NFT:白话区块链入门081 | 星巴克支持比特币支付 对闪电网络意味着什么?

作者 | Fiona出品|白话区块链

昨日,有消息称,星巴克将和Bakkt合作并开发相关应用,支持在店内用比特币购买咖啡(开始只会在美国提供服务,约1.4万家店)。

考虑到全面推广开来后的交易量和实时支付的需求,星巴克极有可能使用闪电网络来实现。

在《什么是闪电网络》一文,我们曾简单地介绍过闪电网络这项技术。那使用闪电网络来交易,会是怎样一种体验呢?我们先来看一个视频:

OpenAI创始人:OpenAI正在研究“更快、更便宜”的模型:金色财经报道,OpenAI创始人Sam Altman:OpenAI正在研究“更快、更便宜”的模型。[2023/5/26 9:44:56]

是不是和支付宝很像?比特币分析师JP Thor在2月份发布的网络测试结果显示,闪电网络支付速度已与Apple Pay等传统的中心化数字支付平台相差无几。

由此可见,和所有数据上链的链上交易相比,闪电网络通过权衡速度和可靠性,获得了更为理想的使用体验。闪电网络在实际应用中,具有着如下特点:

OpenSea Pro:尚未铸造的Gemesis NFT元数据将在5月4日申领窗口关闭后公布:金色财经报道,OpenSea Pro在社交媒体上公布了有关Gemesis NFT持有者钱包元数据的最新信息。OpenSea Pro表示Gemesis NFT的排名特征反映了在Gem上NFT的购买时间,较高的排名对应较早的购买日期,反之则较晚,排名前 1% 的用户现在拥有具有特殊视觉效果的 Gemesis NFT,而尚未铸造的Gemesis NFT元数据将在5月4日申领窗口关闭后公布。

如果符合条件,即在 2023 年 3 月 31 日之前使用过 Gem并且仍然没有领取Gemesis NFT,那么可以在OpenSea上进行铸造,截至目前已铸造超9.2万枚Gemesis NFT,占总供应量的51.4%。[2023/4/19 14:12:33]

1、快,理论上每秒可以容纳数百万乃至数十亿笔的交易。

数据:OpenSea Seaport以太坊总交易数突破600万笔:金色财经报道,据 Dune Analytics 最新数据显示,基于开源 NFT 协议 Seaport 的 OpenSea 以太坊总交易笔数已突破 600 万,截止目前为 6,009,331 笔。此外,基于 Seaport 协议的 OpenSea 以太坊链上交易总额达到 1,843,681,060 美元,独立用户量超过 90 万。[2022/10/25 16:37:31]

2、手续费低。通道里理论上是没有手续费的,因为通道关闭前,实际的BTC还在链上并没有动过,通道里面的操作本质上只是记录了双方的数字;但在实际情况中,跳转节点会收取少量的手续费。

但另一方面,我们也听到了很多资深的业内人士对闪电网络的质疑,其中最主要的质疑有2点:

1、大节点会趋向中心化: 由于在实际使用场景中,普通用户的支出行为远远多于收入行为,所谓的双向交易通道实际上多数很可能是单向的。那什么节点的收入行为高于支出行为呢?很显然是那些商家,它们会成为跳转节点;还有一些专门架设的个人节点,探索各种商业模式,比如下图的这个个人节点(人家只有17岁……):

节点被连得越多,就越容易演化出大节点,它们有足够多的BTC和足够多的通道,进而成为网络中被依赖的一环,也就是我们提及区块链必谈的——中心化节点。

2、效率并不如预期:由于通道内需要预存BTC(也可理解为锁定)、以及交易时的通道独占方式,在节点数不足、交易量增加的时候,仍有可能产生堵塞情况。

很多人或许会比较关心闪电网络的一些技术实现问题(如上述问题2),但回顾游戏、支付宝的普及情况,用户需要的是傻瓜式的使用体验,而不会去关心底层协议或是其背后的技术原理,毕竟技术上的问题有开发团队、钱包等第三方去关心和解决。

下面是和上周相比,比闪电网络相关数据的变化:链上的BTC是751(上周是709),节点数7031(上周是6088),变化最多的是通道数。由此可见,节点的增加会给通道数带来加速效应。

技术需要实际应用场景来进行验证,只有越来越多的场景支持,才会形成使用规模,比特币的“货币”化才会有质的突破。

像星巴克这种大商家接入比特币支付,你认为会给区块链行业带来哪些影响?欢迎在留言区留言。

——End——

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

链链资讯

PEPEORC:以太坊为什么要设置区块的叔块奖励?

在《以太币的发行和出块奖励 》一文中,我们介绍了,在以太坊系统中,如果在同一区块高度,多名矿工都挖出了新的区块,这些区块中,其中一个将成为最长链上的区块,而其他区块,如果被后续区块引用.

[0:31ms0-2:692ms