Hyperledger Fabric2.x的一些基本概念之(一)

 点击101链视界,关注不走丢

大家好,我是阿创,这是我的第30篇原创文章。

我比较爱看书,2021年全年我的阅读量大概是20+本书,涵盖法律、哲学、技术、人文。 但是阅读量一上来反而会觉得,单纯的阅读其实是在逃避,所以我决定还是将自己的阅读和思考梳理出来,写一点对大家有帮助的文字。 最近一直在思考自己的核心竞争力在哪里,我发现还是要聚焦到技术领域,经过一段时间的摸索,决定近期聚焦Fabric的源码,写一个系列文章。 虽然网上有很多解读Fabric源码的博客,但我希望写点不一样的。曾经听过张宇老师的课,他在课上介绍了华罗庚先生曾经说过的一句话:“数无形时少直觉,形少数时难入微。” 我对这句话十分认同,因此也想斗胆用图表配上文字来表达自己的思考,希望对你,对我都有帮助。 本系列文章将以Hyperledger Fabric2.x系列为基础进行分析。 Fabric源码解读的第一篇文章,题为:《Hyperledger Fabric2.x的一些基本概念之(一)》,主要介绍交易、区块两个概念。
  1. 交易(Transaction)

交易(Transaction,或称为事务)是Fabric的核心概念,通常是指通过调用链码(智能合约)改变账本状态数据的一次操作。 对账本状态的变更是用交易结果读写集来描述的,将交易集合经过Orderer节点排序后按规则打包到区块中。
    
(1)普通交易消息封装了变更账本状态的执行交易结果,需要经过排序后打包成区块。   
(2)配置交易消息则用于创建新的应用通道或更新通道配置,通常在排序后单独打包成区块,同时将最新配置区块号更新到最新的区块元数据中以便于索引查找。
  1. 区块(Block)

区块(Block)是指一段时间内发生的交易集合,经排序后按规则打包后并添加签名、哈希值、时间戳与其他元数据所构成的数据结构。
区块链就是以区块为基础按照时间顺序连接构成的链状数据结构。
Fabric中的区块结构(Block类型)包括区块头Header、交易数据集合Data以及区块元数据Metadata三个部分。
(1)区块头Header封装了区块号、前一个区块的哈希值、当前区块的哈希值 (2)交易数据集合Data封装了打包的交易集合 (3)区块元数据Metadata封装了如下4个元数据索引项:
  • BlockMetadataIndex_SIGNATURES:区块签名;

  • BlockMetadataIndex_LAST_CONFIG:最新配置区块的区块号;

  • BlockMetadataIndex_TRANSACTIONS_FILTER:最新交易过滤器,封装了交易数据集合Data中所有交易对应的交易验证码,标识其交易的有效性。

  • BlockMetadataIndex_ORDERER:Orderer配置信息,如Kafka共识组件的初始化参数。

实际上,真实的区块数据结构远比上图复杂,本文权当抛砖引玉,为后文的深入介绍打下基础。 这里放出Fabric区块数据结构的代码:github.com/hyperledger/fabric-protos-go/common/common.pb.go
 // This is finalized block structure to be shared among the orderer and peer// Note that the BlockHeader chains to the previous BlockHeader, and the BlockData hash is embedded// in the BlockHeader.  This makes it natural and obvious that the Data is included in the hash, but// the Metadata is not.type Block struct {   Header               *BlockHeader   `protobuf:"bytes,1,opt,name=header,proto3" json:"header,omitempty"`   Data                 *BlockData     `protobuf:"bytes,2,opt,name=data,proto3" json:"data,omitempty"`   Metadata             *BlockMetadata `protobuf:"bytes,3,opt,name=metadata,proto3" json:"metadata,omitempty"`   XXX_NoUnkeyedLiteral struct{}       `json:"-"`   XXX_unrecognized     []byte         `json:"-"`   XXX_sizecache        int32          `json:"-"`} 
期待后面我们一起对fabric区块数据结构做深入剖析,像剥洋葱一样,循序渐进,由浅入深

如果你觉得写得不错

麻烦给个赞~

关注我,带你了解区块链行业

推荐阅读:

1、一个好用的多方隐私求交算法库MultipartyPSI-Pro

2、区块链产业发展五大趋势:数据安全、科技监管、自主可控、双碳战略、数字经济

3、揭秘北京冬奥会开幕式“数字雪花”背后的区块链技术

4、Web3对于我们普通人意味着什么?

5、最近火爆的数字藏品究竟是什么?

6、《区块链是构建产业互联网的可信基础设施》

7、《隐私计算布局思考》

8、读书 |《数据资产论》:数据如何资产化?

9、区块链产业发展五大趋势:数据安全、科技监管、自主可控、双碳战略、数字经济


 提前看到未来的人,
  和花一辈子都看不清的人,  注定是截然不同的命运。

点击下方卡片关注101链视界,和1000+读者一起

洞察技术本质

101链视界
区块链、隐私计算与金融科技领域的专业知识分享者。
29篇原创内容
公众号

▲ 点击上方卡片关注101链视界,洞察技术本质

技术交流 行业研报 | 前沿洞察 | 转载开白 | 加入社群

请在公众号后台回复  合作 

欢迎把文章分享到朋友圈

本文使用 文章同步助手 同步

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,242评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,769评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,484评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,133评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,007评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,080评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,496评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,190评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,464评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,549评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,330评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,205评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,567评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,889评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,160评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,475评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,650评论 2 335

推荐阅读更多精彩内容