哈希派矿机

① 比特币挖机如何挖到比特币

一、挖矿原理

最初的时候，我们用电脑CPU就可以挖到比特币，比特币的创始人中本聪就是用他的电脑CPU挖出了世界上第一个创世区块。然而，CPU挖矿的时代早已过去，现在的比特币挖矿是ASIC挖矿和大规模集群挖矿的时代。

回顾挖矿历史，比特币挖矿总共经历了以下五个时代：

CPU挖矿→GPU挖矿→FPGA挖矿→ASIC挖矿→大规模集群挖矿

挖矿芯片更新换代的同时，带来的挖矿速度的变化是：

CPU（20MHash/s）→GPU（400MHash/s）→FPGA（25GHash/s）→ASIC（3.5THash/s）→大规模集群挖矿（3.5THash/s*X）

挖矿速度，专业的说法叫算力，就是计算机每秒产生hash碰撞的能力。也就是说，我们手里的矿机每秒能做多少次hash碰撞，就是算力。算力就是挖比特币的能力，算力越高，挖得比特币越多，回报越高。

在比特币的世界里，大约每10分钟会记录一个数据块。所有的挖矿计算机都在尝试打包这个数据块提交，而最终成功生成这个数据块的人，就可以得到一笔比特币报酬。最初，大约每10分钟就可以产生50个比特币的比特币报酬。但是该报酬每4年减半，现在每10分钟比特币网络就可以产生25个比特币。

而要成功生成数据块，就需要矿工需要找到那个有效的哈希值，而要得到正确的哈希值，没有捷径可以走，只能靠猜，猜的过程就是计算机随机hash碰撞的过程，猜中了，你就得到了比特币。

二、挖矿方法

1、挖矿方式：从一台矿机到大规模矿场

如果你开始尝试挖矿，你需要准备一台矿机、一台能联网的电脑、一个AUC、一个树莓派、电源及各种连接线等。各种设备的连接顺序为网线->树莓派->MicroUSB线->AUC->4PIN连接线->矿机和电源。

图3：矿场图（成千上万台矿机规模）

如今，抱一台矿机回家或者部署一个家庭小作坊挖矿（几十台矿机）的中小旷工盈利空间非常有限，挖矿行业也正逐渐向有廉价电资源、有专业化部署能力的企业和团队集中。

影响挖矿收益的因素有很多，比如矿机的性能和功耗、全网的算力和难度、矿场的部署和运维能力、有没有廉价电的资源、以及币价和政策的导向等等。目前优秀的矿企，他们拥有芯片研发的能力、大量的算力、专业的矿场部署和运营经验等，在未来，资源、算力会越来越向这些矿企集中。

2、矿池

除了上面的装备，你还需要一个必备的工具——矿池。矿池的作用是集合大量矿机算力，增大你得到比特币的几率，同时将你未来能得到的比特币收益提前平均分配到你的账户里。

简单的解释如下：现在比特币全网每10分钟产生一个区块，这个区块包含25个比特币。假设全球有1W人参与挖矿，那么在这10分钟内，只有1个幸运儿拿走了这25个比特币，其它人则颗粒无收。而矿池的原理是大家组队开采，并按约定的分配方式分配，使得矿工的比特币收益趋于稳定，减少矿工的风险。在此以最常用的PPS分配方式为例，假设你的算力是10T,而整个矿池的算力是100T，你的算力占矿池算力的1/10，假设矿池一天能产生10个比特币，那你每天就能拿到1个比特币。

3、云算力

在现实情况下，挖矿矿机常常供不应求，同时，矿机发货需要很长的等待期。矿机安装、调试、维护等流程非常复杂，需要耗费大量的精力，矿工们还要忍受矿机的噪音和热量。对矿工来说，最大的成本还不是这些，是挖矿所消耗的高昂的电费，中小矿工的盈利空间越来越小甚至为负。

三、挖矿收益与风险

挖矿收益可以通过以下公式来计算:

挖矿收益=产生的比特币*币价-矿机成本-电费-托管费

如果你只是一个小矿工，一般情况只要扣除矿机成本和电费即可。

挖矿风险如下：

• 比特币数量目前不足450万枚 用不增发

• 比特币币价波动，价格回调就会导致回本周期延长。

• 挖矿难度的提升 目前我们的机子是可以满足市场的需求

• 断电 断网的风险

② 一致性哈希 java实现 怎么映射到圆环上

一致性哈希提出了在动态变化的Cache环境中，哈希算法应该满足的4个适应条件：单调性是指如果已经有一些内容通过哈希分派到了相应的缓冲中，又有新的缓冲区加入到系统中，那么哈希的结果应能够保证原有已分配的内容可以被映射到新的缓冲区中去，而不会被映射到旧的缓冲集合中的其他缓冲区。（这段翻译信息有负面价值的，当缓冲区大小变化时一致性哈希(Consistenthashing)尽量保护已分配的内容不会被重新映射到新缓冲区。）简单的哈希算法往往不能满足单调性的要求，如最简单的线性哈希：x→ax+bmod(P)在上式中，P表示全部缓冲的大小。不难看出，当缓冲大小发生变化时(从P1到P2)，原来所有的哈希结果均会发生变化，从而不满足单调性的要求。哈希结果的变化意味着当缓冲空间发生变化时，所有的映射关系需要在系统内全部更新。而在P2P系统内，缓冲的变化等价于Peer加入或退出系统，这一情况在P2P系统中会频繁发生，因此会带来极大计算和传输负荷。单调性就是要求哈希算法能够应对这种情况。负载问题实际上是从另一个角度看待分散性问题。既然不同的终端可能将相同的内容映射到不同的缓冲区中，那么对于一个特定的缓冲区而言，也可能被不同的用户映射为不同的内容。与分散性一样，这种情况也是应当避免的，因此好的哈希算法应能够尽量降低缓冲的负荷。从表面上看，一致性哈希针对的是分布式缓冲的问题，但是如果将缓冲看作P2P系统中的Peer，将映射的内容看作各种共享的资源(数据，文件，媒体流等)，就会发现两者实际上是在描述同一问题。路由算法在一致性哈希算法中，每个节点(对应P2P系统中的Peer)都有随机分配的ID。在将内容映射到节点时，使用内容的关键字和节点的ID进行一致性哈希运算并获得键值。一致性哈希要求键值和节点ID处于同一值域。最简单的键值和ID可以是一维的，比如从0000到9999的整数集合。根据键值存储内容时，内容将被存储到具有与其键值最接近的ID的节点上。例如键值为1001的内容，系统中有ID为1000，1010，1100的节点，该内容将被映射到1000节点。为了构建查询所需的路由，一致性哈希要求每个节点存储其上行节点(ID值大于自身的节点中最小的)和下行节点(ID值小于自身的节点中最大的)的位置信息(IP地址)。当节点需要查找内容时，就可以根据内容的键值决定向上行或下行节点发起查询请求。收到查询请求的节点如果发现自己拥有被请求的目标，可以直接向发起查询请求的节点返回确认；如果发现不属于自身的范围，可以转发请求到自己的上行/下行节点。为了维护上述路由信息，在节点加入/退出系统时，相邻的节点必须及时更新路由信息。这就要求节点不仅存储直接相连的下行节点位置信息，还要知道一定深度(n跳)的间接下行节点信息，并且动态地维护节点列表。当节点退出系统时，它的上行节点将尝试直接连接到最近的下行节点，连接成功后，从新的下行节点获得下行节点列表并更新自身的节点列表。同样的，当新的节点加入到系统中时，首先根据自身的ID找到下行节点并获得下行节点列表，然后要求上行节点修改其下行节点列表，这样就恢复了路由关系。