区块链技术细节：哈希算法
本文来自《极客时间》，左耳听风 付费专栏。只有部分内容，我个人感觉讲的通俗易懂，摘抄下来慢慢品，更有意思的其实是评论内容，想看完整内容的请自行前往购买。
对于计算机来说，区块链就像一个单向链表，一个数据块中保存着三个信息。
- 真正的数据。
- 自己的地址（或是 ID）。
- 前一个数据块的地址。
这样，通过追溯前一个块的地址，把所有的数据块存成了一条链。所以，我们叫其 BlockChain。如下图所示。
每个数据块的“地址”的编码使用了计算机上的一个算法，计算机圈内人士把这个算法叫 Secure Hash。有人音译为“安全哈希”，也有人意译为“安全散列”。在计算机应用中，hash 算法主要有几个功能。
- 用来生成唯一标识一个数据块的 ID（身份证），这个 ID 几乎不能重复。
- 用来做数据的特征码。只要数据中一个 bit 的数据出现更改，那么整个 hash 值就完全不一样了。而且数学上保证了，我们无法通过 hash 值反推回原数据。
于是，很多公司在互联网上发布信息或软件的时候，都会带上一个 Checksum（校验码）。你只要把整个文件的数据传入到那个特定的 hash 算法中，就会得到一串很长的字符串。如果和官方发布的 Checksum 字符串不一样，那么就说明信息或文件内容被人更改或是信息残缺了。因此，也被应用在“数字签名”中。
在计算机世界里，有两个很著名的 hash 算法，一个叫 MD5（Wikipedia 链接），一个叫 SHA-2（Wikipedia 链接, sha-1算法已被破解 ）， 区块链用的是 SHA-256 这个算法。
下面是一个示例。
- 对 “chen hao” 这个信息计算 MD5 值得到 9824df83b2d35172ef5eb63a47a878eb（一个 16 进制数）。
- 如果对 “chen hao" 做一个字符的修改，将字母 “o” 改成数字 "0”，即 “chen ha0”，计算出来的 MD5 值就成了 d521ce0616359df7e16b20486b78d2a8。可以看到，这和之前的 MD5 值完全不一样了。
于是，我们就可以利用 hash 算法的这个特性来对数据做 " 数字签名 "。也就是说，我将 " 数据 " 和其 " 签名 "（hash 计算值）一起发布，这样可以让收到方来验证数据有没有被修改。我们再来看上面那个区块链的图。
对于第一块数据，我们把其“数据集”和“前数据块的 hash 值 00000a6cba”一起做 hash 值，得到本区块的地址 000007cabfa。然后，下一个区块会把自己的数据和 000007cabfa 一起做 hash，得到 000008acbed 这个哈希值……如此往复下去。根据“被 hash 的数据中有一个 bit 被修改了，整个 hash 就完全不一样了”这个特性，我们知道：
- 如果前置数据块中的数据改了，那么其 hash 就会完全不一样了，也就是说你的 ID 或地址就变了，于是别人就找不到这个数据块了。
- 所以，你还要去修改别人数据块中指向你的地址，但是别人数据块中指向你的地址（ID/hash）变了，也会导致他自己的地址（ID/hash）随之变化。因为他用你的地址生成了自己的地址，这样一来，你就需要把其他人的地址全部改掉。
在这样的连锁反应下，你想要偷偷修改一个 bit 的难度一下就提高很多。所以，在区块链的世界里，越老的区块越安全也越不容易被人篡改，越新的区块越不安全也越容易被人篡改。
比特币的 hash 算法
下面我来简单介绍一下，比特币中区块链的一些细节。下图是区块链的协议格式。
其中 Version，Previous Block Hash，Merkle Root，Timestamp，Difficulty Target 和 Nonce 这六个数据字段是区块链的区块数据协议头。后面的数据是交易数据，分别是：本块中的交易笔数 H 和交易列表（最多不能超过 1MB，为什么是 1MB，后面会说）。
下面我来说一下区块头中的那六个字段的含义。
- Version：当前区块链协议的版本号，4 个字节。如果升级了，这个版本号会变。
- Previous Block Hash：前面那个区块的 hash 地址。32 个字节。
- Merkle Root：这个字段可以简单理解为是后面交易信息的 hash 值（后面具体说明一下） 。32 个字节。
- Timestamp：区块生成的时间。这个时间不能早于前面 11 个区块的中位时间，不能晚于 " 网络协调时间 "——你所连接的所有结点时间的中位数。4 个字节。
- Bits：也就是上图中的 Difficulty Tagrget，表明了当前的 hash 生成的难度（后面会说）。4 个字节。
- Nonce：一个随机值，用于找到满足某个条件的 hash 值。4 字节。
对这六字段进行 hash 计算，就可以得到本区块的 hash 值，也就是其 ID 或是地址。其 hash 方式如下（对区块头做两次 SHA-256 的 hash 求值）：
SHA-256(SHA-256 (Block Header))
当然，事情并没有这么简单。比特币对这个 hash 值是有要求的，其要求是那个 Bits 字段控制的，然后你可以调整 Nonce 这个 32 位整型的值来找到符合条件的 hash 值。我们把这个事情叫做“挖矿”（在下一篇中，我们会详细讲一下这个事）。
关于 Merkle Root
前面说到过，可以简单地将 Merkle Root 理解为交易的 hash 值。这里，我们具体说一下，比特币的 Merkle Root 是怎么计算出来的。
首先，我们知道，比特币的每一笔交易会有三个字段，一个是转出方，一个是转入方，还有一个是金额。那么，我们会对每个交易的这三个字段求 hash，然后把交易的 hash 做两两合并，再求其 hash，直到算出最后一个 hash 值，这就是我们的 Merkle Root。
我画了一个图展示一下这个过程。(ps: 这个图要倒过来看看。下面的是交易细节，最上面的Hash ABCD才是最终结果。)
Bob->Alice $50
Jack->Mark $20
Tom->Jerry $70
Hao->Chen $100
这4笔没有啥关联。
上面的示意图中有四笔交易，A 和 B 的 hash 成了 Hash-AB， C 和 D 的 hash 成了 Hash-CD，然后再做 Hash-AB + Hash-CD 的 hash，得到了 Hash-ABCD，这就是 Merkle Root。整个过程就像一个二叉树一样。
下图是一个区块链的示意图，来自比特币的白皮书。
为什么要这样做呢？为什么不是把所有的交易都放在一起做一次 hash 呢？这不也可以让人无法篡改吗？这样做的好处是——我们把交易数据分成了若干个组。就像上面那个二叉树所表示的一样，我们可以不断地把这个树分成左边的分支和右边的分支，因为它们都被计算过 hash 值，所以可以很快地校验其中的内容有没有被修改过。
这至少带来三个好处。
- 大量的交易数据可以被分成各种尺寸的小组，这样有利于我们整合数据和校验数据。
- 这样的开销在存储和内存上并不大，然而我们可以提高校验一组数据的难易程度。
- 在 P2P 的无中心化网络上，我们可以把大量数据拆成一个一个小数据片传输，可以提高网络的传输速度。
最后，需要说一下的是，以太坊有三个不同的 Merkle Root 树。因为以太坊要玩智能合约，所以需要更多的 Merkle Root。
- 一个是用来做交易 hash 的 Merkle Root。
- 一个是用来表示状态 State 的。因为一个智能合同从初始状态走到最终状态需要有若干步（也就是若干笔交易），每一步都会让合同的状态发生变化，所以需要保存合同的状态。
- 还有一个是用来做交易收据的。主要是用来记录一个智能合约中最终发生的交易信息。在 StackExchange 上的问题 “Relationship between Transaction Trie and Receipts Trie” 中有相应的说明，你可以前往一看。
以太坊称其为 Merkle Patricia Tree（具体细节可参看其官方的 Wiki）。
比特币的交易模型
比特币区块中的交易数据，其实也是一个链。为了讲清楚这个链，我们需要了解一下比特币交易中的两个术语，一个是 input，一个是 output，也就是交易的支出方（input）和收入方（output）。(ps: 这里的理解有点别扭，可以这么理解，Alice -> Bob, 对中间的箭头来说， Alice就是input, Bob就是output。)
在比特币中，一个交易可以有多个 output，也就是说我可以把一笔钱汇给多个人，但一个 output 只能对应一个源的 input，还有一个条件就是，output 跟 input 的总数要吻合。
这里举个例子。假设，Fred 给了 Alice 2 个比特币，Ted 给了 Alice 3 个比特币，这个时候，Alice 有 5 个比特币。然而，大比特币的世界里是没有余额的，所以，对于 Alice 来说，她只有两个没有花出去的交易，一个是 2 个比特币，一个是 3 个比特币。这在比特币中叫 UTXO（Unspent Transaction Output）。此时，如果 Alice 想要转给 Bob 4 个比特币，她发现自己的两个交易中都不够，也不能拆开之前的那两个比特币交易，那么她只能把交易 2 和交易 3 当成 input，然后把自己和 Bob 当成 output，Bob 分得 4 个，她自己分 1 个。这样的交易才平衡。
于是，一笔交易可能会包含大量的 Input 和 Output。因为比特币没有“余额”的概念，所以需要通过多个 input 来凑，然后 output 这边还需要给自己找零，给矿工小费。
这样一来，在比特币交易中，你把钱给了我，我又给了张三，张三给了李四……就这样传递下去，形成了一个交易链。因为还没有花出去，所以就成了 UTXO，而系统计算你有没有钱可以汇出去时，只需要查看一下你的 UTXO 就可以了。
(图片来源：https://bitcoin.org/en/developer-guide )
UTXO 因为没有账户和余额的概念，所以可以并行进行多笔交易。假如你有多个 UTXO，你可以进行多笔交易而不需要并行锁。然后其还有匿名性的特征，你可以隐藏自己的交易目的地（通过设置的多个 output），而且没有余额意味着是没有状态的。要知道你有多少个比特币，只需要把 UTXO 的交易记录统计一下就可以知道了。但这也让人比较费解，而且也不利于应用上的开发。以太坊则使用了余额的方式。（Ps: 感觉这个有个尴尬的地方，譬如我有10笔1个的UXTO, 然后对方要5个，我怎么才能和对方达成交易呢？貌似不可以。这样岂不是越来越碎片化？）
补充：
所以，为什么是1M？
1）中本聪经常在代码里放一些不说明的事，这个就是一个。
2）区块有大小限制容易理解，一个是为了更好地去中心化，因为如果尺寸下限，算力大的可以打包更多的交易，就中心化了。另一个是为了节省网络带宽。
3）为什么是1M而不是2M，这是中本聪设置的，但他并没有做出解释。