以太坊

news/2026/1/18 17:46:43/文章来源:https://www.cnblogs.com/myxa/p/19498840

以太坊被称为 “世界计算机”,核心是它突破了比特币仅能处理简单价值转移的局限,靠去中心化架构、图灵完备的智能合约等技术,构建了一个全球可访问、能承载复杂计算与多样化应用的分布式计算平台。下面以计算机五层结构拆解分析

五层结构

硬件层

核心作用:为整个以太坊网络提供物理硬件支持,是 “世界计算机” 的 “硬件主机”
组成部分:全球范围内参与以太坊网络的节点设备,包括个人电脑、服务器、专业矿机(合并后以验证节点设备为主)等
关键特点:去中心化分布,无单一控制中心,节点越多,网络安全性、稳定性越强,确保 “世界计算机” 持续运行不宕机

内核层(操作系统层)

核心作用: 在这些不可信硬件上,实现“一个统一的状态机 + 资源调度”
核心功能:pos权益证明机制,gas机制

  1. 把所有节点连成一个 P2P 网络(网络子系统)
  2. 在节点之间达成“谁的区块算数”的共识(共识子系统)
  3. 控制“谁先来打包交易谁来验证交易、每个区块能装多少东西”(调度/调度器)
  4. 控制“每个操作要花多少资源 / 钱”(资源管理:Gas & Fee Market)
  5. 把“执行层(EVM)”的状态转移结果纳入全局(状态机转移接口)

pos权益证明机制

当前共识机制:权益证明(PoS),取代原有的工作量证明(PoW)
原理:节点通过质押一定数量的 ETH 成为验证者,按规则打包交易、生成区块,合规则验证者获得奖励,违规者将被惩罚(扣除质押的 ETH)
优势:降低能源消耗,提升网络效率,同时通过 “质押成本” 保障节点诚实性

gas

  1. 资源计量与成本化
    所有 EVM 操作(opcode)都有固定 gas 消耗,gas 用于精确计量“计算量 + 存储 + 带宽”。
    通过让执行成本显式化,确保链上资源稀缺可定价。
  2. 防止 DoS 与无限计算
    交易必须预付 gas,执行过程中 gas 用尽会被中止。
    这使得任何无限循环、恶意大计算、垃圾交易都无法无成本消耗网络资源。
  3. 交易排序与拥堵调节(Fee Market)
    Gas price/priority fee 作为经济信号,在拥堵情况下让用户竞争区块空间。
    节点根据费用从高到低选择交易,实现市场化调度。

总结:
Gas = 区块链的资源管理系统,负责计量成本、防 DoS、调节交易优先级,是以太坊作为“世界计算机”能稳定运行的关键内核机制。

处理层(以太坊虚拟机EVM,全球同步的软件CPU)

EVM 是以太坊上的 虚拟 CPU + 沙箱执行环境,专门用来运行智能合约。它执行 bytecode,确保所有节点执行结果一致(确定性)。

EVM 的执行模型(Execution Model)

EVM 执行一笔交易主要包含以下步骤:

  1. 加载交易
    交易包含 to、value、data,用作智能合约调用的入口。

  2. 初始化执行上下文
    包含:

  • 程序计数器 PC
  • 栈(stack)
  • 内存(memory)
  • 存储(storage)
  • gas(燃料配额)
  1. 逐条执行 opcode
    EVM 执行汇编级操作,包括算术、控制流、调用、存储、日志等。

  2. gas 用尽则 revert
    执行中 gas 不够,会回滚所有状态修改,但已消耗的 gas 不退还。


EVM 的内存结构(Stack/Memory/Storage)

栈(Stack)

  • LIFO 栈
  • 最大深度 1024
  • 所有 opcode 参数都来自栈顶

内存(Memory)

  • 执行期间的临时数据区
  • 线性扩展,执行结束即清空

存储(Storage)

  • 合约的持久化状态
  • 写入非常贵(类似写磁盘)

合约间调用(CALL / DELEGATECALL)

CALL

  • 新建一个独立的执行上下文
  • 自己用自己的 storage
  • 能转 ETH

DELEGATECALL

  • 使用 被调用合约的代码
  • 使用 调用者的 storage(非常危险)
  • 是代理合约与许多漏洞的源头

(类比:把别人的函数在你的进程里执行,并用你的全局变量)


Solidity → EVM 的编译流程

  1. Solidity 源码
  2. 编译为 Yul(中间 IR)
  3. 编译为 EVM bytecode
  4. 部署到链上
  5. 由 EVM 逐条执行指令

(类比:C → LLVM IR → 汇编 → 机器码 → CPU)


EVM 的局限性

  • 是纯栈机(无寄存器)
  • 无浮点数
  • 内存只增大不缩小
  • CALL 返回值要手动检查
  • DELEGATECALL 容易被利用
  • 无线程和并发

扩展层(Layer2)

为什么需要 Layer2

  1. 以太坊 L1 吞吐量极低(~15 TPS)
    所有节点必须重复执行所有交易,无法提升执行能力。
  2. Gas 昂贵、链易拥堵
    大量应用(DeFi、NFT、游戏)无法在 L1 承担高成本。

Layer2 是构建在以太坊 L1 之上的扩展执行环境,目标是:

  1. 提高吞吐量(TPS)
  2. 降低交易成本(Gas)
  3. 保持以太坊主链安全性(最终性与数据可用性)

核心思想:

执行在 Layer2,安全在 Layer1。

L2 将大量计算从 L1 挪到链外,但最终结果仍必须通过 L1 验证或结算。

两大主流路线

Optimistic Rollup(以“欺诈证明”生效)

代表:Optimism、Arbitrum

执行流程:

  1. L2 执行所有交易(EVM 等价)
  2. 将交易数据或状态根批量上报至 L1
  3. 假设(optimistic)结果是正确的
  4. 有“挑战窗口”(如 7 天)
  5. 若有人质疑 → 执行 fraud proof,即验证器在 L1 上重放某段执行来检查是否造假

特点:

指标 特性
安全性 基于争议解决机制 + 挑战者经济激励
延迟 有挑战窗口(通常几天)
兼容性 原生 EVM(Arbitrum Stylus 扩展 WebAssembly)
成本 较低
3.2 ZK Rollup(以“有效性证明”生效)

代表:zkSync、StarkNet、Scroll、Polygon zkEVM

核心思路:L1 只需要一次“Verify(proof)”即可确认状态合法。

  • L2 执行交易
  • 构造零知识证明(ZKP)
  • L1 仅需验证证明(快速、成本低)而无需重放执行

特点:

指标 特性
安全性 密码学强保证,无需挑战窗口
延迟 无需等待,可快速 finality
计算成本 生成证明耗时高(链下重计算)
兼容性 zkEVM 系列努力做到与 EVM 字节码等价

ZK 的显著优势:

  • 抗攻击性强:结果“数学上正确”,攻击者无法注入错误状态
  • 低延迟转账和提现

应用层

核心作用:基于以太坊底层技术开发的各类实际应用,是 “世界计算机” 的 “软件应用程序”,直接面向用户提供服务
常见应用类型:
去中心化金融(DeFi):如借贷平台(Aave)、去中心化交易所(Uniswap)
非同质化代币(NFT):如数字艺术品交易(OpenSea)、NFT 游戏
去中心化应用(DApp):如社交应用、供应链溯源应用等
核心特点:依托底层四层结构的安全性与去中心化特性,无需依赖中心化机构即可运行,用户对自身数据与资产拥有更高控制权

DApp

1. 核心定义:什么是 dApp?

dApp = 链上智能合约(后端) + 链下用户界面(前端)

它不像传统 App 那样把后端代码跑在阿里云或 AWS 的中心化服务器上,而是把核心逻辑(资金处理、业务规则)部署在以太坊区块链上。

• dApp 的后端代码 (智能合约)运行在以太坊主网或其 Rollup (二层网 络)之上的 EVM 中,由全网节点共同执行和记录;
• dApp 的前端可以用任意 Web / App 技术编写,既可以放在传统服务器 上,也可以托管在 IPFS、Arweave 等去中心化存储上。

2. 架构对比:Web2 vs Web3

  • 传统 App (Web2)

    • 后端:中心化服务器(可随时关机、随时由管理员修改数据)。

    • 信任模型:信任“公司”不作恶。

  • dApp (Web3)

    • 后端:智能合约(运行在去中心化的 EVM 节点网络中)。

    • 数据:存储在公开透明的区块链上。

    • 信任模型:信任“代码”和“共识规则”(Code is Law)。

3. dApp 的关键特性(双刃剑)

  • 零停机时间 (Zero Downtime):没有“总机房”,只要以太坊网络还在,后端就永远在线。

  • 抗审查 (Censorship Resistance):没有单一机构能按下“删除键”或阻止特定用户交互。

  • 代码不可篡改 (Immutability):这是最大的特性,也是最大的挑战。合约一旦部署,逻辑通常就无法直接修改(除非预留了代理升级模式)。

Chainlink 是一个去中心化预言机网络(Decentralized Oracle Network, DON),其主要作用是:

为区块链上的智能合约提供真实世界的数据。

区块链本身无法主动访问外部世界(互联网、API、价格数据、天气等),所以预言机负责“喂数据”。


🧃 为什么需要预言机?

区块链的特点是确定性和封闭性,这意味着:

  • 智能合约 不能主动访问 HTTP API
  • 智能合约 不能直接获取价格信息
  • 智能合约 不能获取现实世界的事件(如比分、天气、随机数)

然而,大多数 DeFi 或关联现实的应用都需要外部信息,比如:

应用 需要的数据
DeFi(借贷、交易所) ETH/USD, BTC/ETH 等实时价格
NFTs 随机数(公平抽奖、盲盒)
保险合约 天气、温度、灾害数据
游戏 公平随机数、链下状态信息

Chainlink 就是解决连接链上与现实世界的桥梁。


由独立运营者运行,用来:

  • 拉取外部 API 数据
  • 签名并上传到链上
  • 确保数据透明、可信任

这些节点是去中心化的,不由单一机构控制。

2. 数据聚合(Data Aggregation)

Chainlink 会从 多个数据源多个节点 采集数据,然后进行:

  • 去异常值
  • 加权平均
  • 可信度校验

最终得到一个可信的数据喂给智能合约。

例如 ETH/USD 价格:

Node 1 → 2987.12
Node 2 → 2987.15
Node 3 → 2986.99
...
Chainlink Aggregator → 2987.10

这比单一 API 更安全可靠。


最常用的模块,直接在 DeFi 中使用。

例:获取 ETH/USD 价格:

AggregatorV3Interface priceFeed;function getLatestPrice() public view returns (int) {(,int price,,,) = priceFeed.latestRoundData();return price;
}

Chainlink 价格喂价已经被应用于:

  • Aave
  • Compound
  • Synthetix
  • dYdX
  • Uniswap
  • ...等上百个 DeFi 协议

4. VRF(Verifiable Random Function)可验证随机数

提供安全、不可操控、可验证的随机数

用途:

  • 游戏抽奖
  • NFT 盲盒
  • 随机掉落
  • 公平彩票

智能合约示例:

requestRandomWords();

5. Automation(原 Keepers)自动化执行

让智能合约能:

  • 定时任务
  • 条件触发
  • 自动执行逻辑

例如:每 24 小时自动执行一次操作。


6. Cross-Chain(CCIP)跨链通信

Chainlink 可作为可信的跨链通信系统,让资产与消息跨多链运行。

以获取 ETH/USD 价格为例:

  1. 智能合约请求价格数据
  2. Chainlink 去中心化节点从多个 API 收集数据
  3. Chainlink 聚合器合并这些数据
  4. 聚合结果写入链上
  5. 用户合约通过接口读取该数据

整个过程去中心化、可验证、安全。


pragma solidity ^0.8.7;import "@chainlink/contracts/src/v0.8/interfaces/AggregatorV3Interface.sol";contract ETHPrice {AggregatorV3Interface internal priceFeed;constructor() {priceFeed = AggregatorV3Interface(0x... // 具体链上的 ETH/USD 预言机地址);}function getPrice() public view returns (int) {(,int price,,,) = priceFeed.latestRoundData();return price; // 单位:8 位小数}
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1178932.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

工商银行app很多bug ,u盾必须现场解除才能提取额度,手机上传社保卡无法识别,建议更新

工商银行app很多bug ,u盾必须现场解除才能提取额度,手机上传社保卡无法识别,建议更新

PostgreSQL实战:详细讲述UUID主键,以及如何生成无热点的分布式主键

文章目录一、分布式主键概述1.1 传统自增主键的局限性1.2 分布式主键的核心要求1.3 各方案综合对比1.4 常见误区澄清二、PostgreSQL 中 UUID 基础使用2.1 启用 UUID 支持2.2 UUID 数据类型2.3 生成 UUID 的方法三、UUIDv4 作为主键的性能陷阱:写入热点与索引碎片3.1…

YOLOv13检测效果不理想?手把手教你引入注意力机制快速提精度

文章目录 @[toc] 深度解析与实践:在YOLOv13中集成注意力机制 引言:YOLOv13与深度学习的焦点 第一章:理解注意力机制——为什么以及是什么? 1.1 为什么目标检测需要注意力机制? 1.2 注意力机制的分类与基本原理 第二章:精选注意力模块的原理与实现 2.1 模块一:Squeeze-an…

YOLOv8融合HAttention深度解析:激活像素级注意力的新范式

文章目录 《YOLOv8融合HAttention:激活更多像素的注意力机制科研实践指南》 一、为什么HAttention是像素激活的“密钥”? 二、HAttention的原理深度解析 1. 核心设计:层级化像素激活与融合 2. 与传统注意力机制的对比 三、HAttention的代码实现与YOLOv8集成 1. HAttention核…

基于深度学习的苹果新鲜度检测系统(YOLOv10+YOLO数据集+UI界面+模型)

一、项目介绍 YOLOv10苹果检测系统 是一个基于YOLOv10(You Only Look Once version 10)目标检测算法的智能系统,专门用于检测和分类苹果的状态。该系统能够自动识别苹果并将其分类为两类:apple(正常苹果) 和…

2026年国内做得好的离婚律师机构找哪家,北京继承律师哪个好/离婚纠纷律师/北京丰台离婚律师,离婚律师机构推荐榜单 - 品牌推荐师

随着社会观念的演进与家庭结构的多元化,离婚法律服务市场正经历着深刻变革。当事人不再仅仅满足于程序性的诉讼代理,而是对法律服务的专业性、情感支持、隐私保护及财产分割方案的精细化提出了更高要求。尤其在资产构…

多模态大模型架构深度解析:模块化vs原生架构工作原理全解析

文章详细介绍了多模态大模型的两种架构:模块化架构(需连接器转译图像)和原生架构(共享底层逻辑)。解释了图像Token化的原理,对比了两种架构的工作流程、训练阶段和应用场景,指出多模态大模型的终极目标是消除模态间的"翻译感"&…

编写一个Buildroot 内核驱动

编写一个Buildroot 内核驱动PS:内核驱动只能在/kernel/drivers/目录下Makefile文件的编写主要注意Makefile文件的编写(路径,包含) 在该路径下先新建一个用户内核驱动文件夹,用于存放用户编写的驱动 user_rk3566_-k…

基于深度学习的冰箱内食物检测系统(YOLOv10+YOLO数据集+UI界面+模型)

一、项目介绍 YOLOv10冰箱内部成分检测系统 是一个基于YOLOv10(You Only Look Once version 10)目标检测算法的智能系统,专门用于检测和识别冰箱内部的多种食物成分。该系统能够自动识别冰箱中的30种常见食物,包括水果、蔬菜、肉…

AI产品经理思维框架:从技术小白到商业落地的实战指南

文章提出了AI产品经理必备的六大思维能力框架:技术理解力、场景洞察力、数据思维、体验设计力、商业思维和伦理风险意识。强调AI产品经理不仅需要了解AI技术,更需要找到技术与商业的平衡点,将AI技术转化为解决用户问题、创造商业价值的产品。…

大模型技术全景图:从理论到应用,一篇全掌握!建议收藏

本文系统梳理了大模型技术框架,从神经网络基础到实际应用。大模型通过预训练实现智能,但存在知识更新慢和领域适应性差的问题,可通过RAG技术、微调和提示词工程解决。智能体Agent将大模型与外部工具结合实现复杂任务处理。学习大模型需系统性…

基于深度学习的苹果腐烂检测系统(YOLOv10+YOLO数据集+UI界面+模型)

一、项目介绍 基于深度学习的苹果腐烂检测系统 是一个专注于检测苹果腐烂状态的智能系统,采用先进的深度学习技术(如YOLOv10或其他目标检测算法)实现高精度检测。该系统能够自动识别并定位腐烂的苹果(damaged_apple)&a…

课程论文别再凑字数!宏智树 AI 教你高效写出高分范文

作为深耕论文写作科普的教育博主,后台每天都能收到大学生的吐槽:“课程论文到底怎么写?凑够字数就被导师批没逻辑”“找文献花三天,写论文两小时,结果分数惨不忍睹”“格式改了八遍,还是不符合学术规范”。…

哈希表解决两数之和

核心代码如下: class Solution { public: vector twoSum(vector& nums, int target) { unordered_map<int, int> hashTable; for (int i = 0; i < nums.size(); ++i) { //先查询哈希表中是否存在 目标差…

传统产品经理转型AI PM的完整指南,非常详细收藏我这一篇就够了

传统产品经理转型AI PM指南&#xff1a;强调理解AI能力而非编写代码。文章从认知重塑、技能树重构到实战路径三方面展开&#xff0c;通过小红书文案生成器案例&#xff0c;展示从基础Prompt到Few-Shot和RAG思维的进阶过程&#xff0c;提供低代码构建Demo方法&#xff0c;帮助快…

还在手动拼问卷?宏智树 AI:一键搞定实证研究的 “黄金调研工具”

作为深耕论文写作科普的教育博主&#xff0c;后台每天都被粉丝的问卷难题刷屏&#xff1a;“翻遍文献凑量表&#xff0c;设计的问卷却被导师说‘逻辑不通’”“回收的问卷数据一半无效&#xff0c;根本没法用于分析”“好不容易做完调研&#xff0c;却不知道怎么把数据转化为论…

基于深度学习的树上苹果检测系统(YOLOv10+YOLO数据集+UI界面+模型)

一、项目介绍 YOLOv10树上苹果检测系统 是一个基于YOLOv10&#xff08;You Only Look Once version 10&#xff09;目标检测算法的智能系统&#xff0c;专门用于检测树上的苹果。该系统能够自动识别并定位树上的苹果&#xff08;Apples&#xff09;&#xff0c;适用于果园管理、…

基于深度学习的奶牛行为检测系统(YOLOv10+YOLO数据集+UI界面+模型)

一、项目介绍 YOLOv10奶牛行为检测系统 是一个基于YOLOv10&#xff08;You Only Look Once version 10&#xff09;目标检测算法的智能系统&#xff0c;专门用于检测奶牛的行为状态。该系统能够自动识别并分类奶牛的三种主要行为&#xff1a;站立、行走 和 卧倒。通过该系统&a…

数据不会说话?宏智树 AI:论文数据分析的 “智能翻译官”

手握几百份问卷数据、一堆实验记录&#xff0c;却不知道怎么挖掘价值&#xff1f;对着 SPSS、R 语言的教程一脸懵&#xff0c;好不容易算出结果&#xff0c;却写不出一句能支撑论文论点的分析&#xff1f;作为深耕论文写作科普的教育博主&#xff0c;后台收到最多的求助&#x…

DeepSeek V4 vs Kimi K3:国产AI大模型技术对决,谁将引领春节前的新爆发?

文章深度对比了中国两大AI大模型DeepSeek和Kimi即将推出的V4和K3版本。DeepSeek通过Engram技术优化模型架构&#xff0c;将75%资源用于推理&#xff0c;25%用于记忆&#xff0c;显著提升效率&#xff1b;Kimi则采用Kimi Linear架构挑战Transformer计算瓶颈。DeepSeek在编程和性…