比特幣bittree

1. c結構體指針變數問題

你這么理解吧，typedef相當於把後面的類型重命名，

你可以替換理解一下，比如 typedef int INT，就是 INT等價int
那麼如果是 typedef int *INT，就是*INT 等價 int ，想想看什麼類型取* 會變成int？當然是int *類型了。
同理，你不該想*BitTree是什麼類型，而是BitTree就是BitNode *，指向BitNode的指針。BitTree *p就是指向BitNode指針的指針

2. 比特幣之前暴漲，為什麼跌起來的速度更快

比特幣價格加速上漲的同時，也出現了跌速更猛的回調。

根據比特幣新聞資訊網Coindesk價格，1月11日，比特幣價格一度跌至30305美元左右，較歷史最高價41962美元下跌27.78%。換句話說，比特幣價格從40000美元下跌至30305美元，僅隔短短的1天多的時間。而此前，從30000美元上升至40000美元，比特幣花了6天時間。

從宏觀經濟大環境看，於佳寧認為，1月11日回調可以認為是海外主流投資機構採取的避險措施。他認為，比特幣今年的上漲原因之一就是美元指數的持續下跌。目前拜登政府即將上台，「利空出盡就是利好」，美元有反彈可能，全球大宗商品資產都出現了大幅的回調，數字資產市場也隨之調整。

近幾日，美元指數已出現顯著上漲，截至發稿，美元指數約為90.49，較前一日下降0.06，較1月6日收盤價89.42上升1.16%。

他還指出，不少比特幣礦工選擇在相對較高的價位進行拋售。從cq.live的數據上看，礦工頭寸指數（MPI）已觸及今年高位。MPI指數高於2，表明礦工在挖礦後傾向於出售比特幣；如果MPI為負值，則表明他們對短期走勢的看好，選擇囤積比特幣。目前該數值約為5.26，說明礦工們正在場外市場或交易所出售比特幣。此外，ByteTree的數據同樣顯示，近一周內比特幣礦工共計挖出6894個比特幣，但出售了10047個比特幣，這意味著礦工總體拋售了近3153枚比特幣存貨。

於佳寧提到，本次下跌還有一個原因就是美國最大的合規交易所Coinbase等交易平台在市場劇烈波動情況下後出現網站宕機，用戶的交易被延遲，許多買入委託操作無法正常交易，這也導致了網站上的比特幣價格遠遠低於市場價格，進一步加劇了市場恐慌。

「因為coinbase系統故障，導致昨天只能賣不能掛買單，買單無法成交，整個交易世界秩序被破壞了。」一位幣圈從業人員也說道。

監管告誡比特幣波動風險

值得注意的是，近期，比特幣的大起大落也引起了各國監管部門的警惕。

1月12日，據紐西蘭先驅報（nzherald）報道，紐西蘭金融市場管理局（FMA）發布警告，告誡紐西蘭民眾謹慎投資加密貨幣。

「考慮購買比特幣之類的加密貨幣的紐西蘭人應該意識到，它們是高風險且高度波動的資產，」紐西蘭金融市場管理局發言人說，「加密貨幣在紐西蘭不受監管，騙子和黑客經常利用加密貨幣。」

而英國也在加強加密貨幣的監管，據1月9日《泰晤士報》報道，匯豐銀行決定停止為英國的客戶提供加密貨幣交易服務，包括禁止客戶將資金從數字錢包存入匯豐銀行。與此同時，許多其他英國銀行都禁止客戶使用信用卡購買比特幣等數字貨幣。

「以穩定幣為代表的虛擬貨幣正在面臨愈加復雜的合規性風險。隨著越來越多的經濟活動遷移到區塊鏈上，行業面臨的合規壓力非常大。USDT等穩定幣的發行量在2020年達到爆發式增長，創下歷史新高。在這背後，部分使用需求源自於合規的正常交易，但也存在洗錢、非法融資等存在問題的黑灰需求，未來區塊鏈行業將遇到越來越多的合規挑戰。」於佳寧表示。

他指出，PeckShield發布2020年年度虛擬貨幣反洗錢報告顯示，2020年未受監管的出境虛擬貨幣價值達175億美元，較2019年增長51%，且仍在快速增長。涉及虛擬貨幣的詐騙案件持續發，達到151起，較2019年增長655%。

於佳寧說：「2020年下半年開始，詐騙、攻擊、勒索、賭博等產，以及洗錢、跑分等灰產，開始轉為使虛擬貨幣洗錢，勒索類案件快速增長，虛擬貨幣反洗錢形勢嚴峻，在2021年區塊鏈和數字資產行業有必要採用更加嚴格審慎的KYC（認識你的客戶）審查機制，執行更加嚴格的反洗錢標准。」

3. 求助，二叉樹的查找結點問題

#include<stdio.h>
#include<stdlib.h>
#include<conio.h>
typedef int ElemType;
typedef struct BitNode{
ElemType data;
struct BitNode *lchild,*rchild;
}BitNode,*BitTree;
BitTree CreateBiTree(void){
BitTree bt;
ElemType x;
scanf("%d",&x);
if(x==-1) bt=NULL; //安排空指針
else {
bt=(BitTree)malloc(sizeof(BitNode));
bt->data =x; //生成新結點
bt->lchild =CreateBiTree(); //建立左子樹
bt->rchild =CreateBiTree(); //建立右子樹
}
return bt; //返回根節點指針
}
void InOrderTraverse(BitTree bt) //中序遍歷
{ if(bt!=NULL) {
InOrderTraverse(bt->lchild);
printf("%4d",bt->data);
InOrderTraverse(bt->rchild); }
}
int n=0;
int leafcount(BitTree bt)
{
if(bt!=NULL) {
if(bt->lchild==NULL&&bt->rchild==NULL) n++;
leafcount(bt->lchild);
leafcount(bt->rchild); }
return n;
}
BitTree exchangetree(BitTree bt){
BitTree t;
if(bt!=NULL) {
if(bt->lchild!=NULL||bt->rchild!=NULL)
{
t=bt->lchild;bt->lchild=bt->rchild;bt->rchild=t; }
bt->lchild=exchangetree(bt->lchild);
bt->rchild=exchangetree(bt->rchild); }
return bt;
}
int hightree(BitTree bt)
{
int H,H1,H2;
if(bt==NULL) H=0;
else{
H1=hightree(bt->lchild);
H2=hightree(bt->rchild);
H=(H1>H2?H1:H2)+1;
}
return H;
}
int find=0;
void searchtree(BitTree bt,ElemType x)
{
if(bt!=NULL&&!find)
if(bt->data==x)
{
find=1;
printf("結點存在\n");
return;
}
else
{
searchtree(bt->lchild,x);
searchtree(bt->rchild,x);
}
}

void main()
{
BitTree bt=NULL;
ElemType x;
int count=0,high=0;
bt=CreateBiTree();
printf("中序遍歷:\n");
InOrderTraverse(bt);
printf("\n葉子節點的個數：\n");
count=leafcount(bt);
printf("%4d",count);
printf("\n交換左右子樹：\n");
exchangetree(bt);
InOrderTraverse(bt);
printf("\n查找值為x的結點：\n");
printf("\n輸入結點x=");
scanf("%d",&x);
searchtree(bt,x);
if(find==0)
printf("結點不存在\n");
printf("\n");
getchar();
}

哎哎，改了。。。。

運行結果：
1 2 -1 -1 3 -1 -1
中序遍歷:
2 1 3
葉子節點的個數：
2
交換左右子樹：
3 1 2
查找值為x的結點：

輸入結點x=2
結點存在

Press any key to continue

4. bittree*t

BitreeT->定義Bitree一個實例對象:T; Bitree&T->定義Bitree的實例對象的引用,就是一個已經定義的對象的別名,需要初始化; /* 摘自 引用是C++中的概念，初學者容易把引用和指針混淆一起。一下程序中，n是m的一個引用（reference），m是被引用物（referent）。 intm; int&n=m; n相當於m的別名（綽號），對n的任何操作就是對m的操作。例如有人名叫王小毛，他的綽號是「三毛」。說「三毛」怎麼怎麼的，其實就是對王小毛說三道四。所以n既不是m的拷貝，也不是指向m的指針，其實n就是m它自己。 */ Bitree*T->定義Bitree的實例對象指針,指向一個實例對象; 代碼參考: BitreeT; Bitree&T=T; Bitree*T=&T;//&是取地址.

5. typedef struct bitnode { int data; struct bitnode *l_ch,*r_ch; } bitnode,*bitree; 在這個結構體中，

bitnode和*bittree代表的東西都是一樣的，都是二叉樹的節點
不同的是bittree是一個指針類型

6. 比特幣是一種什麼貨幣能與人民幣流通嗎

比特幣（Bitcoin）的概念最初由中本聰在2008年11月1日提出，並於2009年1月3日正式誕生[1]。根據中本聰的思路設計發布的開源軟體以及建構其上的P2P網路。比特幣是一種P2P形式的虛擬的加密數字貨幣。點對點的傳輸意味著一個去中心化的支付系統。

與所有的貨幣不同，比特幣不依靠特定貨幣機構發行，它依據特定演算法，通過大量的計算產生，比特幣經濟使用整個P2P網路中眾多節點構成的分布式資料庫來確認並記錄所有的交易行為，並使用密碼學的設計來確保貨幣流通各個環節安全性。P2P的去中心化特性與演算法本身可以確保無法通過大量製造比特幣來人為操控幣值。基於密碼學的設計可以使比特幣只能被真實的擁有者轉移或支付。這同樣確保了貨幣所有權與流通交易的匿名性。比特幣與其他虛擬貨幣最大的不同，是其總數量非常有限，具有極強的稀缺性。該貨幣系統曾在4年內只有不超過1050萬個，之後的總數量將被永久限制在約2100萬個。

2017年1月24日中午12：00起，中國三大比特幣平台正式開始收取交易費。

2017年9月4日，央行等七部委發公告稱中國禁止虛擬貨幣交易。

2017年12月17日，比特幣達到歷史最高價19850美元。

2018年11月25日，比特幣跌破4000美元大關，現穩定在3000多美元

2019年4月，比特幣再次站上5000美元大關，創年內新高。

7. 比特幣錢包

比特幣（bitcoin）誕生於2008年的一篇論文。
一個署名為中本聰的人，提出了革命性的構想：讓我們創造一種不受政府或其他任何人控制的貨幣！這個想法堪稱瘋狂：一串數字，背後沒有任何資產支持，也沒有任何人負責，你把它當作錢付給對方，怎麼會有人願意接受？
Merkle tree
跟二叉樹長得很像，只是這個是下面兩個節點取哈希值得到上面節點。只需要記住根節點，就可以檢測整棵樹有沒有被篡改。
根哈希值存在block header里，交易過程存在block body里。全節點包括block header和block body，但是輕節點（比如手機上比特幣錢包）只包括block header。這棵樹可以證明包含某個交易已經被寫進了區塊鏈。
3.共識協議
去中心化的貨幣要注意的兩個問題：
1.誰能發行數字貨幣：挖礦。
2.怎麼驗證交易的合法性：區塊鏈。
雙花攻擊（double spending attack）
雙花攻擊是數字貨幣的一個主要挑戰。
比特幣中的交易都要有輸入和輸出，幣從哪來，花到哪去。
正常情況也可能有兩個分叉，因為兩個節點同時獲得記賬權，兩個節點打包的區塊，同時計算出了那個隨機數。此時會暫時兩個分叉共存，直到其中某一個區塊搶先找到了下一個區塊，這條就成了最長合法鏈，另一個分叉就被丟棄。

女巫攻擊（sybil attack）
某惡意節點不停產生賬戶，賬戶總數超過總賬戶的一半，則取得了區塊鏈的控制權。

比特幣中的共識協議（Consensus）
一些節點是有惡意的，大部分節點是好的。

想法1：把一些交易打包到區塊里作為候選區塊，讓每個區塊投票，如果通過就寫入區塊鏈。

不行，因為有的惡意節點一直發布一些含有惡意交易的區塊，則一直投票，佔用資源。而且有的節點不投票。

想法2：不按賬戶個數投票，而是按照計算力投票。每個節點都可以產生合法交易放入區塊，這些節點就開始試隨機數，直到找到H（block header）≤ target，則這個節點有記賬權。

唯一產生比特幣的途徑
coinbase transaction。這個不用指出幣的來源，有了記賬權的節點（找到了隨機數）會有出塊獎勵。

50BTC->25BTC->12.5BTC，每21萬個比特幣，獎勵就減半。

比特幣爭奪記賬權的過程叫挖礦。爭奪記賬權的節點叫礦工。

8. 比較b-tree索引和bit-wise索引技術的區別，各自適用的場合

一.B-Tree索引:

1. 選項擇索引欄位的原則:
l 在WHERE子句中最頻繁使用的欄位
l 聯接語句中的聯接欄位
l 選擇高選擇性的欄位(如果很少的欄位擁有相同值,即有很多獨特值,則選擇性很好)
l ORACLE在UNIQUE和主鍵欄位上自動建立索引
l 在選擇性很差的欄位上建索引只有在這個欄位的值分布非常傾斜的情況下下才有益(在這種情況下,某一,兩個欄位值比其它字值少出現很多)
l 不要在很少獨特值的欄位上建B-TREE索引,在這種情況下,你可以考慮在這些欄位上建點陣圖索引.在聯機事務處理環境下,所由並發性非常高,索引經常被修改,所以不應該建點陣圖索引
l 不要在經常被修改的欄位上建索引.當有UPDATE,DELETE,INSETT操作時,ORACLE除了要更新表的數據外,同時也要更新索引,而且就象更新數據一樣,或產生還原和重做條目
l 不要在有用到函數的欄位上建索引,ORACLE在這種情況,優化器不會用到索引,除非你建立函數索引
l 可以考慮在外鍵欄位上建索引,這些索引允許當在主表上UPDATE,DELETE操作時,不需要共享子表的鎖,這非常適用於在父表和子表上有很多並發的INSERT,UPDATE和DELETE操作的情況
l 當建立索引後,請比較一下索引後所獲得的查詢性能的提高和UPDATE,DELETE,INSERT操作性能上的損失,比較得失後,再最後決定是否需建立這個索引
2. 選擇建立復合索引
復合索引的優點:
l 改善選擇性:復合索引比單個欄位的索引更具選擇性
l 減少I/O:如果要查詢的欄位剛好全部包含在復合索引的欄位里,則ORACLE只須訪問索引,無須訪問表
什麼情況下優化器會用到復合索引呢?
(a)當SQL語句的WHERE子句中有用到復合索引的領導欄位時,ORACLE優化器會考慮用到復合索引來訪問.
(b)當某幾個欄位在SQL語句的WHERE子句中經常通過AND操作符聯合在一些使用作為過濾謂詞,並且這幾個欄位合在一起時選擇性比各自單個欄位的選擇性要更好時,可能考慮用這幾個欄位來建立復合索引.
(c)當有幾個查詢語句都是查詢同樣的幾個欄位值時,則可以考慮在這幾個欄位上建立復合索引.
復合索引欄位排序的原則:
l 確保在WHERE子句中使用到的欄位是復合索引的領導欄位
l 如果某個欄位在WHERE子句中最頻繁使用,則在建立復合索引時,考慮把這個欄位排在第一位(在CREATE INDEX語句中)
l 如果所有的欄位在WHERE子句中使用頻率相同,則將最具選擇性的欄位排在最前面,將最不具選擇性的欄位排在最後面
l 如果所有的欄位在WHERE子句中使用頻率相同,如果數據在物理上是按某一個欄位排序的,則考慮將這個欄位放在復合索引的第一位
B-Tree 索引是 MySQL 資料庫中使用最為頻繁的索引類型，除了 Archive 存儲引擎之外的其他所有的存儲引擎都支持 B-Tree 索引。

不僅僅在 MySQL 中是如此，實際上在其他的很多資料庫管理系統中B-Tree 索引也同樣是作為最主要的索引類型，這主要是因為 B-Tree 索引的存儲結構在資料庫的數據檢索中有非常優異的表現。
一般來說， MySQL 中的 B-Tree 索引的物理文件大多都是以 Balance Tree 的結構來存儲的，也就 是所有實際需要的數據都存放於 Tree 的 Leaf Node ，而且到任何一個 Leaf Node 的最短路徑的長度都是完全相同的，所以我們大家都稱之為 B-Tree 索引當然，可能各種資料庫（或 MySQL 的各種存儲引擎）在存放自己的 B-Tree 索引的時候會對存儲結構稍作改造。如 Innodb 存儲引擎的 B-Tree 索引實際使用的存儲結構實際上是 B+Tree ，也就是在 B-Tree 數據結構的基礎上做了很小的改造，在每一個
Leaf Node 上面出了存放索引鍵的相關信息之外，還存儲了指向與該 Leaf Node 相鄰的後一個 LeafNode 的指針信息，這主要是為了加快檢索多個相鄰 Leaf Node 的效率考慮。

二、bit-wise原理

bit-wise原理，表存在兩個列AA和BB。我們現在要在AA上建bit-wise索引。

1.生成索引

計算bit vector的數量

針對AA列，我們用32bit整數(實際上只需3bit來表達，為了描述更通用的情況，所以用了32bit)來表達AA列上的值，我們需要32個bit vector。


2.生成bit-wise索引

bit vector中的點陣圖的數量與表中記錄的數量一樣。

3.單值查找

假設我們執行條件為where AA=1的查詢。1的二進製表示是{0…0,1}，分別與bit-vector執行and運算，結果見圖3。通過結果bit-vector即可獲取目標記錄，通過bit-vector進行集合運算也是非常方便的，比如count運算。

在 Innodb 存儲引擎中，存在兩種不同形式的索引，一種是 Cluster 形式的主鍵索引（ Primary Key ），另外一種則是和其他存儲引擎（如 MyISAM 存儲引擎）存放形式基本相同的普通 B-Tree 索引，這種索引在 Innodb 存儲引擎中被稱為 Secondary Index 。下面我們通過圖示來針對這兩種索引的存放形式做一個比較。

9. typedef用法BiTNode,*BiTree;都是什麼，起什麼作用的

BiTNode BiTNode類型,
*BiTree 指向BiTNode類型的指針;
定義一個BiTNode類型a：
BiTNode a ；
BiTree a = BiTNode *a；

10. 為什麼B-TREE索引不適合數據倉庫

假如有個表ID，mingzi，bumen
如果對ID建索引，可以建成btree，而對部門建索引，則不適合建btree。參考btree的結構：它適合區分度高的、也就是維度高的。而bitmap索引適合區分度低的。

數據倉庫中海量數據對單列而言數據重復度可能會比較高，而且btree存儲開銷非常大。而bitmap正好適合。