
作者 | CDA数据分析师
区块链背后涉及到哪些技术呢?“矿工”和“挖矿”到底是什么意思?针对这些问题,Simplilearn用有趣的视频做出了解答。
你有没有想过,是否有更简单的方法来完成交易呢?无需用到在线钱包、银行和第三方应用程序。
由于区块链,这是可能的。
以下是关于区块链,你需要知道的的一切。
假设Jack、Ted、Sam和Phil这四个朋友一起吃晚饭。吃完后,Jack付了饭钱,所有人都决定分摊费用。第二天,Phil 通过网上转账把他的那份转给Jack,交易顺利的完成了。然后Ted和Sam把他们各自的饭钱转给Jack,但他们的转账失败了,显示银行方面出了些问题。
这时,Jack开始了解到以下这些情况会导致银行交易失败。比如由于银行的技术故障;他们的账户被黑了;超过每日转账限额;额外的转账手续费等费用…
为了解决这些问题,加密货币的概念应运而生。加密货币是一种数字或虚拟货币,这是基于区块链技术的。由于区块链,加密货币不能被伪造;不需要中央权威机构;并受到强大而复杂的加密算法的保护。
在拥有数千种加密货币的市场中,比如莱特币、以太坊、Zcash等等。但当中最出众的就是比特币。
现在看到之前的例子,假设让Phil、Ted和Sam每人给Jack两个比特币,作为昨晚的饭钱。假设Phil、Ted和Sam有三个比特币,而Jack有5个。首先,Phil给Jack两个比特币,区块形式的记录被创建,他们之间的交易细节被永久地记录在这个区块中,当中还记录了每个人拥有的比特币数量。因此在Phil交易后,Jack有了七个比特币,而Phil有一个。
接下来 Sam和Ted各给Jack两个比特币。每次交易都分别创建了新的区块,这些区块中记录了交易细节,以及Sam Ted和Jack有多少比特币。
这些区块是互相连接的,关于每个人所拥有的比特币数量,区块都参照之前区块的数值。这一系列的记录或数据块叫做分类帐,而且是与所有人共享的,作为公共分布式账本,这就构成了区块链的基础。
如果Phil只剩下一个比特币,他再想发给Jack两个区块链呢? 这个交易将无法完成,因为所有人都有分类账的副本。很明显Phil只剩下一个比特币,他的朋友会将此交易标记为无效。
因为每位用户都有分类账的副本,黑客将无法改变区块链中的数据。区块内的数据通过复杂的算法进行加密,所有这些都是在区块链技术的帮助下实现的。区块链可以被称为是记录的集合,这些记录相互连接,而且具有较强的抗篡改能力,并通过密码学进行保护。
现在让我们仔细看看Jack和Phil之间的比特币交易,了解一下当中的原理。
比特币网络中的每个用户都有两副钥匙,分别为公钥和私钥。公钥是网络中每个人都知道的地址,类似用户的电子邮箱地址。私钥是只有用户知道的唯一地址,类似密码。
如果Phil将发送具体的比特币数量,以及他和Jack唯一的钱包地址,这些都通过哈希算法完成。所有这些都是交易细节的一部分,这些详细信息使用加密算法进行加密,并使用Phil唯一的私钥。这样做是为了对交易进行数字签名,并表明该交易来自Phil。之后通过Jack的公钥在全世界传输,这样该消息或交易只能由Jack的私钥解密,这是只有Jack知道的。
不同的加密货币使用不同的哈希算法,比特币使用的是SHA256 算法,另一个有名的加密货币—以太坊使用的是Ethash 算法。
这类交易和类似交易正在世界各地进行,这些交易经过验证,然后逐块添加。验证这些区块的人称为“矿工”。要验证一个区块并将其添加到区块链中,矿工需要解决复杂的数学问题。第一个解决这个问题的矿工,会将区块添加到区块链中,而且将获得12.5个比特币作为奖励。
解决复杂数学问题的过程叫“工作量证明”,向区块链添加区块的过程称为“挖矿”。
由此,Phil和Jack的钱币升级了,就像网络中完成交易的每个人一样。现在你应该知道区块链 以及它重要的概念了。
下面让我们来看看,沃尔玛是如何利用区块链为顾客提供更好的服务的。沃尔玛在向顾客提供高质量产品时遇到了问题,他们面临着高退货率和大量的退款,这是由于产品质量不佳导致的。供应链从农场到仓库,再到运输和加工,最后到顾客手上,他们无法确定供应链中是哪里出现了问题。
接着沃尔玛采用了区块链技术,有了区块链,每一步的商品质量都被永久地记录在区块中。例如,当客户标记一个产品已经损坏时,就可以正确识别,产品在整个供应链中受损的位置,从而帮助沃尔玛发现问题,并解决问题。
以上只是区块链在实际应用中的几种方式之一,你能想出其他的例子来吗? 可在留言中分享给大家。
好了,这就是今天的全部内容,区块链背后的这些概念你看懂了吗?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15