如何提高xmr用伺服器挖

1. 雲伺服器挖礦踐行 第一篇

三天以前看到壯鄉金榮仔的文章，從中了解到可以利用阿里雲伺服器進行挖礦，收益可觀，於是立即和作者進行了聯系，咨詢拜師的事情。

通過和孫師傅交流發現，因為寫作讓我們有了很多共同交流的基礎，並且我居然已經關注了孫師傅有好幾個月的時間了，這讓我們很快建立了信任。

孫師傅在文章中提到正式收徒弟還要等一段時間，我覺得這段時間也不能浪費，還應該為將來拜師以後做一點准備工作。於是我立即開始對雲服務挖礦這件事情進行了認真的思考並實踐。

雲服務挖礦的可行性，大概有這么幾個方面。

一，雲伺服器挖礦的成本收益分析。

成本構成：挖礦的成本主要有三項，礦機的支出，電費，場地及相關管理費用；

收益構成：挖礦的收益主要來自兩個方面，一是按照當前數字貨幣的法幣價格可以不管成本而獲得的收益，二是數字貨幣在未來增值獲得的收益。

分析：雲伺服器的運算能力遠遠低於實體礦機，但是不用支付電費，這是最大的成本節省，另外，由於不需要場地，自己遠程管理，場地和管理費用也趨近於零。

因此在算力有限的情況下，雲伺服器挖礦最大限度地消除了電費和場地的費用，這是這項技術的優勢所在。而盈利的平衡點，將極大的取決於伺服器費用的支出和當前幣價的相對關系。

二，雲伺服器和挖礦幣種的分析。

雲伺服器的種類有很多，主要分兩種，CPU型和GPU型。

目前市場上的各種虛擬幣演算法也分兩類，GPU友好型和CPU有好型。比特幣以太坊，萊特幣等絕大多數幣種都屬於GPU友好型，CPU友好型比較少，我了解到的只有大零幣zec,小零幣xzc,門羅幣xmr。

所以這樣一來，在伺服器和幣種的選擇問題上，方向很清晰：CPU和GPU任何一個方向，選擇算力性價比最高的雲伺服器和挖礦收益最高的幣種。

三，實踐。

李笑來的文章中提到過，任何挖礦的行為都不如直接到市場上去買來得容易。我也因此在之前的虛擬貨幣的學習中，很少關注挖礦的知識。同時對於伺服器方面的知識也了解很少，所以一開始我只能用網路上能夠搜索得到的辦法進行實踐， 以快速入門，開始積累。

網上能夠直接搜索到的就是利用CPU伺服器挖掘門羅幣。文章鏈接如下。

於是我花了391.5元購買了三個月的阿里雲輕量型伺服器，配置如下。阿里雲目前在搞活動，首單可以打七折。

開始進行實踐。

經過了兩天的折騰，終於在運行伺服器上挖礦成功，但是算力只有140h/s，在這個算力下，要虧本一半。

具體折騰的過程中，遇到坑無數，也麻煩了我搞計算機的朋友很多，這個過程留待下一篇再寫吧。

四，關於風險的思考。

目前來看，用雲伺服器挖礦伺服器的價格是預付的，並且是固定的，所以挖礦是否有收益，取決於目前的虛擬貨幣的價格。從孫師傅的截圖來看，目前收益還是很可觀的。

近期的風險來自於幣價的下跌，遠期的風險來看，就是阿里雲伺服器會禁止挖礦行為。阿里雲對於挖礦的行為，在網上有過很多的聲明。在搜索伺服器挖礦相關知識的時候，也發現有國外的伺服器禁止挖礦。

長期來看，如果目前雲伺服器挖礦不賠本那麼未來大概率是會有很大的收益的。

就在寫這一篇的過程中，孫師傅的收徒標也發出來了，很快就要收徒弟啦。我也正好把這一篇當做我第一這周的作業。

2. 如何優化策略降低系統能耗

針對雲計算系統在運行過程中由於計算節點空閑而產生大量空閑能耗，以及由於不匹配任務調度而產生大量「奢侈」能耗的能耗浪費問題，本文提出一種通過任務調度方式的能耗優化管理方法。

高能耗是雲計算系統最為嚴重的問題之一
雲計算系統中，除了處理任務時產生的必要能耗開銷，其運行過程中還存在能耗浪費的現象
解決方案
用排隊模型對雲計算系統進行建模，分析雲計算系統的平均響應時間和平均功率，建立雲計算系統的能耗模型；
提出基於大服務強度和小執行能耗的任務調度策略，分別針對空閑能耗和「奢侈」能耗進行優化控制。基於該調度策略，設計滿足性能約束的最小期望執行能耗調度演算法ME3PC (minimum expectation execution energy with performance constraints).
結果
大量實驗表明，本文提出的能耗優化管理方法在保證其性能的前提下，大幅度降低了雲計算系統的能耗

下一步工作
將研究在給定和真實的雲計算系統體系結構下，如何根據任務到達率的大小和分布規律，決策系統中應該處於運行狀態的計算機個扮胡數，結合關閉/休眠技術和電壓動態調整技術，進一步對雲計算系統的能耗進行優化控制，並且將研究的理論成果在實際雲平台上進行評測，以驗證其正確性

能耗
能耗分類
空閑能耗：由於計算任務達到的隨機性，使得單位時間內到達的任務量時而稀疏，時而密集，而現有的雲計算系統通常是長時間處於開啟狀態，等待計算任務的到達。但是當計算機處於空閑狀態時，其空閑功率會占峰值功率的50%~60%。因此，雲計算系統會產生大量的空閑能耗。奢侈能耗：由於雲計算系統中通常包含不同的計算機，實驗結果表明，不同計算機對不同計算任務的執行功率和響應時間一般不同。例如，同一圖像處理任務分別在CPU 和GPU 上的執行功率和響應時間不同，任務執行完成後，產生的總能耗也不同。因此，當未考慮能耗因素時，不匹配的調度方式會造成:本來用較低能耗就能解決問題，但卻用了較高能耗。本文把由於任務的不合理調度而浪費的能耗稱為「奢侈」能耗。執行能耗：執行能耗可定義為：任務在計算機上運行時，指令和數據驅動計算機硬體運轉所產生的能耗
傳統節能的方法
關閉/休眠技術：最大飢模限度的降低空閑能耗，缺點是當使用計算機時需要較長的啟動時間，導致系統性能一定程度的下降
電壓動態調整技術：為了便於研究，本文假定執行功率為任務整個執行過程的平均耗電功率。根據CMOS 電路動態功率公式Pdynamic~αCV2f 可知，動態功率與廳肢攔電壓的平方成正比。因此，降低處理器的電壓可以降低處理器的動態功率。但該方法的缺點是，隨著電壓的下降，處理器的性能會隨之下降
虛擬化技術：可實現多個任務在一個計算機的不同虛擬機上運行，通過提高計算機資源利用率，以減少所需計算機數量的方式降低能耗。虛擬化技術實現了計算機資源從物理實體向虛擬實體的遷移，提高了計算機資源的利用率。但虛擬化，特別是深層次的虛擬化本身也要付出高昂的效能代價，因為虛擬化技術通過對底層硬體部件到高層服務應用的層層虛擬，每一級的虛擬都造成了效能的損失。
任務和系統模型
隨機任務模型
根據任務對計算機資源的需求特徵，可分為計算密集型、通信密集型、數據密集型和I/O密集型等。
隨機到達雲計算系統的任務可以用三元組（T，Λ，W）表示，第i類任務可以表示為(ti，λi，wi)。ti表示第i類任務，λi表示ti任務單位時間平均到達數量，wi表示ti任務的計算量
雲計算系統模型
現有雲計算平台的硬體基礎設施通常是架構在大規模廉價伺服器集群之上，系統中的不同伺服器或計算機通常是由不同公司生產，有不同的硬體配置。這些計算機不僅有不同的功能和性能，其耗電的功率也不同，具體可表現為：功能異構、性能異構、空閑功率和峰值功率異構、執行功率異構；
雲計算系統可以定義為六元組：(C，Pbusym×n，Pidle，Ppeak，Um×n，S)
+a7+rW9tO//Ksbv6oaLPtc2z1tDL++NDQus/+1xMrHvbW1zc+1zbPUy9DQuf2zzNbQsvrJ++8wsfUxrzGy++"http://www.it165.net/uploadfile/files/2014/0508/20140508200129405.jpg" alt="\">
問題描述
根據2.1節和2.2節的分析，並結合能耗的計算公式E=P*T，則任意一個任務從進入雲計算系統到執行完成離開所產生的期望能耗可表示為

\
在給定任務類型、確定雲計算系統體系結構的條件下，只有調度概率Pij的值是根據調度策略的不同而動態變化的，雲計算系統的期望能耗與任務和計算機之間的調度策略有關
能耗優化管理
實質
根據任務的到達時間和類型、不同計算機的功率和性能、計算機實時的負載情況，對任務進行合理調度，使系統在滿足一定性能的條件下，降低雲計算系統運行過程中產生的空閑和執行能耗
假設
根據任務對計算機資源的需求特徵，可分為計算密集型、通信密集型、數據密集型和I/O密集型等。不同類型任務要處理的數據形式和問題規模一般不同。為了便於研究，本文假定同一類型任務的計算量相同
由於用戶服務請求的自主性、地域的分布性，導致不同用戶提交的任務之間通常沒有優先約束關系，即任務是獨立的
假設對於系統中的每個計算機，任務的到達間隔相互獨立,且服從同一參數的負指數分布
每個計算機對不同任務的服務時間也相互獨立，且服從同一參數的負指數分布
到達間隔時間與服務時間相互獨立
不同類計算任務以不同的概率調度到不同的計算機上
性能約束的最小期望執行能耗調度演算法ME3PC(minimum expectation execution energy with performance constraints)
調度器針對不同的情況，採用不同的調度策略，詳情請參考第3章

根據負載情況，將節點分在三個隊列：Clight、Cnormal、Chigh，
如果Clight不為空，則優先考慮集合Clight中的計算機，並採用基於大服務強度的任務調度策略，使對tCi類任務有大服務強度的計算機cCj有較大的調度概率，其中j∈Clight
Clight為空，Cnormal不通ky"http://www.it165.net/qq/" target="_blank" class="keylink">qq/+aTwvc3ViPsDgyM7O8dPQvc/Qoda00NDE3LrEtcS8xsvju/pjQzxzdWI+ajwvc3ViPtPQvc++QzxzdWI+ViPrK7zqq/1aOsvLTL+2yLW9uLrU2Nfu0KG1xLzGy+O7+snPCjxwPgo8aW1nIHNyYz0="http://www.it165.net/uploadfile/files/2014/0508/20140508200130420.jpg" alt="\">
定理滿足性能約束的最小執行能耗調度演算法ME3PC的最壞時間復雜度為O(3mn)，其中，m為任務的類型數，n為雲計算系統中計算機的個數。
實驗
實驗環境的設置
為了驗證ME3PC演算法的有效性，本文使用Matlab 的離散事件模擬工具進行模擬實驗。實驗環境涉及的相關參數以及取值或取值范圍見下表。

實驗中任務分為4 類。第i類任務的到達間隔時間服從參數為1/λi的負指數分布。該間隔時間可通過負指數分布函數exprnd(1/λi)來生成，其中，λi的值在[10，15]區間隨機生成。根據任務的到達間隔，利用函數cumsum(?)可得到第i 類每個隨機任務到達系統的時刻。最終可確定所有6000個任務到達系統的時刻。計算機cj對ti類任務的服務時間服從參數為1/μij的負指數分布，同樣，服務時間也通過函數exprnd(1/μij)來生成，參數μij的值在[1，5]區間隨機生成
為了讓模擬系統的運行存在平衡狀態，需要滿足條件\
\
實驗與結果分析
為了進一步說明ME3PC演算法的有效性，本文又設計了最小執行功率調度演算法(minimum execution power，簡稱MEP)，並將ME3PC與MEP、經典MIN-MIN 演算法進行比較。其中，MEP的演算法思想是:在任務調度時，將任務調度到執行功率最小的機器上，而不考慮該計算機當前的負載情況以及執行該任務的服務時間。MIN-MIN是針對獨立任務的動態調度演算法，廣泛應用於同構或異構分布式並行計算環境，有良好的調度性能。本文分別從系統執行任務的平均能耗、任務的平均響應時間、系統的平均功率、負載平衡和可擴展性這5個方面對3種演算法進行對比分析

從圖2可以看出，採用MEP演算法時系統的平均功率最小，ME3PC略大於MEP，MIN-MIN的功率最大，且遠大於ME3PC和MEP。分析原因是，MEP演算法專注於系統執行功率的優化，任務調度時只將任務調度到執行功率最小的機器上，因此系統平均功率最小，但沒有考慮調度的機器性能，因此總體性能最差。MIN-MIN演算法則相反，只專注於任務的完成時間，而不考慮能耗、負載平衡等其他因素，因此響應時間最小，但是系統平均功率最大。ME3PC演算法則同時考慮了功率和性能因素，雖然系統功率較MEP演算法平均增加了6.4%，響應時間比MIN-MIN演算法平均增加了5.7%，但是任務在系統中的所產生的能耗卻最小，如圖4所示。究其原因是:（1）由於ME3PC演算法針對空閑或輕載計算機採用了大服務強度優先的調度策略，大大降低了系統中計算機出現空閑的概率，使系統的利用率高於MEP和MIN-MIN。其中，採用ME3PC演算法時，系統產生的空閑能耗平均是MEP和MIN-MIN演算法的81%和73%，如圖5所示。（2）由於優先對空閑和輕載計算機進行調度，最大限度地避免了負載不平衡的發生。因此，ME3PC演算法保證了系統的負載平衡，如圖6（a）、圖6（b）所示。可見，只有同時考慮功率和性能因素才能真正降低雲計算系統的能耗。

從實驗結果中，我們發現了一個有趣的現象:當計算機個數為1時，3種演算法下的系統平均功率、任務平均響應時間和任務平均能耗自然都相等。但是隨著計算機個數的增加，系統執行任務的平均能耗卻呈線性下降。當計算機個數為8時，系統執行任務的平均能耗最小。隨著計算機個數的繼續增加，系統執行任務的平均能耗開始增大，且呈指數級增長。究其原因是:（1）當計算機個數從1增加到8的過程中，任務平均響應時間呈指數級減少（如圖3所示），但是系統的平均功率的增勢卻基本趨於平穩（如圖2所示），這導致系統執行任務的平均能耗在該過程中是逐漸降低的，並且由於此時系統平均功率的絕對值較小，因此降低的趨勢呈線性。（2）當計算機個數從8增加到128的過程中，任務平均響應時間下降的趨勢趨於平緩（如圖3所示），但是系統的平均功率的增勢卻呈指數級增加（如圖2所示），這導致系統執行任務的平均能耗在該過程中是逐漸增加的，並且由於此時系統平均功率的絕對值較大，因此增長的趨勢呈指數級。由此可見，在等能耗的條件下，計算機個數為8時系統有最好的擴展性。對於實際的雲計算系統，如何根據系統的體系結構、任務到達的規律確定系統中應該開啟或關閉的機器個數，以及開啟或關閉哪些機器進行能耗的優化控制，將作為下一步的研究內容。

3. ddam虛擬幣排在世界多少

不入流。

世界十大虛擬貨幣排名：

一、比特幣 BTC（BITCOIN）

比特幣，這個我想排到第一位是幣圈所公認的，作為虛擬幣的風向標，領頭羊。比特幣的每一個漲跌都牽動幣圈玩家的神經。

他已經不再是一個簡單的虛擬幣幣種，更像一個虛擬幣界的圖騰標志。所有談到虛擬幣發展的無論如何都不可能繞過BTC去討論，幾乎所有的交易平台上面必須必備的就是BTC的交易對。

自從虛擬貨幣出現至今就一直占據榜首不動搖，而且常年占據總市值的40%以上的份額，差不多是頂級流量了。比特幣的漲跌都關乎總體虛擬貨幣的態勢，可以說是牽一發而動全身，只要談到虛擬幣的發展都不可能繞開比特幣，它的每一個漲跌都牽動幣圈所有玩家的神經。

九、STEEM

這個項目可以說是構思很大的，建立自己在區塊鏈上的社區平台，想要超越國際NO.1 FACEBOOK。作為多媒體的社交平台，最國際上還是非常有市場的，很少見到那個外國人沒有FACEBOOK賬號或TW賬號的，就好像國人沒有QQ或者微信賬號一樣。

十、新經幣 NEM

新經幣（New Economy Movement， NEM），是一種點對點虛擬貨幣。2015年初發布，源代碼由Java編寫並100%屬於原創。

NEM 廣泛發布於人群中，其塊鏈採用了全新發明的基於重要性證明POI的同步解決方案。

NEM特徵也包括：完整的點對點安全系統加密信息系統和基於Eigentrust++演算法的聲望系統。

NEM把一種新的突破性的技術引入加密貨幣世界，稱之為POI演算法（重要性證明）NEM包含一套基於Eigentrust++的節點聲望系統並利用了集成到塊鏈中的多簽技術，基於這些手段能最大程度地保障系統安全。

其他特性還包括加密信息傳輸以及一種可擴展的設計，該設計使得基於NEM平台的客戶端應用可以充分地獲得NEM先進塊鏈技術所帶來的種種優勢。

4. 當區塊鏈不再需要礦機挖礦時比特大陸會沉底嗎

今年3月底，比特大陸推出了一款基於ASIC的螞蟻礦機X3，主要是針對門羅幣（XMR）以及依賴CryptoNight演算法的加密貨幣，門羅幣隨即發出反制聲明，將改變核心演算法以對抗ASIC算力的入侵。

如果這個出現在數字加密貨幣的世界裡會是什麼結果？就是錯誤的計算結果可能被帶入到整個網路而無人發現。

而更關鍵的是，如果一家「計算器生產廠」壟斷了計算器市場，它還可以故意生產出這種帶錯誤的計算器改變數學規則。

畢竟，在加密數字貨幣領域的「計算」可不是1+2+3這么簡單，你不可能拿紙幣對比特幣進行手工驗算。

比特大陸算力壟斷的現實意義

關於基於51%算力的攻擊，我們已經在各種文章中了解了。

但現實是，雖然之前全球約有78%的算力在中國大陸，但所幸他們分散在不同的礦池裡，被不同的人所掌控。

盡管所有基於PoW的加密數字貨幣都存在被51%攻擊的風險，但由於算力的分散導致很少有人能真的發動攻擊。

但是如果礦工本身不想發動攻擊，但礦機生產廠商發動攻擊呢？

依然用剛才的比喻來說，就是雖然每一個礦工主觀上都想獨立的做題驗算，但他們手中的計算器被遠程動了手腳給出了一致的錯誤答案。這就可能對數字加密貨幣造成極大的威脅。

而偏偏，擁有礦機絕對話語權的生產廠商比特大陸又曾經出現過這樣的問題。

2017年4月，比特大陸礦機曾爆出Antbleed後門。盡管在中文圈這被描述為一個「漏洞」，但Antbleed更像是一個被實現設計好的功能。

匿名人員發現，一台比特大陸生產的螞蟻礦機連上網路後，會定期與比特大陸持有的一個域名進行通信，將礦機的序列號、MAC地址和IP地址回傳給比特大陸的伺服器。而如果比特大陸的伺服器給出否定的信號，這台礦機將終止運行。

盡管比特大陸回應稱，他們不能關閉任何不屬於他們的礦機。但比特幣Core團隊則在實驗中證明，這個功能其實沒有任何驗證，任何人可以通過偽造DNS來關閉礦機——但這同時也意味著，比特大陸是有能力關閉任何已銷售礦機的。

之後，比特大陸修復了這一「漏洞」，但卻在社區中引發了激烈的討論。而這也奠定了幾乎所有PoW區塊鏈社區對比特大陸都存在偏見的基調。

幾個月後，在比特大陸的主導下ViaBTC挖出了第一個區塊，對比特幣區塊鏈進行了硬分叉，從此世界上有了比特現金BCH（BitcoinCash）。

礦機壟斷是否會破壞分布式系統？

面對這個問題，我們現在應該有了一個明確的答案。那就是礦機壟斷一定會影響PoW數字加密貨幣的安全運轉。

這一問題並不在於比特大陸和創始人吳忌寒是否值得信任，而是在於任何一個區塊鏈系統的價值之一就應當是在排除對任何單個公司和單個個人信任的情況下安全運轉。

即便是ASIC礦機沒有被比特大陸壟斷，ASIC礦機本身也會加重算力的集中度。

用於挖礦的ASIC對通風、電力和場地有很大的要求，除了用於挖礦之外沒有任何用途，同時由於算力強大而拉高了全網的計算難度。

這導致外部玩家很難像5年前那樣，在電腦上下個軟體就開始挖礦。而最近的中心化交易所被黑事件頻發導致，也證明在這個沒有監管的市場中集中絕對會導致不安全。

假設比特幣網路運行在100萬個礦工之上，就沒有任何一個人能關閉它。而如果比特幣網路運行在20個大型礦場上，那麼關閉它就容易多了。

而截止到2017年末，已經有78%的算力集中在中國大陸，這導致中國監管部門事實上有對比特幣發起致命攻擊的可能性。

並且，大多數數字加密貨幣的使用場景都與「去中心化」有關，一旦中心化，將意味著這些使用場景不復存在。導致一個原本可能有價值的項目變成純粹浪費算力的空氣幣。

那麼，我們面對這一狀況應該採取什麼樣的措施呢？

首先是作為項目方，也許是時候放棄純粹的PoW機制了。事實上，在許多發行加密數字貨幣的項目中，尤其是在資產證券化類的項目里。類似於現實世界中股票概念的PoS本身就比PoW更為合理。

在不了解區塊鏈的媒體中我們經常聽到這樣的話「比特幣浪費了大量的算力還毫無價值」，這在一定程度上是有道理的。基於PoW的區塊鏈很難將項目本身的價值與所發行的數字加密貨幣進行綁定——因為貨幣的價格背後真正的價值並非來自於項目，而來自於維持算力的成本。

而PoW+PoS的混合模式更像是未來，在混合模式中，持幣用戶和礦工都可以參與到這一社區的重大決策中。而如果一個決策被廣泛認可，那麼無需開發者過分干預，區塊鏈就會軟分叉到最新的狀態，幾乎不會有礦工或礦機私自抵制的狀況。

其次，作為散戶礦工，如果你現在還在挖一種純粹的PoW機制貨幣，那你應該無條件的支持社區發起的為了抵禦ASIC礦機進行的分叉活動，哪怕這會導致你的礦機失效。

這聽起來有些自相矛盾，但是從長遠利益考慮在一個被算力壟斷控制的幣種中竭澤而漁，不如促進社區的改革獲得更多的收益。因為，在許多過去的算力與社區的沖突中，最終的結果是算力主會強行保留舊有演算法對區塊鏈進行硬分叉。

而一如ETH和ETC一樣，屬於算力主的經典以太坊（ETC）由於失去了開發者的支持，變成沒有活力、不可能發展出應用的空氣幣。

作為散戶韭菜，你應當謹慎交易比特大陸礦機所支持的非主流數字貨幣（比特幣除外），避免掉入一個完全由比特大陸控制算力的區塊鏈中。

最後，如果你就是比特大陸，你應該怎麼辦？

比特大陸的目標是成為Intel、AMD和Nvidia，為整個計算機行業做出更大的貢獻，成為一家偉大的公司，而不只是糾結於挖礦的眼前利益。

華爾街的金融家們早就已經看透Nvidia顯卡挖礦所帶來的暴力，這家公司的股票價格漲跌已經和比特幣的價格走向一致，甚至說是受數字貨幣行情的影響。知名做空機構香櫞近日已看空Nvidia，認為這家公司將太多精力放在了為數字貨幣礦工提供服務，而不是把重點放在人工智慧、游戲和無人駕駛等正經業務上。

晶元廠家的使命是提供更強大的晶元來驅動更智能的服務，最後為現實世界做貢獻，而不是成為虛擬世界的壟斷大亨。當大家再也不走進虛擬世界的大門時，剩下的只是一片無人的荒地。

在去年接受美媒的采訪時，吳忌寒曾透露將以數十億美元的市值進行IPO。作為一家即將上市的企業，比特大陸不僅要對投資人負責，還要接受投資人對業務的可持續性的質問，「如果你的礦機上市就遭遇分叉，該怎麼辦？」

而這個需要上市後才會問的問題，已經出現：門羅比團隊分叉後的分叉幣XMO目前一個的價格是7.5美元，而真的門羅幣XMR目前一個的價格是194美元，分叉幣被門羅社區徹底拋棄。

在比特大陸成為所有區塊鏈社區唾棄的名字之前，完全可以靠這幾年積累的巨額資本沿著此前的規劃向人工智慧晶元公司的轉型，而不是繼續開發各種各樣數字貨幣礦機來榨取生態崩盤前的最後一滴油。

內容來源：鳳凰網