”

=>作为配对两个任意节点的好度量，将是它们之间的跳距。问题是这个值无法计算(您只能猜测ISP路由器将在节点之间选择哪条路径)。

那么如何近似呢？

1.使用地理距离作为跳距的近似

那样的话，你差不多就完了。使用任何"ip to latlng“服务，您就完成了。

2.通过映射internet来猜测真正的跳距。

我找到了一篇关于这个问题的论文，这可能对你有用。为了检索以前关于同一主题的论文，您不妨对他们的参考资料进行一点挖掘：

估计任意主机对 http://nowak.ece.wisc.edu/infocom09.pdf之间的跳距 建立一个清晰、及时的互联网拓扑结构是一个复杂的因素，包括庞大的规模和动态性质的基础设施。本文描述了一种估计Internet拓扑结构的重要特征--任意对端主机之间的跳距的方法。我们的目标是开发一种对跳距离估计方法，该方法准确、可扩展、及时，并且不需要重要的测量基础设施。我们的方法基于部署一小部分地标节点，这些节点在彼此之间使用类似traceroute的探针来建立一组精确的成对跳距离。地标节点还被配置为从被动监视的网络分组流量中收集源IP地址和TTL值。我们提出了一种新的多维尺度算法，它既可用于被动测量，也可用于主动测量，从而为所有观测到的源主机地址生成成对的跳距估计。然后通过BGP路由信息对基本算法进行改进，以考虑源主机的自治系统成员关系。我们使用一组综合网络拓扑来研究我们的估计算法的能力。结果表明，该方法能够在一定的网络规模和配置范围内，以及地标基础设施的大小范围内，生成高精度的双跳距离估计。

Answer 2

安装https://github.com/runk/node-maxmind

下载“GeoLite2-City.mmdb”，地址：http://dev.maxmind.com/geoip/geoip2/geolite2/

var maxmind = require('maxmind');
var lookup = maxmind.open('./GeoLite2-City.mmdb');

/**/
var peers = [
    '31.193.128.0', // UK
    '23.112.0.0', // USA
    '5.24.0.0', // Turkey
    '196.203.0.0', // Tunisia
    '77.243.64.0' // Malta
];

var peerLocations = {};

peers.forEach(function(peer) {

    var tmp = lookup.get(peer);

    if (!tmp || !tmp.location) {
        throw new Error('Unable to get initial peer location: ' + peer);
    }
    peerLocations[peer] = tmp.location;
});


/**/

var testIp = '84.17.64.0'; // Turkey
// 84.17.64.0   // Turkey
// 37.219.0.0   // Finland
// 5.39.0.0     // France
// 37.75.32.0   // Malta
// 5.2.96.0     // UK
// 15.0.0.0     // USA
// 41.224.0.0   // Tunisia

console.log( findClosestPeer(testIp, 3) );

function findClosestPeer(ip, len) {

    var ipData = lookup.get(ip);
    var distances = [];

    if (ipData && ipData.location) {

        Object.keys(peerLocations).forEach(function(key) {

            var peer = peerLocations[key];
            var distance = getDistanceFromLatLonInKM(ipData.location.latitude, ipData.location.longitude, 
                peer.latitude, peer.longitude);

            distances.push({ip: key, distance: distance});
        });
    }

    // 0 ... 9
    distances.sort(function(a, b) {
        return a.distance - b.distance;
    });

    return len > 1 ? distances.slice(0, len)
        : distances.shift();
}



/* http://stackoverflow.com/a/21279990/605399 */
function getDistanceFromLatLonInKM(lat1, lon1, lat2, lon2) {

    var R = 6371; // Radius of the earth in km

    var dLat = deg2rad(lat2 - lat1);  // deg2rad below
    var dLon = deg2rad(lon2 - lon1); 
    var a = 
        Math.sin(dLat/2) * Math.sin(dLat/2) +
        Math.cos(deg2rad(lat1)) * Math.cos(deg2rad(lat2)) * 
        Math.sin(dLon/2) * Math.sin(dLon/2)
    ;

    var c = 2 * Math.atan2( Math.sqrt(a), Math.sqrt(1 - a) ); 
    var d = R * c; // Distance in km

    return d;
}

function deg2rad(deg) {
    return deg * ( Math.PI / 180 );
}