【本文字数：3.3w字。预计阅读时间：90min。因字数限制，分上下两篇发布，完整原文请至公众号：skycoinfleet查看。】

【接上篇】

第五章：方尖碑共识的技术

?

?

在开始之前，我们先来谈谈几乎无处不在的共识。在一个共识网络中，有一种被称为Eclipse攻击的攻击类型，在这种攻击中，一些对手或恶意代理会识别出一定数量的正确运行节点，并试图对其进行攻击，通常是通过某种拒绝服务攻击。因为攻击者总能识别出至少一部分正确运行的节点，所以完全的共识是不可能的。相反，共识算法的目标应该是几乎所有的共识，即几乎所有的节点在任何给定的节点都是诚实和正确的。所以，既然如此，方尖碑不是一个完全共识模型，而是一个几乎无处不在的共识模型。在实践中，这也是一样的好，在我们的案例中，甚至更强大，因为它避免了完全共识模型的许多限制。

?

Obelisk的共识算法是一种多轮、部分随机化的共识算法，具有一定的逻辑性，可以处理我在Proof-of-of-Stake一节中提到的BFT启发的共识算法的问题。它直接解决了其中的一些问题，而其他的问题通过多年来的模拟实验证明它可以很好地解决。

?

作为一个简短的旁观者，我想讨论一下一些不可能的英雄人物，这些英雄人物导致了Obelisk的卓越共识算法的现代灵感，很不幸的是，这可能会导致我们的?"简短的旁观者?"少了一些，而更多的是一种?"全面的百科全书?"的形式。

?

早在上世纪90年代末，很多关于自旋的宏观统计力学特性或者说是自旋的涌现量子力学特性的工作，再加上一些基于量子力学中的自旋物理学的理论模型，都被输出到了生物学甚至是统计建模的领域。这种将物理学中的结果和模型用于该领域以外的领域，并在其他研究领域建立模拟模型的想法，导致了统计物理学的诞生。如今，统计物理学被广泛地应用于各种问题，而且非常奇特地适合于描述宏观的社会现象。由于某种原因，统计物理学领域的一些模型（也包含了简约优化（以及其他结构优化子领域的东西）、元启发式等），能够描述生物运输网络的构建、一种感染或一种观点在人群中的传播模式等等。这些模型中，有一个是基于统计力学模型的，叫做Ising自旋。我不想把它变成一个关于统计力学的10个部分的系列讲座，所以我只说一句话。Ising自旋本质上是一个更复杂的模型的简化版，它的重点是研究晶格中的自旋动力学（即所谓的?"自旋玻璃"）。如果你想了解更多，外面有很多文献。

?

（Sznajd模型的图像，对于一维的情况下，Sznajd模型）

?

最著名的模型之一是Sznajd模型，它是Ising自旋的延伸（本质上）。Sznajd，用最简单的话来说，就是一个理论，它的运作有两个思路。(1)社会验证，如果两个人认同相同的理论，他们的邻居就会开始认同他们的理论；(2)不和谐破坏，如果两个相邻的人互相不认同，他们的邻居也会被争论。这个简单的规则集实际上导致了非常复杂的宏观现象，它很好地描述了意见在人群中的传播方式。描述意见在人群中如何变化、传播或形成的理论，属于舆论动态研究领域的一部分。这个领域对于共识的研究非常重要，因为它可以对应于信任关系是如何形成、维持和改变的。事实上，这种采用某种形式的信任关系作为共识机制或网络拓扑结构的一部分的共识网络被称为Web-of-Trust。Obelisk通常被称为Web-of-Trust共识算法，因为它通过用户/订阅、嫌疑人、黑名单连接等方式采用了这样的东西。然而，值得注意的是，虽然信任通常被认为是只能在集中式或部分集中式网络中才能存在的东西，但只要网络上的实体（即节点）是去中心化网络，信任的概念就可以存在于去中心化网络中。

?

1.智能性----节点通过对系统状态的一些稳健的、全面的分析，可以形成自己的意见，做出自己的决策和建议等。

2.怀疑型----没有内在的信任关系，节点都会对网络上的其他节点及其信息进行自己的欺诈检测或验证。

3.主权型--节点都是独立于某个大组织之外的行为，当涉及到决策时，节点共享相同的内在权力。

4.参与性--节点在共识回合中主动产生内容并发表意见。

?

?

Obelisk的底层共识算法的原始方案叫做Sznajd2，由Ethereum的原始开发者之一、Skycoin的创始人陈厚武（Houwu Chen）构建。这篇论文可以在Skycoin的白皮书网站上找到，但我就不说那篇了，因为实际的算法在那之后经历了很多变化。还有另一篇论文是关于被称为SkyHash的东西，这是对SKY模型的扩展，用于计算哈希值，实际上可能就是Obelisk使用的实现。我们后面会更多的触及到这个问题。

?

实际上，现代的共识算法简单来说就是SKY。这就是基于意见动态的实际框架，也就是Obelisk中的共识算法将如何工作的数学表述。后来我和Synth，也就是Skycoin的创始人和现任BDFL聊过，他说这个模型有一些改进，确实提炼出了一些高度的容错性和安全性。我也探索了SKY舆图动态模型的变体，不用说，它为一个完全现代化的、加速的、先进的共识算法领域打开了一扇大门，它将为未来的去中心化系统提供动力。

?

那么，你准备好了吗？

?

1.??SKY--方尖碑的核心与灵魂

?

（这就是舆论动态。但又多了一个恐惧的因素，那就是是一个非常非常怪的形象）

?

SKY模型规定，只要节点对上一个给定的共识网络的共识问题做出决定，就可以开始当前的共识迭代。因此，节点实际上是自己安排的，并不依赖某些全局时钟或中央权威来告诉它们什么时候完成共识问题，什么时候没有完成共识问题。正因为如此，共识的每一次迭代内的轮回并不是完全同步的，实际上是异步的。然而，由于消息和事件在?Obelisk?共识网络中的持久性（由于公共广播渠道的存在），这种非同步性意味着，即使某个节点在共识轮或迭代的部分或整个时间内没有在线，也可以完全了解到特定迭代或共识轮的事件。正因为如此，SKY可以灵活地应对网络中的变化，例如节点在共识轮中间的离开和加入、块建议或任何网络事件（不要和我前面说的事件消息混淆）。但是，因为是异步的，所以FLP不可能的问题是适用的。SKY通过有一个叫做消息过滤器的东西直接处理这个问题。

?

但首先，我们来定义一下什么是SKY的共识消息。一个SKY的共识消息包括节点的公钥和签名，以及给定共识问题的当前回合、该节点在该回合中的意见，以及该节点的状态。在SKY中，一个节点可以处于三种状态之一：决定状态，即节点还没有达成决定；决定状态，即节点已经达成共识问题的决定；困惑状态，即节点在一定轮数内无法达成决定。通过拥有confused状态，SKY开发人员可以有效地测试网络如何容忍任意的故障，并深入了解SKY共识可能无法收敛某些故障行为。但对于共识网络中的节点来说，它最有用的是判断可信度。此外，虽然意见是许多可能的选择之一，但我们可以将其限制在一个二元问题上。我们在前面讨论过，任何共识问题都可以被描述为二进制问题，通过将共识值，或者说意见限制为0或1，可以更容易描述模型的工作原理。而在实践中，大多数共识问题都是二进制问题，因为它归结为说一个块是否在序列中（它要么是，1，要么不是，0）。

?

再回到消息过滤器的问题。消息过滤器简单来说就是检查一个节点是否应该保留从其中一个节点的子节点收到的消息。判断的方式是通过检查当前回合的信息来判断。还记得SKY对当前一轮共识的开始或结束时间没有任何限制吗？这就导致了这样的结果：在任何给定的共识迭代中，节点可能处于不同的回合。所以消息过滤器利用了这一点，在节点达成共识后，拒绝接收所有的消息，只有当消息的轮数大于或等于该节点正在进行的当前轮数时，才会保留消息。

?

（是真的！它们确实成群结队地移动!）

?

为了解决FLP的不可能性，还采用了第二个装置，这就是所谓的故障检测器。故障检测器与拜占庭故障无关，是另一种应用于共识期间收到的消息的过滤器。它判定报文的轮数大于或等于节点当前的轮数，或者报文的状态是决定或混淆（即不决定），否则无效。如果经过一段时间的时间间隔后，没有收到新的有效消息（即出现某种延迟、延迟或断开连接），则将被订阅的节点移到嫌疑人集中。一旦再次收到有效消息后，嫌疑节点就会被移回订阅集。

现在，我们来谈谈一个节点在给定的共识轮中是如何实际工作的。首先，该节点应用消息过滤器。如果消息过滤器确定该消息是有效的，那么将其通过故障检测器传递给故障检测器。如果失败检测器确定报文有效，则保留该报文进行本轮共识。而一旦一个节点收到了来自其订阅列表中每个节点的完全有效的共识消息，我们的节点就可以计算出下一轮共识的意见。现在的问题来了：这个计算到底是什么？

这就是SKY模型中神奇的、意见动态部分。它为一个节点提供了一个非同小可的、强大的统计工具，让它在共识迭代中创建自己的新意见。用于创建意见的计算的术语叫做共性规则。SKY的共同规则是一个方程，它结合了数学优化领域的两个极其强大的工具。

?

（看一下我找到的这张令人毛骨悚然的图片，是关于?"多数人规则?"的。）

?

第一个工具可能是最琐碎的工具，它被称为多数派规则。它的工作原理就像你所期望的那样：给定了当前回合所有订阅的意见，一个节点只需从选项中挑选出多数胜出的意见。因此，如果大多数节点在订阅的意见集中选取0作为他们的意见，那么该节点将选取0，反之亦然。如果0的订阅意见数等于1的订阅意见数，那么随机选择0或1作为节点的意见，概率为0.5。这虽然很简单，但在这种情况下，已经非常强大了。不过，这很容易类比于BFT式的共识证明算法，即等额的股权质押者。此外，尽管这种模型使用pub-sub channeling、不撤销和Web-of-Trust提供的附加安全措施可以很好地限制这种攻击，但其本身就很容易受到Sybil攻击。

?

第二种工具稍微复杂一些，它被称为模拟退火。这不同于传统的模拟退火寻找最大值和/或最小值的模拟退火，所以对于那些已经熟悉这个话题的人来说，请坚持下去。在SKY中，模拟退火简单地说，模拟退火的意思是，一旦一个节点的绝大多数订阅者坚持一个观点，那么这个节点就会有一定的阻力，不会改变它的观点。就像物理学中，一个物体一旦运动起来，除非受到某种力的作用，否则它往往不会想停止运动。这种惯性的概念与模拟退火的概念是相辅相成的。但更贴切的说，模拟退火只是意味着一旦找到了一个非常明显的赢家，就坚持这个赢家；所以，当订阅列表中意见为0的节点和意见为1的节点之间的比例足够大或足够小的时候，就坚持这个意见，并保持稳定。实际的算法看起来是这样的。如果80%的订阅意见为0，那么该节点选择意见0，反之亦然。否则，该节点随机选择一个介于0和1之间的值，其概率等于订阅的意见数量。因此，如果70%的订阅者有0的意见，30%的订阅者有1的意见，那么随机选取0的概率为0.7，1的概率为0.3。这比多数规则模型的优势在于，当某个选择成为明显的赢家时，整个共识网络的收敛速度非常快。而且，这个系统对攻击者的抵抗力非常强，但对共识过程中早期的错误行为的抵抗力就不那么强，因为它可能永远不会决定一个值。所以，我们的任务是把这两种模型结合起来，这样我们就可以最大限度地发挥它们的优点，把它们的缺点降到最低。

?

（模拟退火的图片）

?

解决的方法其实很简单：我们只需在一定比例的时间内使用多数定律，另一部分时间内模拟退火。所以，SKY舆情动态方程随机选择使用多数规则的概率为R，否则就使用模拟退火。对于SKY来说，经常使用的值是0.5，即50%的时间使用多数规则，50%的时间使用模拟退火。

?

经过一定数量的共识问题的一次迭代后（这个数字通常是40，但实际上可以是任何数字），一个节点必须达成一个决策。在这个决策之前，一个节点处于决策状态。决策选择的过程如下：一旦进行了足够多的轮次（40），节点就会对它所订阅的最终意见和自己的最终意见进行计数。0意见的计数为n0，1意见的计数为n1。注意，这并不是所有被观察到的意见的总数，这只是从被订阅者给出的最终意见，加上当前节点到达的最后一个意见。

?

如果n0>(n0+n1)*T，则选取意见0作为最终决定，将内部状态设置为决定，并广播此共识迭代的最终意见消息。反之亦然，对于意见1，则反之。这是我在这里要用的第一个也是唯一一个等式，所以我们来分解一下。你可以把n0+n1看作是最终订阅的意见总数加上节点本身。如果我们把这个等式重新排列一下，可能更有意义：n0/(n0+n1)>T。所以，如果在这个最后的计数中，如果超过T个百分比的意见是意见0的意见，那么我们的最终决定值就是0，如果在最后的计数中，超过T个百分比的意见1的意见，那么就是1，如果这两个比例都不大于T，那么这个节点就广播说它的决定是混乱的。

?

这正是SKY舆情动态白皮书中描述的模型，也将是Obelisk的共识算法所使用的模型。

?

2.??但是...........这个怎么办？

?

（信任之网，Skyciun天空币的保证。趁着实惠，赶紧抢购吧!）

?

前面介绍的一些算法有一些模糊不清的地方，这对SKY舆情动态框架来说，既是一个重要的资产，也是一个不利的因素。但需要注意的是，它并不是一个完整的、全面的解决方案，而恰恰是它所宣传的：一个框架。因此，在功能的添加和删除上有很大的空间，其中的一些功能我将在本节中讨论。

?

首先，如果我们的一个订阅节点决定被混淆，我们该怎么做？那么，我们可以忽略它的意见（这也是论文中建议的），或者我们可以将该节点移到嫌疑人列表中。我们甚至可以跟踪我们的一个订阅节点决定被混淆的次数；如果某个订阅的节点已经存在了至少X次共识迭代，我们就计算出该节点被混淆的时间百分比。如果这个百分比足够大，那么我们就可以取消订阅该节点。这样一来，我们就可以让网络不至于太过混乱，让网络更能容忍拜占庭故障。然而，我们甚至可以比这更进一步。如果一个节点连续出现一定次数的故障行为，我们可以很容易地直接取消订阅，甚至把这个节点列入黑名单，以防止网络中出现故障行为。

?

如果我们继续讨论这些?"检测和退订?"风格的改进，我们甚至可能会遇到一个常见的模型。这个模型包括一个共识事件，叫做?request to suspect。给定一些节点A、B和C，如果A判断出B有问题，而C是A的订阅者，那么A可能会向它的所有订阅者（包括C）广播请求怀疑B，然后当C收到这个消息时，C首先检查它是否订阅了B，如果是的话，那么C就会检查A在消息中包含的怀疑B的原因，同时C也会检查它自己对B的内部统计，如果C的结论是B确实有问题，那么C就可以采取行动。这种逻辑虽然有其优点，但有循环怀疑的风险，可能会使公共广播渠道出现不必要的混乱。但是，这种智能的、主动的怀疑信任社区和不断的审核和检查，使得算法本身处于另一种意识到的范式。Obelisk在选择怀疑、订阅和退订等逻辑时的灵活性，使得它的功能更加强大。

?

（显示图表或网络中的数据汇的图像）

?

另外，如果网络上的一些节点看到某一个节点的订阅者太多，因此出现了一些集中化的情况，这些节点可以发出通知，让部分订阅者退订该节点。如果在某一时刻，网络上有大量的节点要求节点退订，这些节点甚至可以把这个节点列入黑名单，防止集中化。同样，Obelisk的这种程度的认知和灵活性是其他去中心化的共识系统无法做到的。

?

但它并没有止于此。实际上，我们可以让每个节点跟踪网络上某些节点的意见的某种权重。权重，在计算机科学和数学中，只是一个值与另一个值相乘，从而使其?"权重?"不同。权重越大，这个值越重要，而权重越小，这个值就越不重要。因此，一个节点可以用每个订阅者的数量来给它的每个订阅者的意见加权。订阅者的数量越大，该节点的意见权重就越小。这样做的直接好处是，即使一个节点开始垄断/集中网络上的意见，也不会影响到该节点的内部决策过程。这种权重模型中蕴含着非同寻常的力量，仍然需要研究和探索，目前我对这一点非常感兴趣。我恳请有编码经验或研究背景的人去探索，因为BFT启发的、Web-of-Trust共识机制的潜在好处是惊人的。

?

（就像在滑轮系统中，配重可以帮助平衡）

?

它也会变得更好。让我们进入分布式甲骨文。有时候，网络中可能会出现这样的情况：大多数节点都到达了正确的共识值，但有些节点却一直卡住了。所谓的oracle，就是节点在共识过程中不发布自己的意见，只在共识迭代中发布最终的意见。这样一来，它对共识网络没有真正意义上的影响，相反，它是一个沉淀器。一个甲骨文的主要目标是提供网络的最佳表示，所以它要仔细选择要订阅哪些节点，这样总能到达正确的共识值。同时，分布式神谕可以发布他们的订阅集，因此共识网络中的任何给定节点都可以将自己与这个订阅集进行比较，以确定自己是否有问题。这提供了一种对整个共识网络进行采样的非侵入性的方法，并使节点对网络的安全有了更大的控制权。然而，分布式口令器的作用不仅仅是作为样本。

?

分布式神器在追求提供共识网络中最诚实和非侵入性的样本的同时，也是引导新节点加入网络的良好来源。当一个完全新的节点加入共识网络时，它没有订阅者，没有订阅，而且...........那么，它如何开始执行共识呢？嗯，利用分布式神器和它们的订阅列表，它们可以在网络上随机分配给它们订阅的节点。这种在点对点网络中给新的节点分配一些标准的?"初学者?"节点集来连接的过程被称为?"引导"（bootstrapping）。这个概念是相当普遍的，尽管它似乎会导致某种形式的中心化，但很有可能并没有。

?

在自动化节点如何寻找其他节点订阅的时候，一个天真而又强大的方法就是对等交换的概念。对等交换，即PEX，是指点对点网络中的某个节点查询其连接的节点中的一个节点，要求其连接的新节点。因此，如果节点A订阅了节点B，那么节点A可以向节点B询问网络上的一个新节点。B需要做的就是从自己订阅的节点集中随机给A一个节点，然后A就可以订阅这个节点。从本质上讲，PEX是对网状网络中的订阅连接树进行浅层的随机走访，让网络上的节点保持健康的连接。实际上目前在Skycoin的主节点系统中使用的是PEX，也是CXO 2.0中的关键设计功能之一。

?

（对等网络中的点对点交换有助于提高连接性。）

?

有一个积极关注的领域与信任网络模型中的一个弱点有关。这些模型中的社区本质上是由一群节点组成的，这些节点之间是相互连接的，彼此之间有着相同的意见和信任关系。在信任网中，社群是不可避免的，很多时候可能会导致问题的产生。当一个社区的信任网络与共识网络的其他部分变得过于分离或受制于人时，共识达成的速度会受到很大的影响。有一些解决方案可以防止某些社区的形成，比如随机取消某些节点的订阅。另一种不那么幼稚的方法是保持整个网络的整合，没有部分分离，可以通过分布式的oracles论证来看到。我们可以有一些匿名节点集，这些节点是不被侵犯的，不参与共识。它们的工作是通过在某些节点周围执行广度优先的随机漫步，映射出它们所在网络的局部拓扑结构。如果发现了一个大型信任网络，这个节点可能会订阅这些社区，试图让它们与网络的其他部分保持更多的联系。不过通常情况下，这些社区不会有太大的问题，但信任网络共识算法的架构师必须要注意到这些社区。

?

另外，我在之前对Obelisk的解释中可能遗漏了这一点，但是在Obelisk的共识网络中，有两类节点：块发布者节点和共识节点。区块发布者节点的任务是提出区块，而共识节点实际参与共识过程（SKY）。区块发布者和共识节点可能是随机选择的，网络中的一部分（如20%）是区块发布者，另一部分（如80%）是共识节点。但是，这两个节点都是验证消息、交易和所有其他事件的节点。

?

（因为方尖碑可以灵活扩展，所以威力很大，听到了吗？这就是Obelisk在渗透到去中心化共识世界时的强大推力动作。）

?

我还想提一下SkyHash。?SkyHash是SKY模型的扩展，改用共识模型计算哈希值。对于某些哈希值中的每一个位，都是利用SKY舆情动态模型计算出的值。所以对于一个共识轮（不是一个共识迭代），要做256次SKY轮，才能得到256位的伪哈希值P。这实际上可以不需要每个节点发送256个共识消息就可以完成，因为对于它的伪哈希值中的每个比特位置，它只是应用了相同的算法（SKY）。因此，意见不再是二进制值，而是现在的256位伪哈希值。

?

在SkyHash中，一个节点用一种新的算法来选择它的新意见/伪散列。这个新算法的工作原理是这样的：给定一个节点N所订阅的所有伪哈希意见（我们就直接称之为意见，因为本质上就是意见），再加上节点当前的意见P，这个新算法从这个集合中选择N的新意见为节点当前的意见P和这个新意见之间的距离最小的一个。如果有多个选择，则随机选择一个。我所说的距离，是指一个被称为Hamming距离的概念。本质上，任何两个散列之间的哈希距离是指不相等的比特数。因此，对于一个二进制值为1001的哈希数和另一个二进制值为1010的哈希数，它们之间的哈希数距离是两个，因为从第二位到最后一位的二进制位数和最后一位的二进制位数是不同的。从本质上说，通过使用这种算法，可以平滑地解决二进制版本的共识算法可能出现的一些问题，并导致了一些真正意义上的显著结果

?

(一个人，一个计划，一个区块链。Skycoin。)

?

新的算法SkyHash，不仅能与Proof-of-of-Work、Proof-of-of-Stake以及其他所有的Web-of-Trust共识算法相抗衡，而且在每一种算法上都有巨大的改进。首先，SkyHash能够容忍蚀刻攻击，因为底层网络逻辑禁止任何一组正确的节点对网络产生过多的影响。第二，SkyHash可以容忍Sybil攻击，因为这样的新节点不会出现在信任关系图中，只能形成社区，对网络的安全性和达成共识的能力几乎没有影响。第三，该网络是完全自主的、智能的、权力分散的，不依赖昂贵或低效的方法，这使得该网络比工作证明（Proof-of-of-Work）更好。第四，该网络能够容忍拜占庭式的故障，因为每个节点都有疑虑和意识，在自动订阅或取消其他节点的订阅时，可以做出智能选择。第五，它不可能被51%的攻击所打败，因为SkyHash即使在大多数故障节点存在的情况下，也可以用它的模型达成共识。这其中的数据就在本文中。但要注意的是，它的阅读量很大。第六，用Obelisk来分叉区块链几乎是不可能的。该算法的底层软件定义的内容分发和存储网络--CXO 2.0，在它所使用的环境中集成了大量的内容分发和存储，因此几乎不可能实现分叉。事实上，Skycoin的Fiber也能逃过分叉，因为它的设计是不可分叉的，可以防止分叉攻击的发生。我可以继续说下去了。

?

3.??那么...........是不是更好？

（显然，这样做会更好。未来就是现在! Synth保证了这一点。）

?

总而言之...........是的，它可以用在很多方面，而不仅仅只用于区块链。Obelisk是如此的灵活。

?

1.投票的异步治理系统。

2.用于支付结算和清算的银行软件。

3.物联网设备作为一种嵌入式的方式，可以在不可靠的网络中同步某些数据。

4.本地甚至全球范围内的物流跟踪软件。

...等等等等等等。但我敢肯定，你最关心的事情是："它可以用来做加密货币吗？"?绝对是的。为什么不可以？这就是它的设计初衷。

?

关于方尖碑共识的安全性、灵活性和威力，过去已经做了很多独立测试。2018年在一个DLT技术论坛上，一位匿名用户构建了一个Sky舆情动态网络的测试，这也是未来使用该系统进行工作的一个很好的基线（虽然可能会有一些问题，因为用户可能没有包含多轮共识）。此外，还有?johnstuartmill?编写的?Obelisk?初步版本的代码测试，这些代码并不用于研究，但可以作为原型实现的良好基线。

?

在涉及Obelisk式共识模型的研究领域，还有很多工作要做。而目前理论状态下的Obelisk可以作为未来研究的一个很好的框架，如果可以的话，我建议你们中的很多人都去做，因为这可能会很有趣，可能会带来共识模型的未来。

?

至于我们什么时候可以期待Obelisk。CXO 2.0是Obelisk工作开始的最大也是最后一个要求。我曾与CXO 2.0的开发者进行过交流，他们表示，CXO 2.0的当前版本的运行情况非常好，在未来几个月内，我们可能会看到Obelisk的编写测试取得突破性进展。虽然我不想透露任何具体的日期，但一定要通过查看官方微博账号和加入Skycoin电报频道来了解Skycoin的消息。

?

第五章：结论

?

（Skycoin、方尖碑...........你能说出一个比这更具有代表性的共识解决方案吗？）

?

我们今天在这里涵盖了很多内容。我们讨论了当今人们对共识的兴趣和过去所做的工作以及工作证明的动机。我们展示了Proof-of-Stake的荒谬性，同时也暗示了Ethereum白皮书中的一些潜在的变革动机。我们在BFT的背景下探讨了共识作为一个数学问题的密集历史。而且，最重要的是，我们提供了关于方尖碑共识算法的全面概念文本。

?

虽然我没有机会解释其他一些现代的共识方法，比如IOTA的Tangle或Radix Tempo，我没有机会解释它们的缺点，但我确实尝试着提供了足够的上下文，这样你可以在将来阅读它们的技术解释时，带着理解它们的概念性知识来理解它们。

?

谢谢你一直坚持到看到最后，并且希望你能更多的参与到社区中来，进行更多的探讨。

?

原文作者：

Geoffrey Kublin——BTC、ETH、Skycoin开发者。

欢迎添加客服微信skycoin-china加入Skycoin中国社区。