分布式键值存储
分布式哈希表（Distributed Hash Table）是一种分布式存储数据的方法，它将数据分散存储在网络中的多个节点上，每个节点负责管理一部分数据。DHT 允许用户通过一个分布式网络来查找、存储和检索数据，而无需集中式的管理或索引服务器。
设想一个场景：有一所1000人的学校，现在学校突然决定拆掉图书馆（不设立中心化的服务器），将图书馆里所有的书都分发到每位学生手上（所有的文件分散存储在各个节点上）。那么所有的学生，共同组成了一个分布式的图书馆。
Kademlia是分布式哈希表（Distributed Hash Table, DHT）的一种。而DHT是一类去中心化的分布式系统。
在这类系统中，每个节点（node）分别维护一部分的存储内容以及其他节点的路由/地址，使得网络中任何参与者（即节点）发生变更（进入/退出）时，对整个网络造成的影响最小。
Kad 使用 160bit的散列算法，完整的 key 用二进制表示有 160 个数位（bit）。实际运行的 Kad 网络，即使有几百万个节点，相比 keyspace（2ˇ160）也只是很小很小很小的一个子集。其次，由于散列函数的特点，key 的分布是高度随机的。因此任何两个 key 都不会非常临近。
Kademlia采用了“node ID 与 data key 同构”的设计思路。Kademlia 采用某种算法把 key 映射到一个二叉树，每一个 key 都是这个二叉树的叶子。在映射之前，先做以下预处理。
- 先把 key 以二进制形式表示，然后从高位到低位依次处理；
- 二进制的第 n 个 bit 就对应了二叉树的第 n 层；
- 如果该位是 1，进入左子树，是 0 则进入右子树；
- 把每一个 key 缩短为它的最短唯一前缀。
二叉树拆分： 对每一个节点，都可以按照自己的视角对整个二叉树进行拆分。
拆分规则： 先从根节点开始，把不包含自己的那个子树拆分出来；然后在剩下的子树再拆分不包含自己的下一层子树；以此类推，直到最后只剩下自己。
Kademlia 默认的散列值空间是 m = 160（散列值有 160 bits），因此拆分出来的子树最多有 160 个（考虑到实际的节点数远远小于2^160，子树的个数会明显小于 160）。对于每一个节点而言，当它以自己的视角完成子树拆分后，会得到 n 个子树；对于每个子树，如果它都能知道里面的一个节点，那么它就可以利用这 n 个节点进行递归路由，从而到达整个二叉树的任何一个节点。
这段代码定义了一个名为 id_distance 的函数，它用于计算两个64位整数 xId 和 yId 之间的异或距离。具体功能如下：