分散網路在數據豐富,超連接的世界中的作用

當涉及到計算機數據存儲時,似乎我們用完了數字。 如果年齡足夠大,您可能還記得1980年代磁碟存儲的度量單位是千位元組。 如果您還年輕,您可能更熟悉以GB為單位的拇指驅動器或今

分散網路在數據豐富,超連接的世界中的作用

當涉及到計算機數據存儲時,似乎我們用完了數字。 如果年齡足夠大,您可能還記得1980年代磁碟存儲的度量單位是千位元組。 如果您還年輕,您可能更熟悉以GB為單位的拇指驅動器或今天擁有TB的硬碟驅動器。

人類不可思議的數據足跡

但是我們現在正在以前所未有的速度生成數據。 結果,我們將需要能夠掌握如此之大的數字,以至於它們似乎幾乎超出了人類的理解範圍。 為了對我們正在進入的新領域有所了解,請考慮以下問題:市場情報公司IDC估計,到2020年,全球數據創建和消費總量將達到59 ZB,即59萬億千兆位元組的舊資金。

然而,儘管現有的數據總量幾乎不可思議,但其增長速度卻更加驚人。 早在2012年,IBM計算出全球數據的90%是在前兩年創建的。 從那時起,全球數據量呈指數級增長,並且趨勢將持續下去。 的確,IDC預測,在未來三年中,人類將創造比過去三十年更多的數據。

顯而易見的問題是:發生了什麼變化? 為什麼我們突然產生比以往更多的數據? 當然,智能手機是故事的一部分。 現在,每個人都可以在口袋裡有效地攜帶一台移動計算機,這使上一代台式計算機的功能相形見war。 這些機器不停地連接到互聯網,即使在閑置時也不斷地接收和傳輸數據。 美國Z一代成年人平均每天解鎖手機79次,大約每13分鐘解鎖一次。 這些設備始終處於開啟狀態,導致大量新數據產生,每24小時發出5億條新推文,4,000 TB Facebook帖子和650億條新WhatsApp消息向網路空間發射。

智能手機只是冰山一角

但是,智能手機只是新數據現實中最明顯的體現。 儘管您可能會假設像Netflix和YouTube這樣的視頻平台構成了全球數據的最大份額,但實際上,整個消費者份額僅佔大約50%,並且這個百分比預計在未來幾年會逐漸下降。 那麼,剩下的是什麼呢?

物聯網和連接設備的興起進一步擴大了我們的全球數據覆蓋範圍。 實際上,最快的同比增長發生在稱為嵌入式數據和生產率數據的一類信息中。 這是來自感測器,連接的機器以及自動生成的元數據的信息,這些數據存在於幕後,超出了最終用戶的視野。

以自動駕駛汽車為例,該自動駕駛汽車使用攝像頭,聲納,激光雷達,雷達和GPS等技術來監控交通環境,繪製路線圖並避免危險。 英特爾計算得出,使用當前技術的自動駕駛汽車平均每天將產生4 TB的數據。 從一個角度來看,一輛汽車每天將產生相當於3,000人的數據量。 此外,至關重要的是要安全地存儲此數據。

一方面,這對於安排服務間隔和最有效地診斷技術問題很有用。 它也可以用作分散系統的一部分,以協調交通流量並最大程度地減少特定城市的能源消耗。 最後,可能也是最重要的一點是在短期內,這對於解決人身傷害或事故中的法律糾紛至關重要。

無人駕駛汽車只是整個故事的一小部分。 根據麥肯錫公司(McKinsey&Company)的調查,使用物聯網技術的企業百分比在2014年至2019年間已從13%增加到25%,預計到2023年設備總數將達到430億。從工業物聯網到整個智能城市,未來的經濟中,連接的設備數量將大大增加,從而產生潛在的高度敏感甚至關鍵數據。

摩爾定律的盡頭在眼前嗎?

有兩個因素需要考慮,並且都指向分散網路的實用性的增加。 首先,儘管我們擁有比以往任何時候都更多的數據來應對全球挑戰,例如氣候變化,金融不穩定以及諸如COVID-19之類的機載病毒的傳播,但就這些信息可以提供多少而言,我們可能正在接近一個嚴格的技術界限由集中式計算機實時處理。 儘管近年來數據量呈指數增長,但處理能力並未以相同的速度增長。

1960年代,英特爾聯合創始人戈登·摩爾(Gordon Moore)提出了摩爾定律,該定律指出,隨著微晶元上的晶體管數量每兩年翻一番,計算能力將以相應的速度增加。 但是摩爾本人承認這不是科學定律; 它更多是一個暫時的統計觀察。 他承認,在2010年,隨著晶體管的尺寸越來越接近原子,計算機處理能力將在未來幾十年內達到嚴格的技術極限。 之後,可以向處理器添加更多內核以提高速度,但這將增加設備的尺寸,成本和功耗。 因此,為了避免瓶頸效應,我們將需要找到監視和響應數據的新方法。

要考慮的第二個因素是網路安全。 在相互聯繫日益緊密的世界中,數百萬台新設備正在上線。 他們提供的數據可能會影響諸如如何控制電網,如何管理醫療保健以及如何管理流量等問題。 結果,邊緣安全性(位於網路核心外部的數據安全性)變得至關重要。 這給網路安全專家帶來了複雜的挑戰,因為設備和協議的許多不同組合為中間人入侵提供了新的攻擊面和機會。

向自然界中的網路學習

如果集中式處理太慢且不安全,以至於數據豐厚的經濟體將不復存在,那有什麼替代方案? 一些專家一直在自然界中尋找靈感,認為我們應該從上至下轉換為自下而上的監視和響應數據模型。 以螞蟻殖民地為例。 儘管每隻螞蟻的智力都相對較低,但總的來說,螞蟻殖民地設法創造並維持複雜,動態的覓食路線網路,這些路線可以將多個巢與短暫的食物來源聯繫起來。 他們通過遵循一些簡單的行為並對本地環境中的刺激做出反應來做到這一點,例如其他螞蟻的信息素蹤跡。 然而,隨著時間的流逝,進化在個人層面上發掘出了本能和行為,從而形成了在宏觀層面上高效且強大的系統。 如果一條小路被風或雨水破壞,螞蟻將找到一條新路線,而任何螞蟻都不會意識到維護網路的總體目標。

如果可以將相同的邏輯應用於組織計算機網路怎麼辦? 與蟻群相似,在區塊鏈網路中,許多處理能力適中的節點可以結合起來產生大於其各個部分之和的全局結果。 正如本能和行為本質上是至關重要的一樣,控制節點如何交互的規則對於確定網路在實現宏觀目標方面的成功程度也至關重要。

在一個互惠互利的網路中協調每個權力下放參與者的動機,需要花費數千年的時間才能自然掌握。 因此,對於分散網路的人工設計者來說,這也是一個艱巨的挑戰,這不足為奇。 但是,儘管就其潛在利益而言,動物的基因突變基本上是隨機的,但我們的優勢在於能夠有目的地建模和設計激勵措施,以實現共同的總體目標。 這是我們的首要考慮:目標是消除對個體參與者的所有有害激勵,這些激勵會侵蝕整個網路的效用和安全性。

通過以這種方式精心設計激勵結構,分散式網路可以極大地增強邊緣安全性的程度。 就像一隻螞蟻的尋路網路即使一隻螞蟻迷路或死亡也將繼續起作用一樣,分散網路同樣強大,即使單個節點崩潰或離線,網路也能保持全部功能。 此外,對於整個網路來說,不是單個節點需要處理或理解全部數據中的全部數據就可以對其做出響應。 這樣,一些研究人員認為,我們可以創建一種經濟激勵結構,以分散的方式自動檢測並響應常見的挑戰。

結論

我們正在生成的數據量呈爆炸式增長,並且我們使用集中式計算機網路進行監視和響應的能力已接近極限。 因此,分散式網路非常適合未來的挑戰。 許多研究,測試和實驗仍有待完成,但是基礎技術的基本魯棒性和實用性已得到證明。 隨著我們走向一個數據豐富,高度互聯的世界,去中心化網路可能在從物聯網中獲得最大的經濟和社會利益方面發揮重要作用。

本文表達的觀點,思想和觀點僅是作者的個人觀點,不一定反映或代表Cointelegraph的觀點和觀點。

斯蒂芬妮·蘇是區塊鏈安全公司Geeq的經濟學家,政策分析師和聯合創始人。 在她的整個職業生涯中,她都在自己的專業領域應用了技術。 在2001年,她是國家超級計算應用程序中心率先在社會科學數據上使用機器學習的人。 最近,她在范德比爾特大學(Vanderbilt University)擔任高級講師,研究了醫療保健和患者安全中分散式網路過程的使用。 斯蒂芬妮畢業於普林斯頓大學和羅切斯特大學。

分散網路在數據豐富,超連接的世界中的作用

—-

原文鏈接:https://cointelegraph.com/news/the-role-of-decentralized-networks-in-a-data-abundant-hyperconnected-world

原文作者:Cointelegraph By Stephanie So

編譯者/作者:wanbizu AI

玩幣族申明:玩幣族作為開放的資訊翻譯/分享平台,所提供的所有資訊僅代表作者個人觀點,與玩幣族平台立場無關,且不構成任何投資理財建議。文章版權歸原作者所有。

0

發表迴響