一、什么是DAPP 
根据David Johnston在文章DavidJohnstonCEO/DecentralizedApplications里的定> 义，只有当满足以下所有条件时，一个应用才可以称之为DAPP。

应用必须完全开源、自治并且没有一个实体控制着该应用的大部分代币(Token)。该应用必须能够根据市场的反馈及技术要求进行升级，但是升级必须由应用的用户达成共识之后才可以进行； 
应用的数据必须加密后存储在公开的区块链上； 
应用必须拥有代币机制，矿工或者应用维护节点需要得到代币奖励； 
应用代币的产生必须依据标准的加密算法，有价值的节点可以根据该算法获取应用的代币奖励。

DAPP相较于传统APP的优势

优势一：提升交易安全性

传统金融中介存在的问题是交易处理效率低、信用成本极高，随着交易量迅猛增长，提高效率和安全迫在眉睫。

优势二：降低技术开发成本

理想的 DAPP 开发中，用户登录和各种框架都是可以通过公链获得，然后数据安全有主链负责，产品团队只需按实际需要拼装模块，支付相应费用即可。

优势三：降低项目运营、维护成本：

项目的运维成本通常比较高，这是大多数产品面临的问题。DAPP 中，项目方不需要自己购买服务器和存储设备，活动之前需要临时购买Token，之后卖出即可。

DAPP应用市场

Dapp的钱包、dapp的内容、dapp的互联网和人工智能，其前景非常的广泛，特别在政府、健康、科学、文化和艺术领域等方面。

1、什么叫哈希（hash）

散列函数（或散列算法，又称哈希函数，英语：Hash Function）是一种从任何一种数据中创建小的数字“指纹”的方法。散列函数把消息或数据压缩成摘要，使得数据量变小，将数据的格式固定下来。该函数将数据打乱混合，重新创建一个叫做散列值（hash values，hash codes，hash sums，或hashes）的指纹。散列值通常用一个短的随机字母和数字组成的字符串来代表。好的散列函数在输入域中很少出现散列冲突。在散列表和数据处理中，不抑制冲突来区别数据，会使得数据库记录更难找到。

所谓"哈希"就是计算机可以对任意内容，计算出一个长度相同的特征值。区块链的 哈希长度是256位，这就是说，不管原始内容是什么，最后都会计算出一个256位的二进制数字。而且可以保证，只要原始内容不同，对应的哈希一定是不同的。

举例来说，字符串123的哈希是（a8fdc205a9f19cc1c7507a60c4f01b13d11d7fd0）（十六进制），转成二进制就是256位，而且只有123能得到这个哈希。（理论上，其他字符串也有可能得到这个哈希，但是概率极低，可以近似认为不可能发生。）

1、两个重要的推论。

推论1：每个区块的哈希都是不一样的，可以通过哈希标识区块

推论2：如果区块的内容变了，它的哈希一定会改变。

DHT可以译作分布式哈希表，是P2P网络进化中最为重要的环节，它解决了以往需要中心化服务器才能实现的资源发现问题，通过DHT网络模型P2P可以自行组网实现去中心化网络。以前有人问区块链节点是怎么互联的，这篇文章可以解答了

DHT全称叫分布式哈希表(Distributed Hash Table)，是一种分布式网络模型。在不需要服务器的情况下，每个客户端负责一个小范围的路由，并负责存储一小部分数据，从而实现整个DHT网络的寻址和存储。在区块链世界中，利用DHT可以实现众多节点的网络发现，实现各个节点在去中心化场景中的互联，DHT是非常重要的P2P网络技术之一。

DHT定义

DHT是分布式计算系统中的一类，用来将一个关键值（key）的集合分散到所有在分散式系统中的节点，并且可以有效地将消息转送到唯一一个拥有查询者提供的关键值的节点（Peers）。

这里的节点类似散列表中的存储位置。分布式散列表通常是为了拥有极大节点数量的系统，而且在系统的节点常常会加入或离开（例如网络断线）而设计的。在一个结构性的延展网络（overlay network）中，参加的节点需要与系统中一小部分的节点沟通，这也需要使用分布式散列表。分布式散列表可以用以创建更复杂的服务，例如分布式文件系统、点对点技术文件分享系统、合作的网页缓存、多播、任播、域名系统以及实时通信等。

分布式散列表本质上强调以下特性：

离散性：构成系统的节点并没有任何中央式的协调机制。

伸缩性：即使有成千上万个节点，系统仍然应该十分有效率。

容错性：即使节点不断地加入、离开或是停止工作，系统仍然必须达到一定的可靠度。

DHT原理

DHT是P2P网络(结构化P2P)核心路由算法，主要是利用一致性hash，把节点和资源都表示成一个hash值，放入到这个大的hash环中，每个节点负责路由靠近它的资源。

重要概念

node：负责P2P路由信息，P2P网络的组网就是它来负责

peer：负责管理资源，生成种子文件，发布资源信息

nodeid：节点的唯一标识，是一个160bit的hash值

infohash：资源的唯一标识，也是一个160bit的hash值，其和nodeid使用同一个算法

距离：距离是两个hash值进行异或(XOR)操作后的值，值越小，距离越近

节点和资源的距离： nodeid XOR infohash

两个节点之间的距离：nodeid1 xor nodeid2

种子文件：对某个资源的描述文件，种子文件包括了资源的infohash(160bit)、资源所在机器（nodeId IP PORT）、离资源所在机器最近的N个机器（nodeid IP PORT）列表

典型DHT实现介绍

实现DHT的技术有很多种，常见的有：Chord, Pastry, Kademlia等。我们熟知的BT及BT的衍生派（Mainline, Btspilits, Btcomet, uTorrent…），eMule及eMule各类Mods(verycd, easy emules, xtreme…)等P2P文件分享软件都是基于该算法来实现DHT网络的，BT采用Python的Kademlia实现叫作khashmir，eMule采用C++的Kademlia实现干脆就叫作Kad，当然它们之间有些差别，但基础都是Kademlia。

Chord算法：

chord算是最为经典的实现。cassandra中的DHT，基本是chord的简化版。网络中每个节点分配一个唯一id，可以通过机器的mac地址做sha1，是网络发现的基础。

假设整个网络有N 个节点，并且网络是呈环状。两个节点间的距离定义为每个节点会存储一张路由表(finger表)，表内顺时针按照离本节点2、4、8、16、32.……2i的距离选定log2N个其他节点的ip信息来记录。

存储方面：数据被按一定规则切割，每一份数据也有一个独立id(查询key)，并且和节点id的值域是一样的。然后查找节点，如果存在和数据id一样的节点id，则将这份数据存在该节点上；如果不存在，则存储到离该数据id距离最近的节点上。同时，为了保证数 据的可靠性，会顺时针往下找K个冗余节点，存储这份数据。一般认为K=3是必须的。

查询方面：先从自己的路由表中，找一个和数据id距离最近、并且存活在网络中的节点next。如果该节点的 id巧合和数据id相等，那么恭喜你。如果不相等，则到next进行递归查找。一般或需要经过多次查询才能找到数据所在的节点，而这个次数是可以被证明小 于等于log2N的。

在这个查询的过程中就体现了路由表的选取优势了，其实是实现了一个二分查找，从每个节点来观察网络，都是将网络分成了log2N块，最大一块里面有N/2个节点。路由表里面其实是记录了每一块的第一个节点。这样每一次查询，最少排除了一半的节点。保证在 log2N次内找到目标节点。

新增一个节点i，需要预先知道网络中已经存活的一个节点j，然后通过和节点j交互，更新自己和其他节点的路由表。并且，需要将离自己距离最近的节点中的数据copy过来，以提供数据服务。

损失一个节点，路由算法会自动跳过这个节点，并且依靠数据的冗余来持续提供服务。

KAD算法(Kademlia)

kad算法其实是在chord上做的优化。主要是两个点：

1、用二进制(32/64/128)表示一个节点的id，两节点的id异或运算得到节点间的距离。

2、 每个节点保持的路由信息更丰富，同样是将整个网络按照划分成log2N份，在chord中，是保持log2N个路由节点，但在kad里面，是保存了 log2N个队列。每个队列长度为配置值K，记录网络中对应节点区域的多个节点，并且根据活跃时间对这些节点进行换入换出。

第一点是方便进行网络划分，节点按照二进制中每一bit的0或1建成一棵二叉树。

第二点是使得节点查询更迅速。从分割情况我们就可以得知，最坏情况不会差于chord，但保存更多的节点使得命中概率更高。另外队列中根据活跃时间进行换入换出，更有利于在p2p这种节点变更频繁的网络中快速找到有效的节点。