现有40000个节点,分布在蜂巢晶格中,每个点有3个邻居,需要将它们存储在一个二维数组中,蜂巢晶格中的点的id是如何确定?

豆芽炒粉丝 2016-07-24 05:13:07
加精
蜂巢晶格网络:
每个点的邻居示意图:
...全文
2503 52 打赏 收藏 转发到动态 举报
写回复
用AI写文章
52 条回复
切换为时间正序
请发表友善的回复…
发表回复
赵4老师 2016-08-03
  • 打赏
  • 举报
回复
电脑内存或文件内容只是一个一维二进制字节数组及其对应的二进制地址; 人脑才将电脑内存或文件内容中的这个一维二进制字节数组及其对应的二进制地址的某些部分看成是整数、有符号数/无符号数、浮点数、复数、英文字母、阿拉伯数字、中文/韩文/法文……字符/字符串、汇编指令、函数、函数参数、堆、栈、数组、指针、数组指针、指针数组、数组的数组、指针的指针、二维数组、字符点阵、字符笔画的坐标、黑白二值图片、灰度图片、彩色图片、录音、视频、指纹信息、身份证信息……
豆芽炒粉丝 2016-08-03
  • 打赏
  • 举报
回复
引用 46 楼 dingchenxixi 的回复:
[quote=引用 43 楼 zhao4zhong1 的回复:]
感谢赵老师的关注哈!我今天编程再试一下,晚辈太愚钝啦![/quote] 按照此图所示的逻辑结构,写出C代码。准备过几天结帖,如果更好的方法请继续留言
豆芽炒粉丝 2016-08-03
  • 打赏
  • 举报
回复
引用 47 楼 theforever 的回复:
我本家的模型和楼主说的意思还是差一点。 楼主说的是每个节点都有3个邻居。 我本家的模型里,显然有相当一部分不满足条件,只有两个甚至只有一个邻居。 正确的模型,应该想一想足球皮。 也就是说,把这个模型想像成覆盖在一个球体表面的闭合网状。那样才能满足条件。 但是又如何满足用二维数组的形式存储呢? 想想地球的经纬度。经纬度可以定义地球表面网状结构任意一点的坐标。 地球上每一点都有无数个邻居,而楼主的这个模型要简单得多了,每一点只有三个邻居,所以,可以建立一个角度固定的经纬度坐标体系。根据这个体系的公式,不仅可以确定坐标的具体值,也可以根据任意一个坐标的值,通过向量坐标计算的方法,向左上方和右上方固定角度以下向下取相同长度,即可计算得出此点的三个邻居的坐标。 把经纬度坐标联合起来作为ID就可以了,可以节省两个数据库字段,所得ID又可确保是唯一的。
对。我按照赵老师的方法将代码已写出。比如说第一个点,他的3个邻居分别是第一行的最后一个,右边的一个,和最后一行的第一个,就像您说的那样,球形,确实如此!!
cqh963852 2016-08-03
  • 打赏
  • 举报
回复
引用 28 楼 zhao4zhong1 的回复:
豁然开朗。
  • 打赏
  • 举报
回复
现在,变成你只需要用一维数组就可以存储和提取这些数据并表示它们之间互相的结构关系了,从ID中你可以分离出(经度,纬度)坐标。根据固定的向量计算公式,得出三个邻居的(经度,纬度)坐标并将它们结合成ID,就能得到三个邻居的点对象。
  • 打赏
  • 举报
回复
我本家的模型和楼主说的意思还是差一点。
楼主说的是每个节点都有3个邻居。
我本家的模型里,显然有相当一部分不满足条件,只有两个甚至只有一个邻居。
正确的模型,应该想一想足球皮。
也就是说,把这个模型想像成覆盖在一个球体表面的闭合网状。那样才能满足条件。
但是又如何满足用二维数组的形式存储呢?
想想地球的经纬度。经纬度可以定义地球表面网状结构任意一点的坐标。
地球上每一点都有无数个邻居,而楼主的这个模型要简单得多了,每一点只有三个邻居,所以,可以建立一个角度固定的经纬度坐标体系。根据这个体系的公式,不仅可以确定坐标的具体值,也可以根据任意一个坐标的值,通过向量坐标计算的方法,向左上方和右上方固定角度以下向下取相同长度,即可计算得出此点的三个邻居的坐标。
把经纬度坐标联合起来作为ID就可以了,可以节省两个数据库字段,所得ID又可确保是唯一的。
豆芽炒粉丝 2016-07-31
  • 打赏
  • 举报
回复
引用 43 楼 zhao4zhong1 的回复:
感谢赵老师的关注哈!我今天编程再试一下,晚辈太愚钝啦!
豆芽炒粉丝 2016-07-31
  • 打赏
  • 举报
回复
引用 44 楼 DelphiGuy 的回复:
老赵的方法是可以的,没必要非要把节点ID用一维数组表示,也可以用二维数组嘛。 至于求邻居节点,那也很容易: 就用老赵那个表示方法,假设对应位置有节点则该元素是1,没节点则是0,比如[0, 0]那个位置。 对给定的节点坐标ID[x, y],先检测坐标有效性,诸如是否超出坐标范围,该位置有没有节点等, 如果x+y=偶数,则它的邻居是[x, y-1], [x-1, y], [x+1, y] 如果x+y=奇数,则它的邻居是[x, y+1], [x-1, y], [x+1, y] 检测邻居的有效性
我今天再编程试一下,谢谢您。
豆芽炒粉丝 2016-07-30
  • 打赏
  • 举报
回复
引用 41 楼 lkplyl 的回复:
[quote=引用 35 楼 ljheee 的回复:] [quote=引用 33 楼 zhao4zhong1 的回复:] [quote=引用 32 楼 dingchenxixi 的回复:] [quote=引用 28 楼 zhao4zhong1 的回复:]
老师,谢谢您给的提示。[/quote] 我一般不会指错路的。[/quote] 老师 好厉害。。貌似就看懂这个[/quote] 感觉还需要补充一下: 例如(3,3)周围三个点的坐标是{(2,3),(3,2),(3,4)},{(3,2),(3,4)}这两个点比较容易得出,但是不看图的话如何判断出另一个点是(2,3)还是(4,3)? 根据图形规则,没行的点其实有的是向上有的是向下,如果加上向上或者向下标识的话就能比较容易的获取第三个点的位置。 例如(上,3,3),他周围的三个点必然是{(下,2,3),(下,3,2),(下,3,4)}[/quote] 如果用数组这种方法的话 对我帮助有限。举例:我需要通过id为25的节点,就能得到他的3个邻居,比如说player[24][0]是它的第一个邻居的id,player[24][1]是第二个邻居,player[24][2]为第三个邻居。如果用数组的话,操作方面并没有方便。觉着还是应该找规律
  • 打赏
  • 举报
回复
老赵的方法是可以的,没必要非要把节点ID用一维数组表示,也可以用二维数组嘛。 至于求邻居节点,那也很容易: 就用老赵那个表示方法,假设对应位置有节点则该元素是1,没节点则是0,比如[0, 0]那个位置。 对给定的节点坐标ID[x, y],先检测坐标有效性,诸如是否超出坐标范围,该位置有没有节点等, 如果x+y=偶数,则它的邻居是[x, y-1], [x-1, y], [x+1, y] 如果x+y=奇数,则它的邻居是[x, y+1], [x-1, y], [x+1, y] 检测邻居的有效性
赵4老师 2016-07-30
  • 打赏
  • 举报
回复
伊顺鸣 2016-07-29
  • 打赏
  • 举报
回复
伊顺鸣 2016-07-29
  • 打赏
  • 举报
回复
来支持冷额。。。
lkplyl 2016-07-29
  • 打赏
  • 举报
回复
引用 35 楼 ljheee 的回复:
[quote=引用 33 楼 zhao4zhong1 的回复:] [quote=引用 32 楼 dingchenxixi 的回复:] [quote=引用 28 楼 zhao4zhong1 的回复:]
老师,谢谢您给的提示。[/quote] 我一般不会指错路的。[/quote] 老师 好厉害。。貌似就看懂这个[/quote] 感觉还需要补充一下: 例如(3,3)周围三个点的坐标是{(2,3),(3,2),(3,4)},{(3,2),(3,4)}这两个点比较容易得出,但是不看图的话如何判断出另一个点是(2,3)还是(4,3)? 根据图形规则,没行的点其实有的是向上有的是向下,如果加上向上或者向下标识的话就能比较容易的获取第三个点的位置。 例如(上,3,3),他周围的三个点必然是{(下,2,3),(下,3,2),(下,3,4)}
豆芽炒粉丝 2016-07-29
  • 打赏
  • 举报
回复
引用 33 楼 zhao4zhong1 的回复:
[quote=引用 32 楼 dingchenxixi 的回复:] [quote=引用 28 楼 zhao4zhong1 的回复:]
老师,谢谢您给的提示。[/quote] 我一般不会指错路的。[/quote]
引用 34 楼 qq_35728236 的回复:
请问积分怎么搞得
回答问题可以得吧。
qq_35728236 2016-07-28
  • 打赏
  • 举报
回复
请问积分怎么搞得
qq_35724914 2016-07-28
  • 打赏
  • 举报
回复
假设是几何图形的话 第一行A点处 (x-1/2, y-sqrt(3)/2),(x-1/2,y+sqrt(3)/2),(x+1,y) B 点处 (x-1,y), (x+1/2,y-sqrt(3)/2),(x+1/2,y+sqrt(3)/2) C 点处 (x-1/2, y-sqrt(3)/2),(x-1/2,y+sqrt(3)/2),(x+1,y) D 点处 (x-1,y), (x+1/2,y-sqrt(3)/2),(x+1/2,y+sqrt(3)/2) E点处 (x-1/2, y-sqrt(3)/2),(x-1/2,y+sqrt(3)/2),(x+1,y) F点处 (x-1,y), (x+1/2,y-sqrt(3)/2),(x+1/2,y+sqrt(3)/2)
赵4老师 2016-07-28
  • 打赏
  • 举报
回复
引用 32 楼 dingchenxixi 的回复:
[quote=引用 28 楼 zhao4zhong1 的回复:]
老师,谢谢您给的提示。[/quote] 我一般不会指错路的。
豆芽炒粉丝 2016-07-28
  • 打赏
  • 举报
回复
引用 28 楼 zhao4zhong1 的回复:
老师,谢谢您给的提示。
豆芽炒粉丝 2016-07-28
  • 打赏
  • 举报
回复
引用 30 楼 qq_35724914 的回复:
假设是几何图形的话 第一行A点处 (x-1/2, y-sqrt(3)/2),(x-1/2,y+sqrt(3)/2),(x+1,y) B 点处 (x-1,y), (x+1/2,y-sqrt(3)/2),(x+1/2,y+sqrt(3)/2) C 点处 (x-1/2, y-sqrt(3)/2),(x-1/2,y+sqrt(3)/2),(x+1,y) D 点处 (x-1,y), (x+1/2,y-sqrt(3)/2),(x+1/2,y+sqrt(3)/2) E点处 (x-1/2, y-sqrt(3)/2),(x-1/2,y+sqrt(3)/2),(x+1,y) F点处 (x-1,y), (x+1/2,y-sqrt(3)/2),(x+1/2,y+sqrt(3)/2)
嗯。示意图是几何图形,我是需要仿真实验,所以几何图形的方法并不适用吧!您觉得呢?
加载更多回复(32)
 OpenGL-自主高性能三维GIS平台架构与实现/第二季:实现三维GIS球体+ 高程数据章节名称DEM基础1DEM基础知识1.介绍基本的DEM知识2.什么是DEM,作用是什么2DEM数据1.如何获取/ 传统测量/激光扫描/无人机测量/ 云数据/ 倾斜摄影2.如何使用/局部小规模(栅格数据,图片/tif),3. 组织方式4. 根据使用目的不同,介绍多种优化方法3DEM图层的实现原理14DEM数据结构定义struct  V3U3N4顶数据的生成和计算WGS84投影计算5wgs84 投影球体被切成一个个小圆弧,一共60个投影带,分别为01,02.........60WGS的最新版本为WGS 84(也称作WGS 1984、EPSG:4326),1984年定义、最后修订于2004年。接口定义坐标转换Wgs84 数据加载6瓦片编号计算生成算法1. 经纬度到大地坐标的转换2.大地坐标到经纬度坐标转换3. 根据经纬度获取瓦片编号框架重构7智能指针重构框架1. 基类定义(所有的类继承自基类),基类派生自 std::enbale_shared_from_this2. 实现智能指针的动态转换接口3. 实现向下转换4. 已有的类实现全部使用智能指针重构5. 任务系统(多线程加载任务)8引入图层(Layer)1. 介绍图层的概念以及重要性2. 图层类实现3. 修改框架(使用图层的方式重构框架)9Layer-bug排查(绘制过程出现错位,偶发)1. 框架重构后遇到问题(绘制结果错误)2. 瓦片索引方式发生变化,多线程引起内存问题3. 修改索引方式,解决绘制偶发错误问题10引入数据源(TileSource)1. 数据源的作用与设计目的2. 当前存在的问题,数据调度存在问题3. 数据源(TileSource)类实现11数据格式管理(FormatMgr)1. 数据格式管理(FormatMgr) 提出的目的,需要解决的问题2. CELLFormat基类接口抽象3. 实现几个标准格式类4. 修改框架流程,使用FormatMgr重构流程5. 扩展支持,后续支持任务格式数据加入系统12Task(任务)优化1. 任务低耦合数据结构,目的是让Task更加的通用2. 修改任务读取代码与任务处理代码,完善处理流程DEM高程13DEM-数字高程定义1. 什么是数字化高程数据2. 当下GIS系统有哪些常见的高程格式3. 课程体体系使用的哪种格式4. 高程类定义以及实现,并加入到FormatMgr 管理系统14高程瓦片数据读取1. 介绍GIS系统相关的工具(在数据转换)数据生成方面可以解决大量时间2. 自定义高程瓦片格式说明3. 自定义高程格式文件解析,并以智能对象的方式引入到系统4. 完善框架代码,适配高程数据15高程瓦片文件的读取1. 实现基本的读取算法2. 增加格式化组件,并加入到系统3. 配置高程图层以及高程数据源,并加载数据,验证数据正确性16瓦片数据结构重构1.顶生成2.UV坐标计算3.面数据生成17DEM重构绘制流程1. 修改绘制数据结构,去除无用字段2. 增加Mesh类,实现光栅数据转换成三角面数据,计算UV数据,提炼接口3. 修改系统调度,实现顶数据,UV数据,以及面数据的生成与更新4. 按需更新数据,而不是每一帧更新18DEM-数据精度问题(CPU)1. 因为瓦片数据使用大地坐标作为系统输入,造成瓦片坐标很大,单浮数据精度不够2. 使用局部坐标的方式解决单浮精度问题3. 调整相机参数,解决投影矩阵数据计算深度精度问题4. 修改绘制shader 实现对瓦片数据的绘制19DEM-数据精度问题(LogDepth)1. 使用对数深度(log depth )算法在GPU 计算解决单浮经纬计算问题2. 修改shader ,增加对(logDepth)算法支持3. 修改C++端代码,实现对shader数据的输入20DEM-数据结构优化1.当下使用CPU端数据通过接口的方式传递给GPU,速度慢2. 使用Instance 方式降低Vertex Buffer 的大小,优化渲染系统21DEM-GPU缓冲区优化1. 使用Vertex Buffer Object / Index Buffer Object  / Instance  方式优化渲染系统2. 修改绘制接口,使用DrawElementsInstanceBaseInstance方式提升系统性能内存池与对象池22瓦片生成优化/对象池1. 相机移动过程会频繁的建立与释放瓦片,对CPU有较大的消耗2. 引入内存池,避免频繁的内存申请与释放,降低CPU时间3. 改造智能指针对象,对象释放通知到内存管理,回收对象内存23改造任务系统支持对象池1. 任务系统是一个公用模块,被多个模块使用,避免频繁的内存操作,引起的内存碎片2. 实现对象池,并应用到任务模块法线计算24法线计算1. 修改现有结构,增加法线支持2. 修改shader,增加法线顶输入,使用平行光光照模型3. 修改绘制流程,支持光照计算,使用探照灯作为光源输入25顶法线计算/共享法线计算1. 增加数据结构保存顶数据被多个面共享的次数2. 计算面法线,并累加到顶法线3. 根据顶被面共享的次数做平均法线计算4. 修改流程,按需更新法线数据26法线数据压缩1. 法线数据使用3 * float 数据存储,大大的增加了系统的数据2. 实现算法,将3 * float 数据压缩成4字节数据3. 改造绘制代码,支持压缩数据输入27GPU计算产生法线数据(去掉CPU计算)1. 引擎支持 Geometry Shader 阶段2. 编写 Geometry Shader,实现法线计算系统功能优化28重构CPU拾取流程1. 当下的拾取流程,只支撑二维数据拾取,无法准群的拾取三维数据2. Terrain增加拾取接口,输入射线,输出拾取到顶数据29绘制拾取结果1. 增加一个绘制的方法,实现绘制代码2. 修改shader,增加logdepth3. 调试代码,花费了很多时间排查错误,最总排查到是因为uniform参数笔误写错造成。30任务系统完善,避免任务队列无线膨胀1. 任务系统,没有限制队列的大小,生产者的能力远大于消费者的能力,造成任务队列膨胀2. 处理办法,限制生产者的生产能力,而不是限制任务队列大小(这种方式会造成业务逻辑异常复杂)3. 使用sleep休眠方式(这种方式是严重错误的)31如何避免瓦片数据抖动1. 产生瓦片抖动的原因 ? 分裂算法与回退算法间没有过度2. 引入过度流程,避免内存抖动,参数因子是一个重要的数据,需要谨慎使用3. 有必要结合瓦片自身数据动态计算参数因子32瓦片数据管理-fepk文件格式支持-全球数据加载1. 支持fepk文件格式,增加fepk读取组件,适配fepk文件2. fepk管理数据方式:一般情况选择全球前10级别作为基础级别,因数据量不大(1G)左右,后续以8级作为基础级别,全球19级别数据被划分为 2^8 * 2^7(512 * 256)个块。每个包含了256 * 256 张小瓦片33fepk高程数据读取 34高程分裂处理当瓦片没有高程数据,那么子以及其他后代该如何共享父的数据35lesson-734-高程瓦片分裂处理(2)-算法实现高程数据分裂算法实现实现对高程数据的切分,并对特殊数据进行处理36高程瓦片分裂处理(3)-问题排查 37高程瓦片分裂处理(4)-(后代更新问题)当一个瓦片高程数据更新后,他的儿子,孙子...该如何处理?38瓦片视锥裁剪错误高程数据更新后,没有技术计算瓦片包围盒信息,造成包围盒错误,进而引视锥计算错误39http支持1.引入三方库 Libcurl2.http类封装,支持http读取数据40fepk.server使用 生成三维地球41改造四叉树-统一使用经纬度输入42地形网络生成算法重构 43引入球体坐标系 44使用球体坐标改造瓦片 45多图层(加载标签数据) 课时截图:镜头拉近后,显示细节数据加载矢量SHP国界线数据:加载矢量三维白膜数据截图高程数据加载云数据 加载倾斜摄影数据 
智能合约虚拟机赋予了区块链运行去心化应用(Dapp)的能力。它让区块链演化为“操作系统”,孕育出繁荣的Dapp生态。一款优秀的VM不仅仅是要完成确定、高效、安全地执行合约字节码的功能,它应该足够通用,能最大化节省开发者的成本,甚至能形成独立的开发者生态。从架构上来说,VM为智能合约提供计算资源和运行容器,区块链的共识、执行模块与VM是完全解耦的。在区块链2.0项目,我们看到大部分项目将VM作为区块链项目的一个子模块,一同编译进二进制;Fabric更进一步,链码被编译成独立的程序,运行于独立的docker容器,通过grpc与交互。如此,可将数据与逻辑彻底分离;在未来,VM可能以硬件的形式安装在“矿机”,通过更底层的如PCIe接口与区块链进行通信。业界的Nervos CKB使用RISC-V实现VM,为演化成硬件模块做准备。架构设计验证层验证层会对合约字节码及传参进行一些验证,包含ABI验证,环境检查与版本检查三个环节。ABI验证:利用合约ABI对用户发送的合约调用及参数进行校验。环境检查:检查虚拟机执行环境是否符合预期检查Config字段。字节码是否合法。exports是否包含apply与memory,以及类型是否正确;是否包含start(被禁用);是否包含import,import的模块是否合法。解释器模块是否ready。版本检查:检查合约版本,选择对应版本的解释器。注入层注入层主要对合约字节码注入一些必要的代码,以及构建相应的执行上下文。Gas MeteringGas metering是用于统计每一个操作所须花费的Gas。原理非常简单:实现Env_api方法useGas。将wasm字节码恢复成易于解析的格式化文本(如JSON)。将useGas注入到格式化文本将格式化文本重新恢复成wasm字节码。这里有一个值得考虑的问题:**Gas Metering能否放到编译期去做?**在编译器做Gas metering注入的好处是只须要注入一次,节省了执行时的开销。但这样的弊端也很明显:Gas Table本属于区块链协议的一部分,但却被放到合约编译器,恶意用户只须要更改编译器的Gas Table即可完成作恶,作恶成本大大降低。若Gas Table需要修改,无法再对已部署的旧合约更新Gas Metering,导致新老合约的Gas收费标准不一致。在每次执行时进行一次Gas Metering注入,虽然牺牲了一些执行效率,但换来了Gas灵活变更的特性,这对于不断调整、迭代的公链项目是至关重要的。一种更好的方案,是将Gas Table以合约形式部署,无须硬分叉便可更改Gas Table的参数。Env API 注入Env_api是区块链提供给合约层用于与区块链进行交互的接口。注入原理如下:合约字节码(wast)包含形如(import env getAddress (func ...))的代码段。意为从env模块导入getAddress函数。env模块从哪来呢?由虚拟机利用解释器的API构建原生模块,并实现预先设计的Env_api。这里的Env_api都须要用原生语言实现。利用解释器的moduleResolver在执行代码前注入。经以太坊基金会Go-team的gary推荐,这里隆重介绍下EVMC这个项目。它提供了一套虚拟机和客户端之间的通用交互接口。不同的VM只需要实现这些接口,即可为以太坊客户端提供交互功能。如此将客户端与虚拟机实现相互分离,更能够根据实际情况灵活切换底层虚拟机实现。上下文构建我们还需要给合约执行构建合理的上下文环境,提供必要的内部模块和数据以供合约使用,包括:区块链账本实例,提供区块、交易等信息的调用接口。状态数据库实例,提供状态数据的增删改查的调用接口。当前Transaction与Action的相关数据。当前区块高度和区块时间。执行层执行层是虚拟机的核心模块,负责执行合约字节码并返回结果。它必须具备以下几个特性:确定性:即相同入参和上下文,无论在什么设备上运行,何时运行,运行几次,都必须获得相同结果。高效执行:虚拟机的执行时间不大于共识算法给于交易执行的最大时间。停机与回滚:须要有相应停机机制。在执行失败时须要对本次执行涉及的所有状态变更进行回滚。沙箱环境:即保证合约与合约之间、合约与宿主系统之间的资源隔离。能够防备恶意和故障合约的不良影响。Apply执行合约字节码,实际是调用合约代码的apply函数。合约上下文,包括用户指定调用的合约方法名和对应入参,通过Env_api在实际apply实现获取,最终调用相应的合约方法。栗子详见系列第二篇。Memory合约除了应导出apply函数外,还须要导出memory对象。memory对象是wasm编译器在合约编译时自动注入,通常会开辟一页内存(64KB) (memory $0 1)。解释器会初始化一个线性字节数组作为内存供wasm使用,wasm与区块链数据交互是依靠内存共享的形式,通过该字节数组进行传递。(这也是为何在Env_api设计里,很多数值的传参是offset与length的组合)Wasm的内存数组是按照| static memory | dynamic memory |的次序划分,static memory存放编译期的字符串或数组,dynamic memory用于运行期的数据存储,并且可以动态扩容。为了防止dynamic memory无限制地扩容,需要有合理的收费机制与内存分配上限。AssemblyScript提供了一个额外的位于static memory之前的预留空间,称为reserved memory。这使得我们在运行期可以将一些变长数据(如字符串,数组等)以Global的形式导入wasm。这样wasm无须调用Env_api即可直接使用上下文的变量,如发送方、接收方、合约地址、当前调用的合约方法名等。状态存储对VM最本质的需求是对状态存储的需求,这种存储是达成共识的、不可逆的,从而实现了去心化应用数据的信任存储。Ethereum1出现的状态爆炸问题给我们敲响了警钟——只收取每一次读写操作的费用,而不收取占用存储的费用,是不合理的。如果不对占用存储收费,则用户可以无限制地占用区块链的稀缺存储资源;且由于没有好的数据清理机制,区块链的状态就会不断增长,即所谓“爆炸”。状态存储付费是很自然想到的方案。如何设计合理的状态存储付费方案,有两个底层逻辑需要考虑:用户应当为占用链上的稀缺存储资源付出成本。这里的成本是广义的,可以是代币价值、机会成本与承担额外风险等形式。状态存储的使用属性最大化,投资属性最小化。须要避免出现用户大量囤积存储资源,提高资源利用率。EOS使用【RAM】来解决状态收费的问题。开发者须要使用代币向系统合约购买RAM,存储状态数据须要消耗对应大小的RAM资源,当数据删除时RAM资源也会相应释放,并且可以卖回给系统拿回代币。但开发者须要承担RAM和代币价值波动风险。如何对RAM定价呢?EOS创新性地引入了Bancor算法对RAM进行模拟市场定价。Bancor算法有两个特:数字货币价格取决于存储金金额和代币流通量,真实模拟了市场供需关系;人机交易,无须对手盘,这使得“巨鲸”可轻易做多或做空,导致价格波动剧烈。也正因为上面两个特性,EOS主网刚上线时,出现了大量RAM资源被囤积,RAM价格被瞬间拉至高位,又在随后的一周内快速下降,造成了“割开发者韭菜”的情况。V神在2018年曾提出过使用【状态租金】来解决状态爆炸问题。状态租金很像当前云计算服务的商业模式,用户不仅花费购买占用空间大小,还须购买占用时间。对于状态租金方案的具体设计,我们仍然须要考虑以下几个问题:用户体验:当状态出租时间快到期时,如何提醒用户续费?时间到期后状态数据是否立马清除?不同级别的数据是否有区别的对待?(云服务厂商都会提供到期后的赎回期,以防止关键数据被意外删除)支付对象:哪些数据需要支付租金?除了合约的状态数据必然要支付租金以外,账户本身的元数据(balance, nonce等)是否也要付租金?如果需要,时间到期后清零,势必损害用户的资金安全(与区块链保护数字资产的理念相背),同时nonce为0后可能会遭受重放攻击。如果不需要,仍然无法抑制因新账户的创建而产生的状态爆炸问题。定价:链上存储资源的稀缺程度,与区块链的生态价值及当下的市场需求密切相关。如何建立一个合理定价模型便是个非常重要的问题。Ethereum Research有大神对状态租金的方案进行了细化,引入了激励机制用于租赁过期的发现和确认,并且允许在状态数据删除后申请恢复。Nervos CKB结合了状态买卖和状态租金的长处,利用原生代币代表占用全局状态的权利,且汇率恒定,即1 CKB代表1 Bytes的存储空间。同时巧妙地利用【二级发行】机制为代币持有者(存储空间占有者)设置了【通胀税】,以作为支付给矿工的状态租金。靠通胀收取租金的方式既保留了RAM方案的买断存储空间的使用模式,解决了上面所提到的用户体验的问题,又将定价转移到了通胀部分对应的法币价值,完全由二级市场进行价值发现。但这使得状态空间的上限严格等同于当前代币流通量,在初期可能会限制生态的发展。合约安全我们在第一篇有提到,合约安全分为编译期安全和执行期安全。本篇主要阐述执行期安全的设计思路。执行期安全也成为运行期安全,主要由VM针对以下两方面提供保障:数据安全:不能随意篡改其他用户或其他合约的状态数据。资源安全:CPU、内存、硬盘资源的分配与回收。数据安全加密数字资产真正实现了人类梦寐以求的“私有财产神圣不可侵犯”,它象征着真正的自由。为了捍卫这份“自由”,数据安全是重之重。VM需要为以下两个方面提供安全保障:用户数据的安全,即利用密码学算法判断是否有修改状态数据的权限。合约状态数据的隔离,即任何合约都不能直接修改其他合约的状态数据,即使该用户拥有权限。第一个维度很好理解,合约会提供根据用户地址和交易签名进行身份权限审查的功能(甚至可提供基于多密钥对的权限管理),以判断本次合约调用是否有权限修改相应的数据。这也是“私有财产神圣不可侵犯”的根源。第二个维度需要特别解释一下。这里的不能直接修改其他合约的状态数据,是指不能在合约A的方法直接修改合约B的数据。为什么?因为这会导致状态变更无法追溯,带来不确定性。我们知道,区块链环境只能通过交易(Transaction)来触发状态变更,交易本身就是状态变更的日志。若允许在合约A直接修改合约B的状态数据,则这次修改是并未生成相关日志的,使得状态修改无法追溯,与区块链“可追溯”的特性相违背。以太坊跨合约调用也是没有保留日志的。笔者认为这是因为以太坊合约是不可升级的,一旦部署后地址和代码都是不可变更的,因此可结合交易和代码具体片段来追踪状态变更记录。但以太坊并没有提供相关的索引,这导致对状态修改的记录追踪基本不可能,因此我认为这是一个设计上的重大缺陷。在EOS,我们看到跨合约调用是生成了新的action,并被加入到原action列表,在链上保留了状态修改的日志。能否利用静态代码分析的方式确定跨合约的对方地址和相关合约方法,从而追溯到状态变更的细节?当然是可行的,但如果有多层调用(合约A -> 合约B -> ... -> 合约Z),这种方案显然开销是非常大的。尽管以太坊提供了tracer,可以在执行交易的过程追踪跨合约调用的对象,但如果我想查找导致合约X某状态变更的所有历史操作,上述方案必须遍历并模拟执行所有的历史交易,显然是不可取的。我们认为,跨合约交易正确的做法,是通过内联交易的形式调用合约B的方法从而间接修改合约B数据。即生成一个新的交易来触发目标合约的状态变更。该交易也会应放入区块,视为由原交易生成的日志。这样可为状态变更保留操作记录,也符合“可追溯”的特征。资源安全智能合约通常运行在由虚拟机提供的沙箱环境,我们需要对其能够使用的资源进行适度的把控。这些资源包括三类:CPU、内存、硬盘。下面我们以QA的形式对涉及到的问题进行解答——CPU资源Q1: 合约运行最大能占用多少个进程,多少个线程?一个一个或多个。Q2: 是否允许合约内开辟新线程?不允许。合约不应有操作系统级别的调用,而应由虚拟机层来确定性地分配CPU资源(线程数)。Q3:多线程下如何保证线程安全?多线程下,不应通过加锁来保证线程安全,原因是加锁无法保证执行顺序,带来不确定性。正确的做法是在执行前通过静态分析、注解等手段对合约调用进行归类。互斥资源的调用顺序遵循交易发送的顺序;非互斥资源的合约调用可以并行执行。Q4: 如何控制执行时间?利用Gas机制控制合约执行时间(在本系列第一篇已提到),避免过度占用CPU时间。Q5: 如何捕捉错误与处理?合约执行的错误不应导致虚拟机的进程终止,虚拟机应当提供错误捕获和处理的机制。常规的做法时合约运行时的错误以error的形式抛出,虚拟机层捕获后做失败处理,包括终止交易执行、状态回滚、资源回收等。内存资源Q1:合约运行最大能占用多少内存?能分配多大的内存给虚拟机,是由矿工决定。这本质上经济学问题:扩大内存分配无疑会增加成本,而这部分提升的执行效率能为矿工带来多少收益。若可用内存过少,部分交易执行失败,可能导致分叉;若可用内存过多,又会造成资源浪费,降低矿工收益。Q2: 内存能否动态扩张?可以,但须要付费。为了防止内存无限制扩张,虚拟机还应对合约的内存占用设置上限。Q3: 如何避免内存泄漏?不应交由合约开发者控制内存回收,虚拟机应当实现GC机制。Q4: 如何避免内存溢出?Wasm虚拟机内存实则为字节数组,本身带有边界控制,能有效防止内存溢出。磁盘资源Q1: 单个合约最多能够存储多少数据?这也是经济学问题,应该设置合理的硬盘占用计费。Q2: 能否修改其他合约的持久化数据?不能直接修改,因为这会影响到【数据安全】章节提到的确定性。虚拟机为合约创建的上下文环境,包含相互隔离的数据空间。可以通过创建新的上下文环境进行数据修改,这样的操作视为一次新的合约调用(保留日志)。Q3: 如何防止未知的数据丢失(如磁盘损毁)?当发生数据丢失时,执行合约会得到不同的状态结果,导致区块被认定为非法,区块链无法延长。这里需要区块链系统具备状态一致性的检测机制,在解决硬盘故障后采用同步主链块并重放交易的方式进行恢复。系统合约系统合约是指区块链系统在启动时预先部署的,可升级、可治理的合约,提供如权限控制、资源租赁、代币质押等基础服务。系统合约通常有以下三个特:公开透明,无暗箱操作。可通过Env_api被用户合约调用。合约通过治理进行代码变更,无须硬分叉。系统合约可采用普通合约的实现方式,并在系统预定的合约地址部署。未来优化方向智能合约的并行执行合约并行执行是提升智能合约执行效率的一大思路。这里的并行执行并不是指单个合约方法内部的并行,而是合约间的并行。实现合约并行执行,我们需要考虑两个重要的问题:如何检测本次合约执行所访问的资源对象?如读写状态数据、读取账户余额等互斥操作。如何做合约执行的合理调度?即哪些合约能够并行执行,哪些必须串行?一种容易想到的思路是这样的:通过静态代码分析检测出合约方法可能访问到的资源,对会访问相同资源的合约调用归为同一个组。每个组的执行可以并行化,组内执行则串行化(根据交易发送顺序)。然而,实际设计时需要考虑的因素就复杂很多:如何设计一个完备的算法,准确地检测合约方法可能访问到的资源(包括跨合约调用的资源访问)?如何设计一个高效的调度算法,将合约调用准确分组?合约并行执行后所带来的性能提升,是否能够追回以上两个算法所带来的开销?预言机预言机是智能合约获取链外数据的桥梁。这些数据通常由第三方可信数据源提供,如天气数据、赛事数据、数字货币价格等。在传统的互联网应用,我们可以简单地通过HTTP API获取到这些数据。但在智能合约却不行,原因是HTTP调用通常是异步的,时间不可预估且不具备确定性。因此,需要一个专门的基础设施来为智能合约提供这些链外数据。预言机的设计原则需要考虑三个要:获取链外数据并保证数据的真实可用。以确定性、同步的方式被智能合约调用获取。预言机网络本身的安全性和可用性。隐私保护密码学的研究推动了隐私领域的创新。隐私研究主要涉及零知识、多方计算、全同态加密等领域。多方计算 MPC 允许一组人基于他们的输入进行联合计算,而不需要每个人显示其输入值。 例如,Alice 和 Bob 想要知道谁拥有的比特币更多,那么在不需要他们披露自己拥有多少比特币的情况下就能达到这个目的。遗憾的是,目前多方计算的局限性在于它在实践使用效率极低。全同态加密 (Fully homomorphic encryption) 则允许人们在加密的数据上计算。几十年来,这一直是密码学领域一个未解决的问题,直到 2009 年,斯坦福大学博士生克雷格·詹特利 Craig Gentry 使用「理想格」构建了第一个全同态加密方案。如果 Bob 想在 Alice 的数据上执行任意计算,比如训练机器学习模型,同时不必要求 Alice 显示明文数据,理想格加密方案就能派上用场。全同态加密和多方计算一样,目前仍然基本上停留在理论阶段,在实践的使用效率太低。 
     区块链起源于比特币,2008年11月1日,一位自称本聪(Satoshi Nakamoto)的人发表了《比特币:一种的电子现金系统》一文 [4]  ,阐述了基于P2P网络技术、加密技术、时间戳技术、区块链技术等的电子现金系统的构架理念,这标志着比特币的诞生。两个月后理论步入实践,2009年1月3日第一个序号为0的创世区块诞生。几天后2009年1月9日出现序号为1的区块,并与序号为0的创世区块相连接形成了链,标志着区块链的诞生 [5]  。 近年来,世界对比特币的态度起起落落,但作为比特币底层技术之一的区块链技术日益受到重视。在比特币形成过程,区块是一个一个存储单元,记录了一定时间内各个区块全部的交流信息。各个区块之间通过随机散列(也称哈希算法)实现链接,后一个区块包含前一个区块的哈希值,随着信息交流的扩大,一个区块与一个区块相继接续,形成的结果就叫区块链。 什么是区块链?从科技层面来看,区块链涉及数学、密码学、互联网和计算机编程等很多科学技术问题。从应用视角来看,简单来说,区块链是一个分布式的共享账本和数据库,具有去心化、不可篡改、全程留痕、可以追溯、集体维护、公开透明等特。这些特保证了区块链的“诚实”与“透明”,为区块链创造信任奠定基础。而区块链丰富的应用场景,基本上都基于区块链能够解决信息不对称问题,实现多个主体之间的协作信任与一致行动 [7]  。 区块链是分布式数据存储传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),是比特币的一个重要概念,它本质上是一个心化的数据库,同时作为比特币的底层技术,是一串使用密码学方法相关联产生的数据块,每一个数据块包含了一批次比特币网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块 [8]  。 比特币白皮书英文原版 [4]  其实并未出现 blockchain 一词,而是使用的 chain of blocks。most早的比特币白皮书文翻译版 [9]  ,将 chain of blocks 翻译成了区块链。这是“区块链”这一文词most早的出现时间。 国家互联网信息办公室2019年1月10日发布《区块链信息服务管理规定》,自2019年2月15日起施行 [1]  。 作为核心技术自主创新的重要突破口,区块链的安全风险问题被视为当前制约行业健康发展的一大短板,频频发生的安全事件为业界敲响警钟。拥抱区块链,需要加快探索建立适应区块链技术机制的安全保障体系。 2008年由本聪第一次提出了区块链的概念 [4]  ,在随后的几年,区块链成为了电子货币比特币的核心组成部分:作为所有交易的公共账簿。通过利用网络和分布式时间戳服务器,区块链数据库能够进行自主管理。为比特币而发明的区块链使它成为第一个解决重复消费问题的数字货币。比特币的设计已经成为其他应用程序的灵感来源。 2014年,区块链2.0”成为一个关于去心化区块链数据库的术语。对这个第二代可编程区块链,经济学家们认为它是一种编程语言,可以允许用户写出更精密和智能的协议 [11]  。因此,当利润达到一定程度的时候,就能够从完成的货运订单或者共享证书的分红获得收益。区块链2.0技术跳过了交易和“价值交换担任金钱和信息仲裁的介机构”。它们被用来使人们远离全球化经济,使隐私得到保护,使人们“将掌握的信息兑换成货币”,并且有能力保证知识产权的所有者得到收益。第二代区块链技术使存储个人的“永久数字ID和形象”成为可能,并且对“潜在的社会财富分配”不平等提供解决方案 [12]  。 2016年1月20日,国人民银行数字货币研讨会宣布对数字货币研究取得阶段性成果。会议肯定了数字货币在降低传统货币发行等方面的价值,并表示央行在探索发行数字货币。国人民银行数字货币研讨会的表达大大增强了数字货币行业信心。这是继2013年12月5日央行五部委发布关于防范比特币风险的通知之后,第一次对数字货币表示明确的态度。 [13]  2016年12月20日,数字货币联盟——国FinTech数字货币联盟及FinTech研究院正式筹建 [14]  。 如今,比特币仍是数字货币的绝对主流,数字货币呈现了百花齐放的状态,常见的有bitcoin、litecoin、dogecoin、dashcoin,除了货币的应用之外,还有各种衍生应用,如以太坊Ethereum、Asch等底层应用开发平台以及NXT,SIA,比特股,MaidSafe,Ripple等行业应用。 公有区块链 公有区块链(Public Block Chains)是指:世界上任何个体或者团体都可以发送交易,且交易能够获得该区块链的有效确认,任何人都可以参与其共识过程。公有区块链是most早的区块链,也是应用most广泛的区块链,各大bitcoins系列的虚拟数字货币均基于公有区块链,世界上有且仅有一条该币种对应的区块链 [16]  。 联合(行业)区块链 行业区块链(Consortium Block Chains):由某个群体内部指定多个预选的为记账人,每个块的生成由所有的预选共同决定(预选参与共识过程),其他接入可以参与交易,但不过问记账过程(本质上还是托管记账,只是变成分布式记账,预选的多少,如何决定每个块的记账者成为该区块链的主要风险),其他任何人可以通过该区块链开放的API进行限定查询 [16]  。 私有区块链 私有区块链(Private Block Chains):仅仅使用区块链的总账技术进行记账,可以是一个公司,也可以是个人,独享该区块链的写入权限,本链与其他的分布存储方案没有太大区别。传统金融都是想实验尝试私有区块链,而公链的应用例如bitcoin已经工业化,私链的应用产品还在摸索当 [16]  。 去心化。区块链技术不依赖额外的第三方管理机构或硬件设施,没有心管制,除了自成一体的区块链本身,通过分布式核算和存储,各个实现了信息自我验证、传递和管理。去心化是区块链most突出most本质的特征 [17]  。 开放性。区块链技术基础是开源的,除了交易各方的私有信息被加密外,区块链的数据对所有人开放,任何人都可以通过公开的接口查询区块链数据和开发相关应用,因此整个系统信息高度透明 [17]  。 独立性。基于协商一致的规范和协议(类似比特币采用的哈希算法等各种数学算法),整个区块链系统不依赖其他第三方,所有能够在系统内自动安全地验证、交换数据,不需要任何人为的干预 [17]  。 安全性。只要不能掌控全部数据的51%,就无法肆意操控修改网络数据,这使区块链本身变得相对安全,避免了主观人为的数据变更 [17]  。 匿名性。除非有法律规范要求,单从技术上来讲,各区块的身份信息不需要公开或验证,信息传递可以匿名进行 架构模型 区块链基础架构模型 一般说来,区块链系统由数据层、网络层、共识层、激励层、合约层和应用层组成 [15]  。 其,数据层封装了底层数据区块以及相关的数据加密和时间戳等基础数据和基本算法;网络层则包括分布式组网机制、数据传播机制和数据验证机制等;共识层主要封装网络的各类共识算法;激励层将经济因素集成到区块链技术体系来,主要包括经济激励的发行机制和分配机制等;合约层主要封装各类脚本、算法和智能合约,是区块链可编程特性的基础;应用层则封装了区块链的各种应用场景和案例。该模型,基于时间戳的链式区块结构、分布的共识机制、基于共识算力的经济激励和灵活可编程的智能合约是区块链技术most具代表性的创新 [18]  。 核心技术 分布式账本 分布式账本指的是交易记账由分布在不同地方的多个共同完成,而且每一个记录的是完整的账目,因此它们都可以参与监督交易合法性,同时也可以共同为其作证 [19]  。 跟传统的分布存储有所不同,区块链的分布存储的独特性主要体现在两个方面:一是区块链每个都按照块链式结构存储完整的数据,传统分布存储一般是将数据按照一定的规则分成多份进行存储。二是区块链每个存储都是独立的、地位等同的,依靠共识机制保证存储的一致性,而传统分布存储一般是通过往其他备份同步数据。没有任何一个可以单独记录账本数据,从而避免了单一记账人被控制或者被贿赂而记假账的可能性。也由记账足够多,理论上讲除非所有的被破坏,否则账目就不会丢失,从而保证了账目数据的安全性 [19]  。 非对称加密 存储在区块链上的交易信息是公开的,但是账户身份信息是高度加密的,只有在数据拥有者授权的情况下才能访问到,从而保证了数据的安全和个人的隐私 [20]  。 共识机制 共识机制就是所有记账之间怎么达成共识,去认定一个记录的有效性,这既是认定的手段,也是防止篡改的手段。区块链提出了四种不同的共识机制,适用于不同的应用场景,在效率和安全性之间取得平衡 [20]  。 区块链的共识机制具备“少数服从多数”以及“人人平等”的特,其“少数服从多数”并不完全指个数,也可以是计算能力、股权数或者其他的计算机可以比较的特征量。“人人平等”是当满足条件时,所有都有权优先提出共识结果、直接被其他认同后并most后有可能成为most终共识结果。以比特币为例,采用的是工作量证明,只有在控制了全网超过51%的记账的情况下,才有可能伪造出一条不存在的记录。当加入区块链的足够多的时候,这基本上不可能,从而杜绝了造假的可能 [20]  。 智能合约 智能合约是基于这些可信的不可篡改的数据,可以自动化的执行一些预先定义好的规则和条款。以保险为例,如果说每个人的信息(包括医疗信息和风险发生的信息)都是真实可信的,那就很容易的在一些标准化的保险产品,去进行自动化的理赔。在保险公司的日常业务,虽然交易不像银行和证券行业那样频繁,但是对可信数据的依赖是有增无减。因此,笔者认为利用区块链技术,从数据管理的角度切入,能够有效地帮助保险公司提高风险管理能力。具体来讲主要分投保人风险管理和保险公司的风险监督 [20]  。 应用 金融领域 区块链在国际汇兑、信用证、股权登记和证券交易所等金融领域有着潜在的巨大应用价值。将区块链技术应用在金融行业,能够省去第三方介环节,实现的直接对接,从而在大大降低成本的同时,快速完成交易支付 [21]  。 比如Visa推出基于区块链技术的 Visa B2B Connect,它能为机构提供一种费用更低、更快速和安全的跨境支付方式来处理全球范围的企业对企业的交易。要知道传统的跨境支付需要等3-5天,并为此支付1-3%的交易费用。Visa 还联合 Coinbase 推出了首张比特币借记卡,花旗银行则在区块链上测试运行加密货币“花旗币” [21]  。 物联网和物流领域 区块链在物联网和物流领域也可以天然结合。通过区块链可以降低物流成本,追溯物品的生产和运送过程,并且提高供应链管理的效率。该领域被认为是区块链一个很有前景的应用方向 [22]  。 区块链通过结连接的散状网络分层结构,能够在整个网络实现信息的全面传递,并能够检验信息的准确程度。这种特性一 定程度上提高了物联网交易的便利性和智能化。区块链+大数据的解决方案就利用了大数据的自动筛选过滤模式,在区块链建立信用资源,可双重提高交易的安全性,并提高物联网交易便利程度。为智能物流模式应用节约时间成本。区块链结具有十分自由的进出能力,可独立的参与或离开区块链体系,不对整个区块链体系有任何干扰。区块链 +大数据解决方案就利用了大数据的整合能力,促使物联网基础用户拓展更具有方向性,便于在智能物流的分散用户之间实现用户拓展 [22]  。 公共服务领域 区块链在公共管理、能源、交通等领域都与民众的生产生活息息相关,但是这些领域的心化特质也带来了一些问题,可以用区块链来改造。区块链提供的去心化的完全分布式DNS服务通过网络各个之间的数据传输服务就能实现域名的查询和解析,可用于确保某个重要的基础设施的操作系统和固件没有被篡改,可以监控软件的状态和完整性,发现不良的篡改,并确保使用了物联网技术的系统所传输的数据没用经过篡改 [23]  。 数字版权领域 通过区块链技术,可以对作品进行鉴权,证明文字、视频、音频等作品的存在,保证权属的真实、唯一性。作品在区块链上被确权后,后续交易都会进行实时记录,实现数字版权全生命周期管理,也可作为司法取证的技术性保障。例如,美国纽约一家创业公司Mine Labs开发了一个基于区块链的元数据协议,这个名为Mediachain的系统利用IPFS文件系统,实现数字作品版权保护,主要是面向数字图片的版权保护应用 [24]  。 保险领域 在保险理赔方面,保险机构负责资金归集、投资、理赔,往往管理和运营成本较高。通过智能合约的应用,既无需投保人申请,也无需保险公司批准,只要触发理赔条件,实现保单自动理赔。一个典型的应用案例就是LenderBot, 是 2016 年由区块链企业 Stratumn、德勤与支付服务商 Lemonway 合作推出,它允许人们通过 Facebook Messenger 的聊天功能,注册定制化的微保险产品, 为个人之间交换的高价值物品进行投保,而区块链在贷款合同代替了第三方角色 [25]  。 公益领域 区块链上存储的数据,高可靠且不可篡改,天然适合用在社会公益场景。公益流程的相关信息,如捐赠项目、募集明细、资金流向、受助人反馈等,均可以存放于区块链上,并且有条件地进行透明公开公示,方便社会监督 [26]  。 面临的挑战 从实践进展来看,区块链技术在商业银行的应用大部分仍在构想和测试之,距离在生活、生产的运用还有很长的路,而要获得监管部门和市场的认可也面临不少困难,主要有: (一)受到现行观念、制度、法律制约。区块链去心化、自我管理、集体维护的特性颠覆了人们生产生活方式,淡化了国家、监管概念,冲击了现行法律安排。对于这些,整个世界完全缺少理论准备和制度探讨。即使是区块链应用most成熟的比特币,不同国家持有态度也不相同,不可避免阻碍了区块链技术的应用与发展。解决这类问题,显然还有很长的路要走 [27]  。 (二)在技术层面,区块链尚需突破性进展。区块链应用尚在实验室初创开发阶段,没有直观可用的成熟产品。比之于互联网技术,人们可以用浏览器、APP等具体应用程序,实现信息的浏览、传递、交换和应用,但区块链明显缺乏这类突破性的应用程序,面临高技术门槛障碍。再比如,区块容量问题,由于区块链需要承载复制之前产生的全部信息,下一个区块信息量要大于之前区块信息量,这样传递下去,区块写入信息会无线增大,带来的信息存储、验证、容量问题有待解决 [27]  。 (三)竞争性技术挑战。虽然有很多人看好区块链技术,但也要看到推动人类发展的技术有很多种,哪种技术更方便更高效,人们就会应用该技术。比如,如果在通信领域应用区块链技术,通过发信息的方式是每次发给全网的所有人,但是只有那个有私钥的人才能解密打开信件,这样信息传递的安全性会大大增加。同样,量子技术也可以做到,量子通信——利用量子纠缠效应进行信息传递——同样具有高效安全的特,近年来更是取得了不小的进展,这对于区块链技术来说,就具有很强的竞争优势。 
go实战微服务分布式系统(distributed system)是建立在网络之上的软件系统。正是因为软件的特性,所以分布式系统具有高度的内聚性和透明性。因此,网络和分布式系统之间的区别更多的在于高层软件(特别是操作系统),而不是硬件。在一个分布式系统,一组独立的计算机展现给用户的是一个统一的整体,就好像是一个系统似的。系统拥有多种通用的物理和逻辑资源,可以动态的分配任务,分散的物理和逻辑资源通过计算机网络实现信息交换。系统存在一个以全局的方式管理计算机资源的分布式操作系统。通常,对用户来说,分布式系统只有一个模型或范型。在操作系统之上有一层软件间件(middleware)负责实现这个模型。一个著名的分布式系统的例子是万维网(World Wide Web),在万维网,所有的一切看起来就好像是一个文档(Web页面)一样。 [1] 在计算机网络,这种统一性、模型以及其的软件都不存在。用户看到的是实际的机器,计算机网络并没有使这些机器看起来是统一的。如果这些机器有不同的硬件或者不同的操作系统,那么,这些差异对于用户来说都是完全可见的。如果一个用户希望在一台远程机器上运行一个程序,那么,他必须登陆到远程机器上,然后在那台机器上运行该程序。 [1] 分布式系统和计算机网络系统的共同是:多数分布式系统是建立在计算机网络之上的,所以分布式系统与计算机网络在物理结构上是基本相同的。 [1] 他们的区别在于:分布式操作系统的设计思想和网络操作系统是不同的,这决定了他们在结构、工作方式和功能上也不同。网络操作系统要求网络用户在使用网络资源时首先必须了解网络资源,网络用户必须知道网络各个计算机的功能与配置、软件资源、网络文件结构等情况,在网络如果用户要读一个共享文件时,用户必须知道这个文件放在哪一台计算机的哪一个目录下;分布式操作系统是以全局方式管理系统资源的,它可以为用户任意调度网络资源,并且调度过程是“透明”的。当用户提交一个作业时,分布式操作系统能够根据需要在系统选择最合适的处理器,将用户的作业提交到该处理程序,在处理器完成作业后,将结果传给用户。在这个过程,用户并不会意识到有多个处理器的存在,这个系统就像是一个处理器一样。 [1] 内聚性是指每一个数据库分布高度自治,有本地的数据库管理系统。透明性是指每一个数据库分布对用户的应用来说都是透明的,看不出是本地还是远程。在分布式数据库系统,用户感觉不到数据是分布的,即用户不须知道关系是否分割、有无副本、数据存于哪个站以及事务在哪个站上执行等。  什么是微服务?维基上对其定义为:一种软件开发技术- 面向服务的体系结构(SOA)架构样式的一种变体,将应用程序构造为一组松散耦合的服务。在微服务体系结构,服务是细粒度的,协议是轻量级的。微服务(或微服务架构)是一种云原生架构方法,其单个应用程序由许多松散耦合且可独立部署的较小组件或服务组成。这些服务通常● 有自己的堆栈,包括数据库和数据模型;● 通过REST API,事件流和消息代理的组合相互通信;● 和它们是按业务能力组织的,分隔服务的线通常称为有界上下文。尽管有关微服务的许多讨论都围绕体系结构定义和特征展开,但它们的价值可以通过相当简单的业务和组织收益更普遍地理解:● 可以更轻松地更新代码。● 团队可以为不同的组件使用不同的堆栈。● 组件可以彼此独立地进行缩放,从而减少了因必须缩放整个应用程序而产生的浪费和成本,因为单个功能可能面临过多的负载。 

3,881

社区成员

发帖
与我相关
我的任务
社区描述
C/C++ 其它技术问题
社区管理员
  • 其它技术问题社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧