40. 默克尔树：优化区块内部的数据结构

前几章提出了上面的数据结构，但验证时需要下载巨大的数据量，就如下图所示。

所以我们必须做一些优化。

我们将原始数据放在数据包外面，这样数据包就被瘦身了，暂且称它为“哈希小包”，里面只有上一个哈希小包的哈希值和当前原始数据的哈希值。

可以发现，这种优化的哈希链条，和原来的哈希链条，具有相同的防止篡改的能力。任何原始数据的改动，都会导致对应的哈希小包里的哈希值发生变化，继而导致后面一系列的哈希小包都发生变化。

哈希小包比上一个方案里的数据大包小了很多。

而验证数据的时候，只需要获取这一段时间的哈希小包（见下图）。当然，验证者仍然需要每隔一段时间对链条上的哈希值进行采样，以提高自己的确信度。

现在我们再来估算一下验证时需下载的数据量。即使假设每天只有一百万条数据入库，一年就要产生 3.65 亿个哈希小包。按每个哈希值的大小为 32 字节算，1 亿个哈希小包就是 3.2G 的数据量。可见，这种方案的验证成本，依然会随着数据量的增大而同步上升。那能不能再优化？

看下图的数据结构。哈希小包里的“根哈希值 abcd”，是另外两个哈希值——“哈希值ab”和“哈希值cd”，拼在一起后所取的哈希值。而哈希值ab又是“哈希值a”和“哈希值b”拼在一起后所取的哈希值。最下面一层的哈希值则是原始数据的哈希值。

这样，图中的若干哈希值就构成了一个叫做“二叉树”的数据结构，如下图所示。

二叉树的层数可以无限扩展。假设扩展到第 n 层，那么最下面一层的叶子节点数就是 2^n 个，也就是能放 2^n 条原始数据。20 层这样的二叉树可以挂载‭1048576‬条原始数据，看到这里的指数放大效果了吗？

而这样的数据结构，依然保持了不可篡改的特性。任何一个原始数据的改动，都会导致它上面每一层的哈希值变动，继而传递到最顶层的根哈希值，最终后面的整个哈希小包链条都会发生变化。

由于每一个哈希小包下面都可以挂载大量的原始数据，在同等数据量的条件下，哈希小包的数量就大幅减少了。

那么，把多少的数据包组装成一棵二叉树呢？回顾一下上一章介绍的“区块”。

我们正好可以把一个区块组装成这样一个哈希小包加一个二叉树的结构！

由于二叉树有很多层，以后就简单显示成一个三角形或锥形了。而原本的哈希小包，成了区块里一个非常重要的部分，于是我们改称它为“区块头”。

我们之前暂定，10 分钟划分 1 个区块，那么一天就固定产生 144 个区块头，一年 52560 个，按每个 32 字节算，一年的区块头是 1.6 MB 的数据量。可见，每天产生的区块头的数量和数据量是固定的，不受原始数据的数据量的影响。

我们再看看如何验证数据。还是回到“A 希望 B 相信一个数据没有被篡改过”的情景。

B 依然应该每隔一段时间对链条进行采样，但正好我们已经给哈希链条按时间划分了区块，所以 B 干脆就把所有的区块头都采样就行了，这等于是在不断同步区块头，B 一直拥有一条“区块头链”。

要验证的数据挂在某个二叉树下面，从数据到二叉树的树根有一条“路径”，B 只需要下载这条路径上的哈希值就可以了。这条路径的长度等于二叉树的层数，所以不会特别长，按数据量算最多几百字节。

由于区块头链是 B 多年来持续同步的，B 可以相信其真实性。此时，如果 A 给的数据可以通过一条由哈希值构成的路径连接到区块头链上，那就可以说明，这条数据绝不是事后伪造的。

即使 B 没有持续同步区块头，那么在验证的时候只需要额外下载区块头链即可，而且只要下载一次，这个数据量是几到几十 MB。

考虑到摩尔定律，数据量和软硬件水平都在随时间指数上升，而区块头的数量只随时间线性增长，二叉树的层数随数据量对数增长，也就还是随时间线性增长，所以验证的效率会越来越高，下载和同步区块头的速度也会越来越高。

这个将哈希值链接起来的神奇的二叉树，其实早已被发明，发明者是 Ralph C. Merkle，于 1979 年在美国申请了专利。所以这种数据结构的名字叫做默克尔树（Merkle Tree）。美国的专利保护期最长是 20 年，所以在 2008 年使用默克尔树并不侵权。

这一章，我们把旧版区块优化成了含有区块头和默克尔树的新版区块，验证的效率大幅提升，而不可篡改的能力丝毫没有减弱。之后，我们就可以将区块头中的第二个哈希值称作“默克尔根”。

注意，默克尔树本身的数据都可以计算得出，无需存储，默克尔树不占用存储空间。至此，我们的“区块链”又丰满了一些！