京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19