我只能代表Kademlia说话，也许其他人可以提供更普遍的答案。同时...
这两点的结合实际上意味着最接近x的点是x本身；其他所有点都离x更远。（这可能看起来很直观，但XOR度量的其他方面并非如此。）
在Kademlia的背景下，这很重要，因为查找ID为x的节点将产生该节点作为最接近的结果。如果不是这种情况，那么收敛于x的搜索可能找不到节点x，这将会很尴尬。
Kademlia路由表的结构是使节点保持了对其最近的地址空间的详细知识，并以指数方式减少对更远地址空间的知识。简而言之，节点尝试保持所有它听到的k个最接近的联系人。
这种对称性很有用，因为它意味着每个最接近的联系人都将维护与其类似的地址空间部分的详细信息，而不是远程部分。
如果我们没有这个属性，可能有帮助将搜索想象成手表向一个方向移动的钟表的指针。1点钟处的节点（Node1）靠近2点钟处的Node2（30°），但Node2远离Node1（330°）。因此，想象一下我们正在寻找最接近3点钟的两个节点（即Node1和Node2）。如果搜索到达Node2，则它不会知道Node1，因为它离得很远。整个查找和拓扑结构都必须更改。
对于x、y、z三个点来说，x到z的距离小于等于x到y的距离加上y到z的距离。如果这不是这样的话，节点在查找期间将无法确定要返回其路由表中哪些联系人。它会知道距离目标最近的前k个联系人，但不能保证其他更远的联系人中没有一个可以提供更短的总路径。
由于这种特性和单向性，从非常远的点开始的不同搜索往往会汇聚到同一路径上。
单向性意味着没有两个节点可以从给定点拥有相同的距离。如果不是这样，那么目标点可能被一堆距离它相同的节点包围。那么各种不同的搜索可以随意选择其中任何一个通过。然而，单向性保证这堆节点中恰好有一个是最接近目标点的，并且任何选择在这组之间的搜索都将始终选择相同的节点。
