работа. достиг 328,19 гб
 Скачать 0.66 Mb.
|
Внедрение и проверка прототипа SMBSSВ соответствии с теорией SMBSS мы предлагаем наделить узлы теми же функциями, что и полные узлы, при условии полного использования их ресурсов хранения, чтобы увеличить избыточность данных при одновременном снижении требований узлов к ресурсам хранения, обеспечивая децентрализацию. характеристика. В этом разделе мы реализуем прототип SMBSS как в блокчейне на основе UTXO, так и в блокчейне на основе учетных записей, чтобы проверить достоверность SMBSS путем сравнения его производительности с производительностью SSFL. Оценка производительности на блокчейне на основе UTXOВ этом разделе мы используем SSFE в качестве прототипа реализации SMBSS в блокчейне на основе UTXO, то есть в биткойне, и сравниваем его производительность с производительностью SSFL. Эксперимент проводится на сервере с процессором Intel (R) Xeon (R) E5-2609 v4 1,70 ГГц и памятью 16 ГБ. Эксперименты по моделированию выполняются с данными Биткойн от исходного блока до блока с номером 640091, что составляет 300 ГБ данных. Мы используем Bitcoin-ETL [ 54 ] для преобразования файлов блоков биткойнов в файлы JSON для дальнейшей обработки. Согласно статистике Bitnodes, по состоянию на 19 декабря 2019 года максимальное, минимальное и среднее количество полных узлов, находящихся в сети одновременно в биткойнах, составляют 12 335, 9488 и 10 174 соответственно. Количество полных узлов, находящихся в сети одновременно, имеет определенную стабильность, поскольку Биткойн стал относительно зрелым приложением. Поэтому мы отслеживаем полные узлы в сети, чтобы получить количество полных узлов в сети одновременно в течение 80 дней, и экспериментальные результаты показаны на рис. 4 . Из рисунка выше выставляем надежность узлар = 0,1пзнак равно0,1; то по формуле (2) можно получить избыточностьк ≈ 1000к≈1000, что означает, что доступность данных может быть гарантирована, если одновременно подключено более 1000 полных узлов. Показатели оценки производительности — это скорость проверки транзакций, доступность данных, время поиска и место для хранения. Всего в эксперименте установлено 10 000 узлов, и свойства узлов показаны в Таблице 4 . Предположим, что один раунд проб и ошибок приводит к задержке в 10 мс. Таблица 4 Свойства узла Полноразмерный стол Подробная информация о критериях оценки SMBSS как для блокчейна на основе UTXO, так и для блокчейна на основе учетной записи показана в таблице 5 . Таблица 5 Критерии оценки SMBSS Полноразмерный стол Рис. 4  Полная надежность узла Биткойн Полноразмерное изображение Скорость проверки транзакций Экспериментальный набор данных представляет собой набор блоков биткойнов высотой от 56 8201-го блока до 640 091-го блока. Мы организуем 2016 блоков как цикл и случайным образом выбираем 10% набора данных для выборки, чтобы проверить скорость проверки транзакций узлов ESPV. Рис. 5  Скорость проверки транзакции Полноразмерное изображение Как видно из рис. 5 , скорость проверки транзакций узлов ESPV превышает 0,92 в каждом случае. Это означает, что узлы ESPV получат долю, превышающую 0,9 функции проверки транзакций, при условии, что они занимают примерно 3 ГБ дискового пространства; такая схема хранения значительно снижает нагрузку на полные узлы, уменьшает избыточность данных и соответствует цели разработки SMBSS. Доступность данных и время извлечения Хотя узлы в P2P-сети могут свободно присоединяться или выходить, учитывая, что Биткойн является относительно зрелым приложением Blockchain, количество участвующих узлов в основном постоянное в любое время. Поскольку узлы SPV не хранят данные блокчейна, они не участвуют в этом эксперименте. Рис. 6  Время поиска Полноразмерное изображение Экспериментальные результаты показывают, что доступность данных двух типов узлов остается на уровне 100%, что указывает на то, что узлы ESPV могут получать данные в течение целевого времени извлечения как полные узлы. Как показано на рис. 6, время извлечения узлов ESPV немного больше, чем у полных узлов, когда данные доступны. Это связано с тем, что узлы ESPV не хранят все данные блокчейна и вынуждены полагаться на другие узлы для синхронизации данных, что вызывает задержку. Однако разница во времени извлечения между полными узлами и узлами ESPV очень мала, а это означает, что более низкая задержка мало влияет на отдельный узел. Если задержка в миллисекундах может уменьшить несколько уровней ресурсов хранения, то такая стоимость приемлема. Кроме того, узлы ESPV поощряют участие большего числа узлов, работающих на оборудовании общего назначения, в системах Blockchain, поэтому эта стратегия соответствует требованиям приложения, снижает нагрузку на полные узлы и может применяться в реальной производственной среде. Стоимость хранения Чтобы количественно измерить пространство для хранения, требуемое различными типами узлов в двух схемах хранения, мы рассчитываем статистику по пространству для хранения, требуемому полными узлами, узлами ESPV и узлами SPV для хранения всех данных блокчейна и данных блокчейна в пределах прошлого года на рис. 7 . Рис. 7  Пространство для хранения Полноразмерное изображение Как показано на рисунке, пространство для хранения, необходимое для полных узлов, узлов ESPV и узлов SPV, последовательно уменьшается. Однако, учитывая, что узлам ESPV требуется всего 31,37 ГБ дискового пространства для выполнения более 80% проверок транзакций двух других типов узлов, они, очевидно, могут лучше учитывать как экономию ресурсов хранения, так и проверку транзакций. Кроме того, при сравнении годовых данных блокчейна для полных узлов и узлов ESPV видно, что темпы роста годового объема хранения данных узлов ESPV намного меньше, чем у полных узлов, что соответствует аппаратные условия общего оборудования и способствует улучшению масштабируемости систем хранения Blockchain. Предположим, что в системах Blockchain есть 10 000 онлайн-узлов, Оценка производительности в блокчейне на основе учетной записиВ этом разделе мы выбираем Ethereum в качестве представителя блокчейна на основе учетных записей и реализуем на нем прототип реализации SMBSS, который обозначается как масштабируемая модель хранения для блокчейна на основе учетных записей (SSMAB). В отличие от Биткойна, в дополнение к исходным данным Blockchain, Ethereum поддерживает текущее состояние всех учетных записей в дереве Merkle Patricia Tree, т. е. в дереве состояний. По состоянию на 26 мая 2020 года объем дерева состояний Ethereum составлял 2,8 ГБ. Основываясь на приведенных выше наблюдениях, мы предлагаем другую схему хранения, предназначенную для разных данных блокчейна; то есть каждый узел хранит все дерево состояния и часть данных Ethereum на основе стратегии сегментирования. Эксперимент проводится на двух серверах с процессором Intel (R) Xeon (R) E3-1225 с частотой 3,20 ГГц и памятью 64 ГБ. Пропускная способность — это случайное число от 4 Мбит/с до 100 Мбит/с, а экспериментальные данные — это исходные данные Ethereum. Согласно статистике Ethstats [ 55 ], по состоянию на 14 августа 2020 года максимальное, минимальное и среднее количество полных узлов, находящихся в сети одновременно в Ethereum, составляют 10 295, 4466 и 7418 соответственно. Количество полных узлов онлайн одновременно имеет определенную стабильность. Поэтому мы отслеживаем полные узлы в сети, чтобы получить количество полных узлов в сети одновременно в течение 80 дней, и экспериментальные результаты показаны на рис. 8 . Рис. 8  Полная надежность узла Ethereum Полноразмерное изображение Из рисунка выше выставляем надежность узлар = 0,5пзнак равно0,5; то по формуле (2) можно получить избыточностьк ≈ 47к≈47. Мы моделируем протокол Kademlia Ethereum на PeerSim [ 56 ]. Всего в эксперименте развернуто 6000 узлов, а надежность каждого узла установлена на 0,5, среди которых 80 узлов с определенными осколками помечены случайным образом. Доступность данных Как упоминалось выше, 80 из 6000 узлов содержат конкретные данные. В этом эксперименте, если предположить, что каждый узел хочет синхронизировать определенные данные со случайными вероятностями, мы можем получить доступность данных, извлекая определенные данные осколков (рис. 9 ). Рис. 9  Доступность шарда Полноразмерное изображение Экспериментальные результаты показывают, что в смоделированной сети, когда количество узлов, подключенных к сети одновременно с конкретными данными, превышает 52, доступность сегмента может достигать 100%. Причина того, что экспериментальное количество узлов, одновременно находящихся в сети, больше теоретического значения, т. е.к ≈ 47к≈47, заключается в том, что на передачу данных в сети P2P влияют перегрузка сети и другие факторы, и, следовательно, экспериментальное значение выше идеального значения в смоделированной сети. Можно предсказать, что в реальной сети количество узлов, подключенных к сети одновременно с определенными данными, должно быть больше из-за перегрузки сети, маршрутизации, пропускной способности сети и многих других факторов. Рис. 10  Среднее время проверки транзакции Полноразмерное изображение Рис. 11  Среднее время генерации блока Полноразмерное изображение Время извлечения измеряется через среднее время проверки транзакции и среднее время генерации блока. Из рис. 10 и 11 , мы можем сделать вывод, что как среднее время проверки транзакции, так и среднее время генерации блока для двух типов узлов имеют одинаковую тенденцию. Хотя узлы SSMAB тратят больше времени на проверку транзакций и генерацию блоков, чем узлы на полных узлах, можно использовать небольшую потерю производительности для значительной экономии памяти, как показано на рис. 12 . Рис. 12  Пространство для хранения Полноразмерное изображение Стоимость хранения Чтобы количественно измерить пространство для хранения, необходимое для различных схем систем хранения Blockchain, мы определяем пространство для хранения, необходимое Ethereum в полных режимах и узлах SSMAB для хранения всех данных Blockchain и данных Blockchain за последний год. Как показано на рис. 12 , как для объема данных, так и для объема данных в год пространство для хранения, требуемое узлами SSMAB, составляет всего 13% от объема полных узлов. Для узлов SSMAB, учитывая, что они экономят ресурсы хранения и обладают полной функциональностью полных узлов, дополнительные затраты на проверку транзакций и генерацию блоков являются приемлемыми. Направления исследованийМасштабируемость хранилища систем Blockchain является одним из ключевых факторов, влияющих на применение и развитие Blockchain, и стала популярной темой исследований в области Blockchain. Мы обсуждаем возможные будущие направления в отношении трех областей. ∙∙Механизмы стимулирования хранения. В зависимости от емкости хранилища каждого узла SSMBS стремится поощрять узлы к хранению частичных данных блокчейна для поддержания основных функций полных узлов. Системы блокчейна в конечном итоге состоят только из одного типа узлов, и все узлы совместно поддерживают данные блокчейна. Ключом к достижению этой конечной цели является побуждение узлов хранить как можно больше блочных данных. Очень важно разработать единый механизм поощрения хранения, хотя существуют некоторые трудности в разработке механизмов поощрения хранения: (1) уравновешивание отношений интересов между узлами, (2) гарантия безопасности режима вознаграждения за стимуляцию, (3) ) определение содержания схемы поощрительных выплат, (4) обеспечение масштабируемости механизма вознаграждения, (5) обеспечение защиты конфиденциальности узлов, и (6) оптимизация результирующих коммуникационных издержек во время совместного использования данных. Словом, в этом направлении еще есть куда стремиться. ∙∙Создайте практическую модель количественной взаимосвязи между избыточностью данных и надежностью данных систем Blockchain. Идеальная масштабируемая модель хранения для систем Blockchain должна уменьшать избыточность данных, обеспечивая при этом высокую надежность данных. Теоретически уменьшение избыточности данных приведет к уменьшению устойчивости и доступности данных, а также к увеличению времени поиска. Поэтому важно провести количественные исследования избыточности данных, сохраняемости данных и доступности данных, а также времени извлечения систем Blockchain и создать практическую модель количественной взаимосвязи для выполнения адаптивной корректировки между избыточностью данных и надежностью данных. ∙∙Оптимизация протокола распространения информации в блокчейне. Узлы транслируют блоки и транзакции в сеть Blockchain. Чтобы сохранить время распространения блока при увеличении размера блока, средняя пропускная способность всей системы, которая определяет время распространения блока, становится узким местом производительности систем Blockchain. Имеет смысл улучшить протоколы распространения для систем Blockchain, например, найти лучший механизм маршрутизации для повышения масштабируемости систем Blockchain. ВыводТехнология Блокчейн быстро развивалась в последние несколько лет, и можно предсказать, что Блокчейн будет применяться во многих областях в будущем. Сосредоточившись на масштабируемости систем хранения Blockchain, мы сначала представляем структуру данных Blockchain. Во-вторых, мы даем краткий обзор недавних исследований масштабируемых схем систем хранения Blockchain с надлежащей глубиной и достаточной широтой, а затем анализируем масштабируемость хранения систем Blockchain с точки зрения минимальной избыточности данных, степени децентрализации и надежности данных. . Наконец, мы подводим итоги и предлагаем SMBSS и проверяем ее достоверность, проводя экспериментальный анализ как блокчейна на основе UTXO, так и блокчейна на основе учетных записей. Экспериментальные результаты показывают, что прототипы SMBSS могут соответствовать требованиям масштабируемости блокчейна. Потенциальные направления исследований и открытые вопросы включают механизмы стимулирования хранения, количественные модели взаимосвязи между избыточностью данных и децентрализацией, характерными для систем Blockchain, а также оптимизацию протокола распространения. Мы ожидаем, что благодаря этому всестороннему обзору наш анализ и SMBSS вдохновят на многие дальнейшие исследования, посвященные улучшению масштабируемости систем хранения Blockchain. |