挖掘我這個比特幣區塊為什么花了二十分鐘？_比特幣:PDF

一圖看懂

這聽起來耳熟嗎？

你剛做完一筆比特幣交易并且非常想看到它是否會出現在下一個區塊中。你預期比特幣的出塊時間是10分鐘。查詢比特幣節點的記錄，距離上一個區塊已經過去7分鐘。你想起比特幣區塊出快符合泊松過程，并且是無記憶性的。雖然上一個區塊產生后已過去7分鐘，你可能還需要再等待10分鐘。

又過去5分鐘。新的區塊依舊沒有出現。這期間你一直緊盯比特幣節點的記錄。距離上一個區塊已過去12分鐘。等待期間沒有發生任何改變。雖然又等了5分鐘，但數學理論告訴你，還需等待10分鐘下個區塊才會出現，因為泊松過程是無記憶的。

你繼續盯著比特幣節點的記錄，又過去了8分鐘，終于新的區塊出現了。你對自己說：“在等待自己的交易被確認時，總是需要20分鐘才能看到我的區塊被礦工挖出，我發誓這種情況經常在我身上發生”。

Riot Blockchain公司在4月份挖掘了206個比特幣:數據顯示，Riot Blockchain公司在4月份挖掘了206個比特幣。直至4月30日，Riot Blockchain公司共持有1771枚比特幣。行情顯示，Riot Blockchain公司盤前漲0.48%。（金十）[2021/5/10 21:45:09]

如果這個情況在你身上也發生過，那么你不是孤獨的。這種現象是真實存在的。

簡化假設，當比特幣算力是常數時，我們知道出塊的平均時間是10分鐘，并且挖礦過程可以用泊松過程建模。因為泊松過程是無記憶的，所以任何時候我們期望產生新區塊的時間是10分鐘。不論我們等了多長時間，這個期望值都不變。這種無記憶的特性對過去和將來都是適用的，也就是說，如果你隨機選擇一個時間點，那么之前區塊產生的平均時間是10分鐘之前。

聲音 | 平安銀行行長：金融科技需要充分挖掘區塊鏈等技術功能:金色財經報道，11月28日下午，深圳上市公司協會“與您攜手，共謀發展”會員圓桌會議（第七次會議）在深圳平安金融中心舉行。平安銀行行長胡躍飛表示，金融科技需要充分挖掘區塊鏈、大數據、云計算、人工智能等技術功能，讓更多的金融產品和服務更安全、更高效地為實體經濟賦能。[2019/11/29]

這一點很清楚，因為如果從泊松過程中抽取一系列事件作為樣本，然后再抽取第二個樣本，并反轉該系列事件的發生情況，那么這兩個樣本將無法區分。因此，通過對稱性我們可以知道，當你隨機選擇一個時間點，則發生下一個事件時間的期望值和過去事件已經發生時間的期望值是相等的。

動態 | 加密貨幣挖掘容易受到惡意軟件感染:據ibsintelligence消息，芬蘭技術供應商諾基亞的一份報告發現，惡意軟件感染的目標是加密貨幣挖掘。諾基亞發現，受惡意軟件感染的加密貨幣挖掘已經從擁有專門處理器的高端服務器擴展到相關物聯網設備，以及智能手機和網絡瀏覽器。[2018/12/5]

“等一下，你的意思是，如果我隨機選擇一個時間點，那么我們預計上一個區塊是在10分鐘前被挖出的，并且下一個區塊將會在10分鐘后被挖出。這不就意味著出塊時間總共是20分鐘嗎？”

非常正確，這正是我想說的。如果你隨機選擇一個時間點，那么前一個區塊和下一個區塊間的時間平均是20分鐘。

荷蘭實驗室利用人體收集到的能量挖掘虛擬貨幣:人類廢棄物研究所（IoHO）總部位于荷蘭，其創始人曼努埃爾·貝爾特蘭（ManuelBeltrán））設計了一個實驗，旨在通過使用人體產生的能源來挖掘數字資產。他們利用一種特殊的緊身衣褲，可以將人體熱量收集起來成為可持續能源。該實驗室最近的測試有37名工人參加，輪班大約212個小時，共收集了127.2瓦能量，挖掘了16,590 個vertcoin,，dash，ethereum,，litecoin， startcoin及lisk 虛擬貨幣。[2018/1/6]

“這不可能是真的，因為我們知道平均的出塊時間是10分鐘，而不是20分鐘。”

這個悖論本質上和搭便車悖論是一樣的，為了解決這個悖論，我們需要知道，“塊與塊之間的期望值是什么？”，這個問題本身就沒有說清楚。要計算期望值，我們需要知道用什么分布進行計算。

假設我們觀察比特幣區塊鏈一段時間，然后列出每個連續塊之間的時間間隔。當我們對這個數字列表求平均值時，我們將得到一個接近10分鐘的數值。這種方法的平均對應于一個分布，其中每個區塊的間隔時間以相同的概率從分布中抽取出來。

更準確地說，這種非負數間隔持續時間分布的概率分布函數是一個指數分布pdf1(t)=N1e?λt，其中λ是0.1min-1,也就是比特幣的出塊速度，N1是一個正態分布常數。這個分布的期望值是∫tpdf1(t)dt=10min。

假設我們觀察比特幣區塊鏈一段時間，記下跨越每天上午9點這一時間點的兩個比特幣區塊的時間間隔。如果把每天的時間數據平均一下后會發現，區塊生成平均時間值其實接近20分鐘。用這種方法算出的平均值其實對應的是一個“每個區塊間隔都被抽樣”的分布，它并不是用均等的概率，而是與間隔持續的時間成比例。舉個例子，一次持續14分鐘間隔的抽樣結果可能會好過兩次間隔7分鐘的抽樣，因為14分鐘間隔的抽樣時間是7分鐘的兩倍。

我們可以使用上述指數分布的概率密度函數，將其乘以一個線性影子，再根據間隔時長重新計算概率。歸一化之后，隨之產生的該分布的概率密度函數就會成為伽馬分布：pdf2(t)=N2te?λt。這個分布的預期值將會是∫tpdf2(t)dt=20分鐘。

我們可以通過調用上面的時間反轉對稱性參數來復查這個結果。當我們選取一個隨機時間點，可以將下一個區塊生成的時間設為一個隨機變量x，它的概率密度函數設為pdf1；再把前一個區塊生成的時間也設為一個隨機變量y，它的概率密度函數也是pdf1。因此，兩個區塊生成的總時間就是隨機值xy，我們可以通過將函數pdf1本身卷積來計算xy這個分布，這樣結果就可以得到pdf2。

在計算平均區塊生產間隔時間的時候，使用第二種抽樣方法可能會產生一些“偏差”，因為第二種抽樣方法的區塊間隔時間更長，因此兩種不同抽樣方式產生的結果也會存在差異。不過，“偏差”這個詞在這里并不是貶義。因為我們也不能說另一種采樣方式就是不正確的，或是存在偏差的，它只是一種不同的抽樣方法，僅此而已。你需要使用什么樣的時間間隔分布，取決于你要計算什么。如果你想要計算比特幣吞吐量，那么可能需要使用指數分布；如果你想知道“為什么包含了我交易的比特幣區塊要花20分鐘來挖掘？”，此時可能需要使用伽馬分布了。

金色財經翻譯自WhyIsItTaking20MinutestoMineThisBitcoinBlock?

Tags：比特幣PDFBLOCKLOC萊特幣相較于比特幣的優勢有區塊鏈dapp開發pdfCarBlockblockchains

瑞波幣