
快速了解区块链背后的三项基本技术
如果问十个人"什么是区块链技术?",你可能会得到十种不同的答案。理解区块链的最佳方法是逐步了解当中的基本技术。
因此在本文中,我将介绍区块链技术的三个主要部分:区块链本身、点对点网络和共识机制。一旦缺少任何一个部分,比特币将无法存在。首先让我们看到区块链。
区块链 (blockchain)
简而言之,区块链只是数据结构化的一种方式。区块链是分类账:记录账务记录的文件。
可以把这个文件理解为一本永不会完的书。
书上的每一页都记录着信息,同时在底部标有页码。通过页码,你马上可以知道该页面所属的位置,比如49页显然位于48页与50页之间。
就像页面一样,区块也都充满了信息。尽管区块没有确切的编号,但它们附有时间戳,具有与编号相同的功能。新的区块总是加在具有最新时间戳的区块之后,因此形成了链。
区块链很棒的一点是当中使用了加密技术,因此当书中某一页的信息发生改变时,我们都会注意到。该属性使区块链成为很好的数据结构,用来跟踪记录任何有价值的事物。
区块链的用例
在比特币的区块链中,区块包含比特币的交易信息。区块中记录了谁发送给谁多少比特币。
由于区块链从一开始就被用于跟踪所有比特币的流向,因此通过检查分类账可以明确谁在某个时间拥有哪些比特币。在任何时间内"谁拥有多少"就是所谓区块链的当前"状态"。
交易只有在包含到区块中,并被添加到区块链中才会发生,因此,当一个区块被添加到区块链中时,区块链的状态就被更新。毕竟,比特币发送了移动。
这意味着如果我想验证某人是否真的对我做了交易,我必须能够检查区块链的状态。为了做到这一点,分类帐必须是公开的。这里就需要用到点对点网络。
点对点网络
(peer-to-peer networks)
为了将区块链作为交易数据的分类帐,我必须要检查区块链,查看是否有人对我的账号或钱包进行了交易。
如果区块链仅存储在一台计算机上,并且恰好被关闭了,那么这是很烦人的。因此,区块链的当前状态需要能够下载、同步并能被全球的计算机所提供。
这些计算机被称为"节点",它们在点对点网络中运行,用来确保区块链的安全性和最新性。每个节点都存储着区块链完整的最新版本。每当添加新的区块时,所有节点都会更新其区块链。
使用点对点网络具有以下优点:
·可以随时查看自己区块链的状态;
·无需通过某一方查看区块链的真实状态;
·无需依靠一台服务器的安全性去确保区块链是否安全;
·不法分子必须同时攻击数千台计算机,而不是一台服务器;
·区块链不会被删除,因为它必须被所有节点删除。
基于服务器的模型 vs 点对点网络
这很重要,但以上并不意味着区块链就足够安全,能够用于存储或交易任何有价值的事物。
例如,如何确认区块链中的(交易)数据是正确的?如何确认区块中没有无效的交易?如果存在不同版本的区块链,如何确认哪个显示了区块链的真实状态?
这些问题能够通过共识机制解决,这种机制是通过点对点网络实现的。
共识机制 (consensus mechanism)
Napster公司早在1999年就使用了点对点机制。
区块链在比特币出现之前就已经存在。
比特币神秘的匿名创始人——中本聪,在白皮书中通过基于密码学的共识机制,他巧妙地将两者结合起来。共识机制允许点对点网络中的节点一起合作,而不必相互了解或信任。
"共识算法的目的是根据特定的状态转换规则,考虑到安全的更新状态,其中执行状态转换的权利分布在用户中,这些用户能够通过算法共同进行交易。"
——以太坊创始人 Vitalik Buterin
如果你还是不太懂,那么这样理解,其实共识机制就是一系列规则,网络中的节点通过运行网络软件来达成一致。这些规则确保网络正常工作并保持同步。
共识协议规定:
· 如何将区块添加到区块链中;
· 区块何时被认为是有效的;
· 如何解决冲突。
添加区块
不同的区块链添加区块的方式各不相同。其中最广为人知的共识机制是比特币的工作量证明(Proof of Work )。
工作量证明的第一条规则是,平均每10分钟会在区块链中添加一个区块。
促进这一过程是所谓的"挖矿"。试图在区块链中链添加区块的节点(称为"矿工")使用计算机的计算能力尝试解决密码"难题"。规则规定,只有这个难题被解决时,区块才能被添加到区块链中。
解决这一难题的矿工"挖"新的区块,并增加到区块链中,同时矿工会得到网络的奖励。预定数量的新币将被创建,并奖励给矿工,以及该区块中包含的所有交易的成本。
随后,所有矿工将开始挖下一个区块。
比特币挖矿设备。为了获得足够的挖掘处理能力,你需要大量的GPU。
比特币的工作量证明不是唯一的共识机制。分布式账本中也常使用权益证明(Proof of Stake)。在基于权益证明的机制中,某人可以对他的币进行"下注",以便被选中从而添加下一个区块。从某种意义上相当于,一位赌徒说:"我用币打赌我正确添加了这个区块。" 如果他说谎就失去币。
关于哪种共识机制是最好的仍存在很大的争论。尽管如此,无论区块是如何创建的,网络中的其他节点仍需要决定该区块是否有效。
区块的有效性
当矿工解决这个难题并挖到区块时,网络中的所有节点将检查该区块是否有效,并将其添加到区块链的副本中。节点首先要对有效性达成一致。只有这样,网络才会同步并更新区块链的状态。
只有当遵循共识机制的规则时,节点才会将新的区块添加到区块链中。他们运行的软件将检查区块是否有效。无效的区块将被拒绝。
当然,区块与其中包含的交易有效性一致。以比特币为例,协议规定,如果首先没从他人那儿收到比特币,或者挖到比特币,那么你将无法发送比特币。
换句话说,如果发送者收到足够的比特币进行交易,节点将检查区块中的所有交易。为此,需要检查网络的状态。
假设我已收到1比特币,我之后将其发送给Alice。接着我试图将相同的比特币发送给Bob。只要我的第一笔交易被添加到链中,所有节点都会更新区块链,从而得出我已经没有那个比特币了。那么我给Bob的交易将会被节点拒绝。节点发现该区块不遵循规则时,则不会将该区块更新到区块链中。
规则还规定,交易只有在比特币所有者的进行数字签名时才有效。只有钱币的所有者才能对交易签字。因此,只有你可以花费你的比特币。
如何解决冲突
在偶然的情况下,两名矿工可能同时向区块链中添加有效区块。想象一下,一部分节点接受了一个有效的区块,其他节点接受了另一个区块。前者包括我与Alice的交易,后者包括我与Bob的交易。现在同时存在两种不同的区块链状态!
我们将其称为(无意)的"分叉(fork)":区块链分成两个不同的链。Alice和Bob谁才收到了我的比特币?两条链中的哪一条是'真正的'区块链?
通常会通过一条简单的规则解决这个问题:最长的区块链获胜。
区块链分叉的可视化
当出现分叉时,一些矿工将开始在其中一条上进行挖矿,而另一些开始在另一条上进行挖矿。不可避免的是,一条区块链将比另一条拥有更多的矿工,因此添加区块的速度会更快。其他的矿工将换到较长的区块链上,那么分叉的区块链将会消亡。这对主区块链没有任何损失。
为什么会这样?
因为矿工是以自我利益行事的经济行为者。矿工没有兴趣对会消亡的分叉区块链进行挖矿。分叉区块链上的所有交易从未在主区块链上发生,这意味着在分叉链上挖矿的矿工不会因为其工作而获得奖励。
在极少数情况下,分叉链上可能产生大量的挖矿能力。这时则需要一段时间才能确定哪条是主区块链。一般认为,在6个区块后确认交易是明智之举。
区块链分叉的可视化。一般不会超过5个区块。
在区块链中添加区块需要巨大的处理能力,以及最长的区块链取胜的规则,这保证了区块链的安全性。攻击网络的唯一方法就是回到区块链中的某个区块,进行分叉并从那里挖新区块。然而要做到这一点,攻击者必须重新完成矿工的所有工作,并赶上主区块链。如果没有比整个矿工网络更多的计算能力,这几乎是不可能实现的。简单地说,这种操作所需的电力和GPU成本非常昂贵。
原文链接:
https://hackernoon.com/3-steps-to-understanding-blockchain-8a285572daa3
如何掌握区块链技术
区块链创新的推动以及数字经济的蓬勃发展离不开人才的培育,而CDA数据分析师作为行业的领头羊,紧密结合当前区块链发展实际与人才需求结构,重磅推出CDA区块链学院。
扫描二维码,进入 CDA 区块链学院,学习区块链知识,选择很多,站对未来。
扫描二维码 加入CDA区块链学院
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16