• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Diferencias entre Blockchain y Distributed Ledger

Blockchain

agosto 20, 2018 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

Blockchain

Hoy en día las criptomonedas están de moda. Provocando que se utilicen habitualmente términos como “Blockchain” (cadena de bloques) y “Distributed Ledger” (libro mayor distribuido). Generalmente se utilizan ambos términos como sinónimos, cuando no lo son. En esta entrada se intentaran explicar las diferencias que existen entre las tecnologías “Blockchain” y “Distributed Ledger”.

Distributed Ledger

El termino “Distributed Ledger” hace referencia a las tecnologías que permiten implementar una contabilidad distribuida. Así la contabilidad se distribuye por todos los nodos de la red. Almacenando la base datos completa en cada uno de los nodos. Por otro lado, la actualización de los registros también puede ser realizada por todos los nodos. Al utilizar esta tecnología se evita la necesidad de un entre centralizado que gestiona y valida la contabilidad.

En la implementación de los sistemas “Distributed Ledger” se utilizan bases de datos distribuidas. Repartiendo una copia completa e idéntica de la base de datos en cada uno de los nodos de la red. Una de sus principales novedades es que ya no es necesario una entidad central para almacenar, validar y gestionar los registros. Ahora estos procesos son llevados a cabo por la red de forma descentralizada. Para actualizar la base de datos se lleva a cabo un proceso de votación, seleccionado los cambios con los que están de acuerdo la mayoría de los nodos. Al finalizar la votación todos los nodos actualizan la base de datos con los cambios acordados. Este proceso es el que se conoce con el nombre de consenso.

Segmentación RFM: cómo clasificar tu cartera de clientes antes de calcular el CLV
En Analytics Lane
Segmentación RFM: cómo clasificar tu cartera de clientes antes de calcular el CLV

Blockchain

Por otro lado, la tecnología “Blockchain” es una base de datos en la que los registros se almacenan en bloques. Cada uno de los bloques hace referencia al bloque anterior en la cadena, de ahí el nombre cadena de bloques. Debido a esa relación únicamente es posible agregar nuevos registros, siendo imposible eliminar o modificar los valores guardados. Al intentar eliminar o modificar un bloque de la cadena, la cadena de bloques se romperá. Siendo posible identificar el bloque que ha sido modificado. La tecnología “Blockchain” es, por lo tanto, adecuada para registrar eventos, administrar registros, procesar transacciones, rastrear activos y realizar votaciones.

Así la tecnología “Distributed Ledger” se puede implementar utilizado “Blockchain”. Aunque no todas las implementaciones de tecnologías “Distributed Ledger” tienen necesariamente que estar basadas en “Blockchain” para almacenar los registros y implementar los procesos de votación.

Todas las implementaciones de la tecnología “Blockchain” son “Distributed Ledger”. Pero una tecnología “Distributed Ledger” no tiene que estar necesariamente basada en la tecnología “Blockchain”. Ambos conceptos requieren descentralización y consenso entre los nodos, pero “Blockchain” organiza los datos en bloques que no pueden ser modificados.

Publicidad


Conclusiones

El éxito de las criptomonedas, especialmente del Bitcoin, ha puesto de moda los términos “Blockchain”. Ya que han sido pioneras en la implantación de esta tecnología. Aunque, como se ha explicado en la entrada, es necesario diferenciar el termino frente a “Distributed Ledger”.

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Por Qué las Contraseñas Largas son más Seguras que las Complejas
  • Segmentación RFM: cómo clasificar tu cartera de clientes antes de calcular el CLV
  • Champion vs Challenger: Cómo los Bancos Validan Modelos Nuevos antes de Ponerlos en Producción
  • Gini, KS y AUC: Cómo Medir la Calidad de un Modelo de Credit Scoring
  • Errores habituales al trabajar con DataFrames grandes en Pandas (y cómo evitarlos)
  • BG/NBD + Gamma/Gamma: el modelo probabilístico para CLV en compras continuas
  • Curiosidad: De dónde vienen foo, bar y foobar
  • BG/BB: el modelo de CLV para compras en períodos discretos
  • Cómo Comparar Dos Hipotecas con Todos los Gastos Incluidos

Publicado en: Criptografía Etiquetado como: Blockchain

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

BG/BB: el modelo de CLV para compras en períodos discretos

agosto 25, 2026 Por Daniel Rodríguez

Por Qué las Contraseñas Largas son más Seguras que las Complejas

agosto 20, 2026 Por Daniel Rodríguez

Gini, KS y AUC: Cómo Medir la Calidad de un Modelo de Credit Scoring

agosto 18, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • El estado topológico de la materia: Fundamentos, propiedades y su relevancia en la computación cuántica publicado el abril 11, 2025 | en Opinión
  • La aplicación Auto Py to Exe Creación de un EXE desde un archivo Python en Windows publicado el mayo 16, 2022 | en Python
  • Aplicación web interactiva que muestra un mapa de Madrid con puntos de interés destacados, creado utilizando la biblioteca Folium. Tutorial: Creando un mapa interactivo con Folium en Python publicado el diciembre 13, 2024 | en Python
  • Codificación JSON Archivos JSON con Python: lectura y escritura publicado el julio 16, 2018 | en Python
  • Julia en Jupyter Notebook publicado el septiembre 20, 2019 | en Julia

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto