RRC 项目的目标是，打造一个去中心化全球算力交易平台。通过 P2P 网络连接电脑、手机等有计算能力的终端设备 , 使应用端用户(算力需求方)可以向网络中的其他用户租用算力 (算力供应商)，租用的算力可以完成某些特定需求的计算任务，如：大数据分析、人工智能、图像处理、游戏运算等诸多方面，可以让以往被浪费掉的个人计算终端的闲置算力发挥出巨大的价值。整体项目会分为三个主要阶段：第一阶段：打造生态基础-圈算力用户建立公链，发行 RRToken，通过给用户提供简单易用的挖矿工具，集合全球个人终端（电脑、手机）闲置算力。让用户通过浏览器、客户端等各种方式进行挖矿。让大量用户快速持有 RRToken。第二阶段：构造流通环境以 RRToken 为杠杆撬动生态打造消费流通场景，将视频网站、新闻资讯、电商等消费场景纳入RRC 经济体系，让用户可以通过 RRToken 方便的消费。第三阶段：建立分布式计算网络提升投资价值利用个人终端构建全球化分布式计算网络，将个人闲置的终端的算力集中起来执行商业化计算任务，为 RRC 经济体系注入新的商业价值。

RRC 的生态体系

在 RRC 的生态体系中，将主要分为三类角色：⚫ 算力供应者（Supplier）：出售算力获得经济回报的个体或组织。⚫ 算力需求者（Demander）：算力的需求方，购买者。⚫ 算力应用场景开发者（Developer）：将算力应用到特殊场景，并以此获利者。生态建立的前期， 算力供应者(Supplier) 是我们的发展重点。尤其是利用普通设备上网的网民，如果能有效的将这部分群体纳入到我们的生态体系中来，RRC 就有了广泛的用户群和坚实的信任基础，可以持续为 RRC 的生态贡献力量。算力需求方（Demander）是相对容易引入 RRC 生态体系的群体，因为价格因素，辅以适当的市场推广行为，相信就会聚集大量的算力需求方。同时，在实际应用场景中，算力需求者与算力供应者之间可以平滑转换，形成一个内建生态闭环。长期来看，算力应用场景开发者（Developer）是整个生态持续发展的中心要素。当生态日趋成熟时，开发者就可以自行集成各种算力应用场景方案，此时生态系统扩张就会依赖开发者群体的创意和软件及系统的知名度。

RRC 的整体产品结构体系

⚫ 分布式计算实现机制我们通过 CSSP，将海量的不可靠的计算节点的算力进行收集，当 CDSP 获得任务时，可通过RRMR 系统将复杂的计算任务分解为极为微小的计算单元，分发给每一个计算节点。计算节点完成计算任务后，会将计算结果提交给 RRMR 进行冗余校验，前 n% 提交正确结果的计算节点会获得奖励。

1. 算力供应方平台（CSSP, Computing Supply-Side Platform）

算力供应方平台在技术方面主要需要解决的是如何有效率得将分散、碎片化的算力，使之变为规模化，标准化，有经济价值的算力。“聚合效率”和“聚合算力的颗粒度”是这个平台发展核心双要素。我们的算力供应者主要分为两类，个人用户(User)和互联网应用/服务供应商（Publisher）。我们会根据这两大群体的需求，为他们分别提供易用性高的平台和服务。UCRABS,User Computing Resource Auto-Balanced SystemCM&CMS,Client Management&Config Mapping SystemUDC,User Data Center

针对个人用户(User)的功能 *以下图例中涉及到的数字皆为示意1) 一键挖矿功能

2) 个人激励系统

3) 工会系统

4) 兑换商城

针对互联网应用/服务供应商（Publisher）1) 多种类型封装代码

2) 运营工具

3) 灵活的 API 接口CSSP 提供 API 接口给互联网应用/服务供应商（Publisher），使其完成复杂地查询、操作和统计等功能，以满足为其用户提供额外的服务，如免费地文件下载、网络游戏中的游戏币奖励或者道具奖励等。

2. RR 链 (RRChain )

RRChain 利用区块链技术独有的共识机制，记录算力供应者（Supplier）的劳动量与劳动所得。在整个生态体系中将使用 RRToken 做为奖励。算力凭证 POC 机制：所有接入 RRMR 的节点将会执行哈希和任务两类计算，为此我们设计了一种 POC 机制来解决衡量单个计算节点贡献度的问题，即：一个计算任务里可设定哈希与任务计算的占比，并将哈希随机分布在整个计算任务中，计算节点必须完成所有哈希的计算并通过区块链中其他节点地验证，方可根据两部分任务的时间占比，以哈希计算量衡量任务贡献。即：(任务计算时间/哈希计算时间)*哈希计算回报=整个计算任务回报RR 链 (RRChain )同时支持算力应用场景开发者（Developer）利用智能合约或侧链发行基于自己服务的 Token。为保证 RR 链（RRChain）的设计初衷与愿景，RR 链（RRChain）会开发一套丰富程度远超 X11且需要使用 CPU 全部部件的 POC 算法集合--RR 算法。开发会分为两个阶段：第一阶段，为了主链上线初期的安全，我们将对 CryptoNight 进行改进，加入对适当容量 DRAM的需求，以排除近期可能出现的 CryptoNight 矿机的威胁，当前 CryptoNight 算法，之所以让 CPU相对于 GPU 落后不太多，是因为它对小块存储（2MB）的 8 字节随机访问，特别适合 CPU 的 L3 Cache，因为 CPU 上的处理核心访问 L3 的 Latency 很小；而 GPU 的片上 Cache 和 DRAM，擅长大块连续数据的读写，对于 8 字节短数据的随机访问支持得很差。但 CryptoNight 算法并不能防止 ASIC 矿机，先进的集成电路制造工艺中，集成 2MB 的 SRAM，代价很小。第二阶段，由于 ASIC 矿机从立项到回本的周期较长，包括研究算法，芯片设计，芯片制造，整机制造，产能爬坡，销售，挖矿等，至少需要一年时间。如果 POC 算法集合实现逐区块进行轮转，而且随着时间推移算法集不停变化，变化的间隔小于矿机的生命周期，那么 ASIC 矿机的优化就会无利可图，只能做可配置、可刷新算法的矿机。同时会利用数据依赖性消除掉海量进程并行的机会。这样，即使做可配置矿机，也必须做的非常像 CPU。当然目前业界公认的安全的哈希算法屈指可数，但通过一种三明治结构，可以把几乎任何 CPU 上的算法改造成哈希算法：先用某个标准哈希函数 H把 nonce 和随机数种子 seed 扩展为大量的随机数输入 I=H(nonce,seed)；用 CPU 擅长的算法 A 处理随机数输入 I，得到一些输出 O=A(I)；再用另外的哈希函数 h 计算这些输出的哈希值 h(O)，以 leading zero 的数目判断是否满足难度要求。这种三明治结构，已经被 ZCash 证明是有效的了，我们只需要把中间部分的广义生日悖论问题修改为 CPU 擅长的其它算法。由于有收尾的标准哈希算法把关，h(A(H(nonce,seed)))可以满足哈希函数的雪崩特性和不可逆特性，同样难以碰撞，是合格的哈希函数。

3. RR 分布式计算平台(RRMR, RR MapReduce)

该平台主要解决分布式计算任务地细分拆解与海量微型计算节点任务分发地精细管理，根据区域、时间等维度特征调节任务分配的冗余度，保证资源投入与任务时效性的平衡。

4. 算力需求方平台（CDSP, Computing Demand-Side Platform）

算力需求方平台主要是解决算力任务提交与部署的易用性，和算力交易的透明化、市场化相关问题。

RRCHAIN 技术模型

技术模型图：RRCHAIN 技术的模型是由自下而上的数据层、网络层、共识层、激励层、合约层和应用层组成。

1.数据层封装了底层数据区块的链式结构，以及相关的非对称公私钥数据加密技术和时间戳等技术，这是整个技术模型中最底层的数据结构。这些技术是构建RRChain 的基础。2.网络层包括 P2P 组网机制、数据传播机制和数据验证机制等。3.共识层RRCHAIN 采用的是 pow 机制，矿工通过挖矿获取奖励，同时也保证了系统的稳定运行。共识层封装了网络节点的各类共识机制算法。共识机制算法是区块链的核心技术，因为这决定了到底是谁来进行记账，而记账决定方式将会影响整个系统的安全性和可靠性。目前已经出现了十余种共识机制算法，其中比较最为知名的有工作量证明机制（PoW，Proof of Work）、权益证明机制（PoS，Proof ofStake）、股份授权证明机制（DPoS，Delegated ProofofStake）等。工作量证明机制实际上是一个投票制度。用户投票选择正确的交易顺序，以实现协议中的新功能和诚实的货币供应分配。因此，在表决过程中，所有参与者都有相同的投票权。 RRCHAIN 使平等的平均工作定价功能完美适用于普通 PC。它采用内置的 CPU 指令，这些指令在专用设备或具有低延迟的快速内存片上设备上实现非常困难且太昂贵。4.激励层将经济因素集成到 RRChain 技术体系中来，包括经济激励的发行机制和分配机制等。在 RRChain 中激励遵守规则参与记账的节点，并且惩罚不遵守规则的节点，才能让整个系统朝着良性循环的方向发展。5.合约层封装各类脚本、算法和智能合约，是区块链可编程特性的基础。比特币本身就具有简单脚本的编写功能，而 RRChain 极大的强化了编程语言协议，理论上可以编写实现任何功能的应用。如果把比特币看成是全球账本的话，那么可以将RRChain 看作是一台“全球计算机”，任何人都可以上传和执行任意的应用程序，并且程序的有效执行能得到保证。6.应用层应用场景-剩余算力收集再利用基于 RRChain 的算法特性，使得用户参与哈希计算的操作门槛可以降至最低。用户不必下载一般挖矿所需要的庞大的客户端程序，而是只要打开支持JavaScript 的浏览器便可以开始执行哈希运算（挖矿）。而且在运算过程中，用户可以自主调节速度，真正能做到在不影响用户的使用体验的情况下，通过闲置的CPU 进行包括哈希计算在内的各种运算，达到广泛收集“剩余算力”的目的。同时，RRChain 天然的竞争性治理方面的优势，使得“矿机”的优势不明显。这使得大量个人用户更乐于加入到 RRChain 的社群中来。RRChain 的这一特性，可以为网站主和软件开发商提供一种除了广告和会员收费外全新的获利模式。比如：一个视频网站主可以通过向用户提供免费视频，来换取用户电脑的剩余算力，再通过出售算力给其它的需求方获利。所以基于 RRChain 可以构建出一个全新的剩余算力收集交易生态体系。同时，广泛的第三方开发者，可以基于 RRChain 开发出各类的 Dapp，共享在RRChain 社群中的算力。

在 RRChain 发布且用户量达到一定数量级之后 ， 将随后发布基 于MapReduce 模型，利用零散的个人用户作为计算节点的大数据分布式计算处理平台 RRMapReduce。该平台主要解决的问题是，分布式计算任务的细分拆解与海量微型计算节点任务分发的精细管理，根据区域、时间等维度特征调节任务分配的冗余度，保证资源投入与任务时效性的平衡。产品结构设计图如下：

RRMapReduce 发布后，将为市场提供一种廉价的计算服务解决方案。相对于传统自建大数据集群或采买云计算服务，透过 RRChain 及 RRMapReduce所产生的算力产品将更具价格优势，对于实时性要求不高的离线计算服务具有极大的竞争力。 测试案例如下：日志抽取任务，抽取日志中有效数据。4T 的原始日志文件抽取，Mapper 发送至 Reducer 的数据 600G，在 40 个节点 600 个核的集群里，采用 hadoop 方案，被分割成 10000 个子任务，计算完成需要 60 分钟。采用阿里云 EMR 费用约为 550 元。同样的任务采用 RRMR 计算，假设每台终端只提供 1 核资源用来计算，将任务分配到 6000 个节点上，计算任务时间同样为 60 分钟。如果我们给每个节点奖励 5 分钱人民币，那么完成同样的任务使用 RRMapReduce 只需花费大约阿里云 1/2 的费用。同时如果用户持续贡献 1 核算力，那么一个月用户收入为36 元人民币。36 元钱的收入，已经大于大多数视频、游戏、软件等服务商的月平均收费。也就是说，用户正常使用电脑时的剩余算力产生的价值，可以支持用户免费使用软件，享受网络服务。这将构成一个良性的社群生态体系。

RRCoin 的应用流通场景基于 RRChain 的广泛适用性，和高竞争治理能力，可以快速聚集大量的普通用户成为矿工，并与其已有的网络产品使用习惯深度结合。因此，可以想见随着 RRChain 的发展将会产生一个庞大基数的 RRCoin 持有群体。而如何让RRCoin 高速快捷的流通，则成为了保持 RRChain 社区活力的一个重要影响因素。为此，我们设计了可以使用 RRCoin 快速便捷消费的商城体系 RRMall，以满足用户的需求。

RRMall 会解决 RRCoin 的快速可交易问题。我们将为用户提供网页版轻钱包，采用半中心化的方式处理小额交易的速度问题。用户通过 RRMall 购买商品进行支付时不用经过漫长的区块同步等待，快速完成交易。同时，RRMall 还将会开放 API 和 SDK。这样大量的第三方平台（电商、软件、游戏等）可以快速接入，支持 RRCoin 的支付模式。

关于更多