大學計算機基礎(chǔ)（第6版）（微課版） 課件 第11章 計算機新技術(shù)與應用

大學計算機基礎(chǔ)

第11章計算機新技術(shù)與應用大學計算機基礎(chǔ)課程組2022年4月目錄：教學內(nèi)容大數(shù)據(jù)1云計算2物聯(lián)網(wǎng)3區(qū)塊鏈4人工智能52教學目標掌握大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、區(qū)塊鏈、人工智能的基本概念12了解大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、區(qū)塊鏈的關(guān)鍵技術(shù)3掌握大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、區(qū)塊鏈、人工智能的基本特征1.1大數(shù)據(jù)的概念大數(shù)據(jù)（BigData），或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無法通過主流軟件工具，在合理時間內(nèi)達到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營決策等積極目的的資訊。大數(shù)據(jù)并不是一種新的產(chǎn)品，也不是一種新的技術(shù)，它只是數(shù)字化時代出現(xiàn)的一種現(xiàn)象。“大數(shù)據(jù)”時代產(chǎn)生了龐大、繁雜、快速變化的數(shù)據(jù)，使用傳統(tǒng)技術(shù)手段已經(jīng)無法管理與應用這些數(shù)據(jù)。概念1.2大數(shù)據(jù)的特征

特征5V1.2大數(shù)據(jù)的特征特征1．大量化指數(shù)據(jù)的采集、存儲及計算的量都非常大。數(shù)據(jù)的規(guī)模與數(shù)據(jù)存儲和網(wǎng)絡(luò)技術(shù)的發(fā)展緊密相關(guān)。隨著數(shù)據(jù)處理技術(shù)和通信技術(shù)的發(fā)展，數(shù)據(jù)的產(chǎn)生量和存儲量成倍增長。數(shù)據(jù)量已經(jīng)從TB級別躍升到PB、EB乃至ZB級別。存儲單位從GB到TB,乃至PB、EB級別。據(jù)IDC估測，人類社會產(chǎn)生的數(shù)據(jù)每年都在以50%的速度增長。社交網(wǎng)絡(luò)、移動網(wǎng)絡(luò)、各種智能工具及服務工具等都成為數(shù)據(jù)的來源。1.2大數(shù)據(jù)的特征特征2．快速化大數(shù)據(jù)的快速化主要表現(xiàn)為數(shù)據(jù)的實時響應和快速處理。數(shù)據(jù)處理快速化是大數(shù)據(jù)區(qū)別于傳統(tǒng)數(shù)據(jù)挖掘最顯著的特征。3．多樣化多樣化指大數(shù)據(jù)包括多種不同類型的數(shù)據(jù)。數(shù)據(jù)有三種基本類型：結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)。1.2大數(shù)據(jù)的特征特征4．價值化大數(shù)據(jù)的價值具有稀缺性、不確定性。大數(shù)據(jù)中數(shù)據(jù)價值密度相對較低，即有價值的數(shù)據(jù)所占比例很低。隨著數(shù)據(jù)量的增長，數(shù)據(jù)中有意義的信息卻沒有成相應比例增長。通常可通過機器學習、數(shù)據(jù)挖掘等方法從數(shù)據(jù)中挖掘有價值的信息，并將其應用于相關(guān)領(lǐng)域。5．真實性真實性指數(shù)據(jù)的質(zhì)量和保真性。大數(shù)據(jù)環(huán)境下的數(shù)據(jù)要保證準確性、可信賴度。1.3大數(shù)據(jù)的技術(shù)大數(shù)據(jù)技術(shù)是使用一系列非傳統(tǒng)的工具來對大量的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進行處理，從而獲得分析和預測結(jié)果的數(shù)據(jù)處理技術(shù)。1.3大數(shù)據(jù)的技術(shù)1．數(shù)據(jù)采集技術(shù)①系統(tǒng)日志數(shù)據(jù)采集方法：很多互聯(lián)網(wǎng)企業(yè)都有自己的用于系統(tǒng)日志數(shù)據(jù)采集的海量數(shù)據(jù)采集工具，如Hadoop的Chukwa。②對非結(jié)構(gòu)化數(shù)據(jù)采集方法：非結(jié)構(gòu)化數(shù)據(jù)包括企業(yè)內(nèi)部數(shù)據(jù)和網(wǎng)絡(luò)數(shù)據(jù)。網(wǎng)絡(luò)數(shù)據(jù)采集是利用互聯(lián)網(wǎng)搜索引擎技術(shù)實現(xiàn)對有針對性、行業(yè)性的數(shù)據(jù)抓取，并按一定規(guī)則和標準進行數(shù)據(jù)歸類，形成數(shù)據(jù)庫文件的過程。如通過網(wǎng)絡(luò)爬蟲從網(wǎng)站上獲取相關(guān)網(wǎng)頁內(nèi)容，從中抽取用戶所需要的屬性內(nèi)容。③其它數(shù)據(jù)采集方法：對企業(yè)或科研院所的保密性要求較高的數(shù)據(jù)，可通過與其合作的方式，使用特定系統(tǒng)接口等方法采集數(shù)據(jù)。1.3大數(shù)據(jù)的技術(shù)2．數(shù)據(jù)預處理技術(shù)數(shù)據(jù)預處理包含4個部分：數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)規(guī)約。（1）數(shù)據(jù)清理數(shù)據(jù)清理是在獲取多個維度、多個來源、多種結(jié)構(gòu)的數(shù)據(jù)之后，對數(shù)據(jù)進行遺漏值處理、噪音數(shù)據(jù)處理和不一致數(shù)據(jù)處理。目的在于刪除重復信息，糾正錯誤信息。①遺漏數(shù)據(jù)-可用全局常量、屬性均值、可能值填充或者直接忽略該數(shù)據(jù)等方法處理。②噪音數(shù)據(jù)-可用分組（先對原始數(shù)據(jù)進行分組，然后對每一組內(nèi)的數(shù)據(jù)進行平滑處理）、聚類、人機檢查、回歸等方法去除噪音。③對于不一致數(shù)據(jù)可進行手動更正。1.3大數(shù)據(jù)的技術(shù)2．數(shù)據(jù)預處理技術(shù)（2）數(shù)據(jù)集成數(shù)據(jù)集成是指把來自不同數(shù)據(jù)源、不同格式、不同性質(zhì)的數(shù)據(jù)整合并存儲到一個統(tǒng)一的數(shù)據(jù)庫中,這一過程并非簡單的數(shù)據(jù)合并，而是將數(shù)據(jù)進行統(tǒng)一化和規(guī)范化處理后形成初始的挖掘數(shù)據(jù)。在這個過程中需要著重解決3個問題：模式匹配、數(shù)據(jù)冗余、數(shù)據(jù)值沖突檢測與處理。（3）數(shù)據(jù)變換數(shù)據(jù)變換就是將數(shù)據(jù)轉(zhuǎn)換成適合挖掘的形式，采用線性或非線性的數(shù)學變換方法將多維數(shù)據(jù)壓縮成較小維的數(shù)據(jù)，消除他們在時間、空間、屬性及精度等方面的差異。如統(tǒng)計學的數(shù)據(jù)標準化。1.3大數(shù)據(jù)的技術(shù)2．數(shù)據(jù)預處理技術(shù)（4）數(shù)據(jù)規(guī)約數(shù)據(jù)規(guī)約是從數(shù)據(jù)庫或數(shù)據(jù)倉庫中選取并建立用戶感興趣的數(shù)據(jù)集合，并從數(shù)據(jù)集合中過濾掉一些無關(guān)的、有偏差的、重復的數(shù)據(jù)。數(shù)據(jù)規(guī)約包括數(shù)據(jù)方聚集、維歸約、數(shù)據(jù)壓縮、數(shù)值規(guī)約和概念分層。數(shù)據(jù)規(guī)約主要有兩種途徑：屬性選擇和數(shù)據(jù)采樣。使用數(shù)據(jù)規(guī)約技術(shù)可以使數(shù)據(jù)集在變小的同時仍然保持數(shù)據(jù)的完整性。1.3大數(shù)據(jù)的技術(shù)3．數(shù)據(jù)存儲及管理大數(shù)據(jù)存儲及管理技術(shù)重點研究復雜結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化大數(shù)據(jù)管理與處理技術(shù),解決大數(shù)據(jù)的可存儲、可表示、可處理、可靠性及有效傳輸?shù)葞讉€關(guān)鍵問題。具體來講需要解決以下幾個問題：海量文件的存儲與管理、索引和管理，海量大文件的分塊與存儲，系統(tǒng)可擴展性與可靠性。目前常用的數(shù)據(jù)存儲方法：開發(fā)新型數(shù)據(jù)庫技術(shù)；對海量數(shù)據(jù)進行分區(qū)操作；加大虛擬內(nèi)存；使用數(shù)據(jù)倉庫和多維數(shù)據(jù)庫存儲等。1.3大數(shù)據(jù)的技術(shù)4．數(shù)據(jù)處理技術(shù)

大數(shù)據(jù)主要的處理模式可以分為流處理模式和批處理模式兩種。批處理是先存儲后處理，而流處理則是直接處理。

（1）批處理模式批處理模式最具代表性的編程模型是Google公司在2004年提出的MapReduce。該模型采用“分而治之”的并行處理思想。首先將大規(guī)模原始數(shù)據(jù)源進行分塊，然后分別交給不同的Map任務去并發(fā)處理；Map任務從輸入中解析出key/value對集合，然后對這些集合執(zhí)行用戶自行定義的Map函數(shù)以得到中間結(jié)果，并將該結(jié)果寫入本地硬盤；Reduce任務從硬盤上讀取數(shù)據(jù)之后，會根據(jù)key值進行排序，將具有相同key值的數(shù)據(jù)組織在一起。最后，用戶自定義的Reduce函數(shù)會作用于排序后的結(jié)果并輸出最終結(jié)果。1.3大數(shù)據(jù)的技術(shù)4．數(shù)據(jù)處理技術(shù)

（2）流處理模式流數(shù)據(jù)是指在時間分布和數(shù)量上無限的一系列動態(tài)數(shù)據(jù)集合體，是大數(shù)據(jù)分析中的重要數(shù)據(jù)類型，具有持續(xù)到達、速度快、規(guī)模巨大等特點。當新的數(shù)據(jù)到來時就必須實時計算處理并返回所需的結(jié)果，否則會造成數(shù)據(jù)堆積和丟失，數(shù)據(jù)的價值隨著時間的流逝而不斷減少等問題。1.3大數(shù)據(jù)的技術(shù)5．數(shù)據(jù)分析與挖掘技術(shù)大數(shù)據(jù)處理的核心就是對大數(shù)據(jù)進行分析，只有通過分析才能獲取很多智能的、深入的、有價值的信息。大數(shù)據(jù)不斷增長的復雜性使大數(shù)據(jù)的分析方法顯得尤為重要，可以說大數(shù)據(jù)的分析方法是決定最終信息是否有價值的決定性因素。數(shù)據(jù)挖掘是指從數(shù)據(jù)之中提取隱含的、未知的、潛在有用信息的過程。利用數(shù)據(jù)挖掘進行數(shù)據(jù)分析的常用方法主要有分類、回歸分析、聚類、關(guān)聯(lián)規(guī)則等，它們分別從不同的角度對數(shù)據(jù)進行挖掘。1.3大數(shù)據(jù)的技術(shù)6．數(shù)據(jù)可視化技術(shù)數(shù)據(jù)可視化是指將大型數(shù)據(jù)集中的數(shù)據(jù)以圖形、圖像的形式表示，并且利用數(shù)據(jù)分析和開發(fā)工具發(fā)現(xiàn)其中未知信息的處理過程。數(shù)據(jù)可視化借助圖形化手段實現(xiàn)直觀地反映出最終結(jié)果，從而清晰、有效地傳達與溝通信息。數(shù)據(jù)可視化包括許多方法：基于幾何的技術(shù)、面向像素的技術(shù)、基于圖標的技術(shù)、基于層次的技術(shù)、1.4大數(shù)據(jù)的應用1.4大數(shù)據(jù)的應用（1）電商領(lǐng)域：我國多個著名的網(wǎng)購電商平臺，如淘寶、京東等利用大數(shù)據(jù)技術(shù)，通過對用戶購物喜好、購買力等信息進行分析，為用戶推送適合的產(chǎn)品。（2）交通領(lǐng)域：采用大數(shù)據(jù)技術(shù)對交通流量進行監(jiān)控、分析、預測未來道路交通狀況，緩解擁堵。導航軟件就是根據(jù)大數(shù)據(jù)計算為用戶選擇適合的通行路線和出行方案。（3）醫(yī)療領(lǐng)域：醫(yī)療行業(yè)通過實時統(tǒng)計分析臨床數(shù)據(jù)、遠程病人數(shù)據(jù)分析、就診行為分析等，輔助醫(yī)生進行臨床決策，從而提高醫(yī)生的工作效率。電子病歷是大數(shù)據(jù)在醫(yī)療領(lǐng)域最強大的應用，該應用使得病人的醫(yī)療記錄在不同醫(yī)療機構(gòu)之間實現(xiàn)共享。除此之外，血壓跟蹤器、睡眠檢測儀、心臟檢測器等穿戴設(shè)備的應用可實時收集病人的健康數(shù)據(jù)。1.4大數(shù)據(jù)的應用（4）傳媒領(lǐng)域：傳媒相關(guān)企業(yè)通過收集各式各樣的信息，分析了用戶的閱讀、觀看及收聽習慣和喜好，實現(xiàn)對讀者需求的準確定位，并追蹤用戶的瀏覽習慣，不斷進行信息優(yōu)化。（5）安防領(lǐng)域：安防行業(yè)可實現(xiàn)視頻圖像模糊查詢、快速檢索、精準定位，并能夠進一步挖掘海量視頻監(jiān)控數(shù)據(jù)背后的有價值的信息，輔助決策判斷。（6）金融領(lǐng)域：金融和保險業(yè)利用大數(shù)據(jù)和預測分析技術(shù)進行風險評估等用途。金融機構(gòu)也在利用大數(shù)據(jù)來加強其網(wǎng)絡(luò)安全工作，并為客戶提供個性化的金融決策。1.4大數(shù)據(jù)的應用（7）教育領(lǐng)域：通過大數(shù)據(jù)進行分析，能夠為每位學生量身定做一個的個性化課程，為學生的多年學習提供一個富有挑戰(zhàn)性的學習計劃。例如：大數(shù)據(jù)公司Knewton開發(fā)了一個數(shù)字平臺，分析了幾百萬學生從幼兒園到大學的學習過程，在此基礎(chǔ)上設(shè)計開發(fā)了個性化課程。1.4大數(shù)據(jù)的應用（8）政府領(lǐng)域：“智慧城市”已經(jīng)在多地嘗試運營，通過大數(shù)據(jù)，政府部門得以感知社會的發(fā)展變化需求，從而更加科學化、精準化、合理化的為市民提供相應的公共服務以及資源配置。2.1云計算概念云計算（CloudComputing）是一種按使用量付費的模式，這種模式提供可用的、便捷的、按需的網(wǎng)絡(luò)訪問，進入可配置的計算資源共享池（資源包括網(wǎng)絡(luò)、服務器、存儲、應用軟件、服務），這些資源能夠被快速提供，只需投人很少的管理工作，或與服務供應商進行很少的交互。也就是說云計算既是一種商業(yè)模式，也是一種計算模式。云計算是網(wǎng)格計算、分布式計算、并行計算、網(wǎng)絡(luò)存儲、虛擬化、負載均衡等傳統(tǒng)計算機和網(wǎng)絡(luò)技術(shù)發(fā)展融合的產(chǎn)物。2.2云計算特征（1）大規(guī)模。

（2）虛擬化。（3）可靠性高。（4）通用性。（5）高擴展性。（6）按需服務。（7）性價比高。特征2.3云計算技術(shù)云計算的關(guān)鍵技術(shù)包括以下幾個方向：（1）虛擬機技術(shù)虛擬機，即服務器虛擬化，是云計算底層架構(gòu)的重要基石。在服務器虛擬化中，虛擬化軟件需要實現(xiàn)對硬件的抽象、資源的分配、調(diào)度和管理，虛擬機與宿主操作系統(tǒng)及多個虛擬機間的隔離等功能。（2）數(shù)據(jù)存儲技術(shù)為同時滿足大量用戶的需求，并行地為大量用戶提供服務，云計算的數(shù)據(jù)存儲技術(shù)必須具有分布式、高吞吐率和高傳輸率的特點。目前數(shù)據(jù)存儲技術(shù)主要有非開源的Google的GFS（GoogleFileSystem）以及開源的HDFS（HadoopDistributedFileSystem）。2.3云計算技術(shù)云計算的關(guān)鍵技術(shù)包括以下幾個方向：（3）數(shù)據(jù)管理技術(shù)如何讀取海量數(shù)據(jù)并進行大量的分析，如何提高數(shù)據(jù)的更新速率是未來的數(shù)據(jù)管理技術(shù)必須解決的問題。云計算的數(shù)據(jù)管理技術(shù)最著名的是Google的BigTable數(shù)據(jù)管理技術(shù)。（4）分布式編程與計算為了使用戶能更輕松的享受云計算帶來的服務，云計算允許用戶利用編程模型編寫簡單的程序。云計算上的編程模型十分簡單。2.3云計算技術(shù)云計算的關(guān)鍵技術(shù)包括以下幾個方向：（5）虛擬資源的管理與調(diào)度云計算區(qū)別于單機虛擬化技術(shù)的重要特征是通過整合物理資源形成資源池，并通過資源管理中間件實現(xiàn)對資源池中虛擬資源的調(diào)度。云計算的資源管理包括負責資源管理、任務管理、用戶管理和安全管理等工作。（6）云計算的業(yè)務接口云計算對用戶提供統(tǒng)一的業(yè)務接口，不僅方便用戶業(yè)務由傳統(tǒng)IT系統(tǒng)向云計算環(huán)境的遷移，而且使用戶業(yè)務在云與云之間的遷移更加容易。2.4云計算應用2.4云計算應用介紹幾種應用場景：（1）存儲云又稱云存儲，是在云計算技術(shù)上發(fā)展起來的一個新的存儲技術(shù)，是一個以數(shù)據(jù)存儲和管理為核心的云計算系統(tǒng)。存儲云向用戶提供了存儲容器服務、備份服務、歸檔服務和記錄管理服務等，大大方便了使用者對資源的管理。用戶可以將本地的資源上傳至云端，可以通過互聯(lián)網(wǎng)來獲取云上的資源。大家所熟知的谷歌、微軟等大型網(wǎng)絡(luò)公司均有云存儲的服務，在國內(nèi)，百度云和微云則是市場占有量最大的存儲云。（2）醫(yī)療云是指在云計算、移動技術(shù)、多媒體、4G通信、大數(shù)據(jù)、以及物聯(lián)網(wǎng)等新技術(shù)基礎(chǔ)上，結(jié)合醫(yī)療技術(shù)，使用“云計算”來創(chuàng)建醫(yī)療健康服務云平臺，實現(xiàn)了醫(yī)療資源的共享和醫(yī)療范圍的擴大。醫(yī)院的預約掛號、電子病歷、醫(yī)保等都是云計算與醫(yī)療領(lǐng)域結(jié)合的產(chǎn)物。2.4云計算應用（3）金融云金融云，是指利用云計算的模型，將信息、金融和服務等功能分散到龐大分支機構(gòu)構(gòu)成的互聯(lián)網(wǎng)“云”中，旨在為金融機構(gòu)提供互聯(lián)網(wǎng)處理和運行服務，同時共享互聯(lián)網(wǎng)資源，從而達到高效、低成本的目標。現(xiàn)在基本普及了的快捷支付就是金融與云計算結(jié)合的產(chǎn)物，只需要在手機上簡單操作，就可以完成銀行存款、購買保險等。（4）教育云教育云，實質(zhì)上是教育信息化的一種發(fā)展。教育云將教育資源虛擬化并傳入互聯(lián)網(wǎng)中，以向教育機構(gòu)、學生、老師提供一個方便快捷的平臺?，F(xiàn)在流行的慕課（MOOC，大規(guī)模開放的在線課程）就是教育云的一種應用。概念3、物聯(lián)網(wǎng)物聯(lián)網(wǎng)是在計算機網(wǎng)絡(luò)的基礎(chǔ)上，利用射頻自動識別(RFID)、無線數(shù)據(jù)通信等技術(shù)，構(gòu)造一個覆蓋世界上萬事萬物的“InternetofThings”。實際上是利用RFID技術(shù)，通過計算機網(wǎng)絡(luò)實現(xiàn)物品的自動識別和信息的互聯(lián)、共享。特征3.1物聯(lián)網(wǎng)全面感知：利用物聯(lián)網(wǎng)上部署了海量的多種類型傳感器隨時隨地對物體進行信息采集和獲取?？煽總鬟f：為了保障數(shù)據(jù)的正確性和及時性，必須適應各種異構(gòu)網(wǎng)絡(luò)和協(xié)議；智能處理：從傳感器獲得的海量信息中分析、加工和處理有意義的數(shù)據(jù)，以適應不同用戶的不同需求。3.1物聯(lián)網(wǎng)的體系結(jié)構(gòu)感知層、網(wǎng)絡(luò)層和應用層三大層3.1物聯(lián)網(wǎng)的體系結(jié)構(gòu)感知層：感知層是物聯(lián)網(wǎng)的底層，主要解決物聯(lián)網(wǎng)全面感知的核心能力，其主要功能是感知和識別物體，采集和捕獲信息。網(wǎng)絡(luò)層：網(wǎng)絡(luò)傳輸層的主要功能是通過各類網(wǎng)絡(luò)，在感知控制層與系統(tǒng)平臺層之間及時、有序、安全地傳遞信息。應用層：物聯(lián)網(wǎng)的應用層提供豐富的基于物聯(lián)網(wǎng)的應用，是物聯(lián)網(wǎng)與用戶的接口3.2物聯(lián)網(wǎng)的關(guān)鍵技術(shù)傳感器技術(shù)：傳感器就是感覺器官，在物聯(lián)網(wǎng)收集數(shù)據(jù)中不可或缺，發(fā)揮著至關(guān)重要的作用。3.2物聯(lián)網(wǎng)的關(guān)鍵技術(shù)射頻識別技術(shù)：原理為閱讀器與標簽之間進行非接觸式的數(shù)據(jù)通信，達到識別目標的目的。可以隨時掌握物品的準確位置及其周邊環(huán)境。3.2物聯(lián)網(wǎng)的關(guān)鍵技術(shù)無線傳感器網(wǎng)絡(luò)：由大量的靜止或移動的傳感器以自組織和多跳的方式構(gòu)成的無線網(wǎng)絡(luò)，以協(xié)作地感知、采集、處理和傳輸網(wǎng)絡(luò)覆蓋地理區(qū)域內(nèi)被感知對象的信息，并最終把這些信息發(fā)送給網(wǎng)絡(luò)的所有者。3.2物聯(lián)網(wǎng)的關(guān)鍵技術(shù)嵌入式系統(tǒng)技術(shù)：綜合了計算器軟硬件、傳感器技術(shù)、集成電路技術(shù)、電子應用技術(shù)為一體的復雜技術(shù)。嵌入式系統(tǒng)由硬件和軟件組成。是能夠獨立進行運作的器件。其軟件內(nèi)容只包括軟件運行環(huán)境及其操作系統(tǒng)。硬件內(nèi)容包括信號處理器、存儲器、通信模塊等在內(nèi)的多方面的內(nèi)容。概念4.1區(qū)塊鏈利用塊鏈式數(shù)據(jù)結(jié)構(gòu)來驗證與存儲數(shù)據(jù)、利用分布式節(jié)點共識算法來生成和更新數(shù)據(jù)、利用密碼學的方式保證數(shù)據(jù)傳輸和訪問的安全、利用由自動化腳本代碼組成的智能合約來編程和操作數(shù)據(jù)的一種全新的分布式基礎(chǔ)架構(gòu)與計算范式。簡單地說，區(qū)塊鏈就是一種去中心化的分布式賬本數(shù)據(jù)庫。網(wǎng)絡(luò)層、協(xié)議層、應用服務層4.2區(qū)塊鏈架構(gòu)網(wǎng)絡(luò)層是區(qū)塊鏈系統(tǒng)的技術(shù)支撐，分為：數(shù)據(jù)層和網(wǎng)絡(luò)層。數(shù)據(jù)層主要描述區(qū)塊鏈技術(shù)的物理形式，是設(shè)計賬本的數(shù)據(jù)結(jié)構(gòu)。網(wǎng)絡(luò)層的主要是為了實現(xiàn)區(qū)塊鏈網(wǎng)絡(luò)中節(jié)點之間的信息交流。網(wǎng)絡(luò)層、協(xié)議層、應用服務層4.2區(qū)塊鏈架構(gòu)協(xié)議層是連接應用和網(wǎng)絡(luò)的橋梁，分為共識層、激勵層、合約層。

共識層負責調(diào)配記賬節(jié)點的任務負載，能讓高度分散的節(jié)點在去中心化的系統(tǒng)中高效地針對區(qū)塊數(shù)據(jù)的有效性達成共識。

激勵層是制定記賬節(jié)點的“薪酬體系”，主要提供一定的激勵措施，鼓勵節(jié)點參與區(qū)塊鏈的安全驗證工作。

合約層主要是指各種腳本代碼、算法機制以及智能合約等，賦予賬本可編程的特性。網(wǎng)絡(luò)層、協(xié)議層、應用服務層4.2區(qū)塊鏈架構(gòu)應用服務層是獲得持續(xù)發(fā)展動力所在，應用層封裝了區(qū)塊鏈的各種應用場景和案例。4.3區(qū)塊鏈的關(guān)鍵技術(shù)分布式存儲

區(qū)塊鏈賬本采用的是分布式存儲記賬方式，這是一種從分布在不同物理地址或不同組織內(nèi)的多個網(wǎng)絡(luò)節(jié)點構(gòu)成的網(wǎng)絡(luò)中進