2052
1
0
2022-09-27 11:57:18
2022-09-30
岳崢宇，林岳，黃華威，2022年9月27日
論文信息：[下載鏈接]
Huawei Huang, Zhengyu Yue, Xiaowen Peng, Liuding He, Wuhui Chen, Hong-Ning Dai, Zibin Zheng, Song Guo, “Elastic Resource Allocation against Imbalanced Transaction Assignments in Sharding-based Permissioned Blockchains”, IEEE Transactions on Parallel and Distributed Systems (TPDS), Vol. 33, No. 10, pp.2372 –2385, Oct., 2022.
1 研究背景與動機
區(qū)塊鏈技術在過去多年逐漸得到了學術界以及工業(yè)界的關注。然而，目前主流區(qū)塊鏈有限的可拓展性仍然是其無法在實際場景中被廣泛應用的一個阻礙。以比特幣作為一個例子，如今比特幣網絡中一個區(qū)塊的出塊間隔大約是10分鐘?？梢钥闯霰忍貛啪W絡的“每秒交易數”（TPS）非常有限。目前主流公鏈很難達到如Visa（20000 TPS以上）等主流支付工具的吞吐量。
近幾年，區(qū)塊鏈分片技術作為一種很有潛力的擴容方法逐漸被越來越多的研究者關注并深入研究。分片技術最初是作為擴容數據庫的方法被提出的，這是一種水平切分的數據庫的方式。將分片技術用于區(qū)塊鏈網絡的核心思想是將區(qū)塊鏈網絡中的共識節(jié)點分成若干個組并行地“分而治之”。通過分片技術，不同的區(qū)塊鏈網絡分片可以分攤處理全網交易池中的交易量。分片技術有如下兩個明顯優(yōu)勢。首先，分片技術可以確保交易能夠以更短的擁塞延遲參與共識。其次，擴容后增長的交易吞吐量將鼓勵更多的用戶與應用程序參與建設區(qū)塊鏈生態(tài)系統，這些生態(tài)層面上的變化會提高區(qū)塊鏈網絡的安全性。
本文研究的場景聚焦在企業(yè)構建的一個運行在云端的、基于分片技術的許可鏈。就是說，所有的區(qū)塊鏈節(jié)點都在云端服務器上運行。云區(qū)塊鏈的管理員采用分片協議對這些云區(qū)塊鏈節(jié)點進行管理。分片協議可采用PBFT共識實現分片內的局部共識。但是這樣會存在一個問題：系統在根據交易的哈希地址分配該交易所屬的分片時，某些分片會出現交易負載的不均衡現象。這種交易分配不均衡可能是由異常的交易執(zhí)行造成，也可能由惡意的交易分配策略（如“交易注入攻擊”）導致的。一個惡意的交易分配策略可能會導致某些分片內產生大量擁塞的交易，從而造成整個區(qū)塊鏈網絡的TPS急劇下降。綜上所述，云端區(qū)塊鏈管理員期望有一個算法可以保證每個分片都維持在一個穩(wěn)定的狀態(tài)，并迅速緩解交易分配不均衡所帶來的影響，以確保某網絡分片在受到惡意“交易注入攻擊”后，云區(qū)塊鏈系統可以快速恢復。
在使用分片技術的云端區(qū)塊鏈中，惡意的交易分配策略可能會向某些目標分片突發(fā)注入大量交易。此外，在云端許可鏈的環(huán)境中，資源預算要比傳統區(qū)塊鏈中的共識資源要更有限。這是因為傳統區(qū)塊鏈（例如比特幣區(qū)塊鏈）的共識資源是由世界各地的礦工提供的。不同的是，部署在云端的區(qū)塊鏈的資源是由數據中心或者商業(yè)云服務提供商所提供的。因此，即便在突發(fā)交易注入攻擊的威脅存在的情況下，如何在資源有限的云端區(qū)塊鏈中保持各個分片區(qū)塊鏈的穩(wěn)定運行成為了一個挑戰(zhàn)。另一方面，盡管現有的區(qū)塊鏈分片研究已經提出了許多針對分片區(qū)塊鏈的交易上鏈的解決方案，但我們仍沒有發(fā)現可行的方案可以解決區(qū)塊鏈分片的穩(wěn)定性問題。因此，云端區(qū)塊鏈管理員迫切需要一種新的策略來處理許可鏈分片中的不均衡的交易負載。為此，本文將分片許可鏈的負載不均衡定義為多隊列系統的穩(wěn)定性問題。在該多隊列系統中，由于異常的交易執(zhí)行或惡意的交易分配策略為某些分片分配了大量的交易，這種行為可能會導致該分片出現擁塞。為了緩解部分分片出現的擁塞問題，本文采用了李雅普諾夫優(yōu)化框架來解決穩(wěn)定性問題。本文提出的策略根據觀察到的每個分片的交易池狀態(tài)，決定如何通過分配區(qū)塊鏈網絡資源來保持分片區(qū)塊鏈穩(wěn)定的同時最小化云端區(qū)塊鏈系統的運行成本。
2 論文主要貢獻
本研究的貢獻主要包括以下幾個方面。
3 提出的機制簡介
在云端區(qū)塊鏈網絡模型中，由于每個網絡分片新到達交易的廣播時間遠遠小于對校對塊達成共識的時間，因此，在本文采用的系統模型中，新到達交易的廣播時間忽略不計。新提交到系統的交易被視為同時到達網絡分片內的所有節(jié)點。交易被廣播后，該分片中的所有節(jié)點共享同一個版本的交易池。因此，每個分片的內存池可以看作一個單服務隊列，它存儲分配到該分片的所有交易，并等待分片中的節(jié)點對其進行處理。在該排隊模型中，交易按照泊松分布隨機到達。當打包校對塊時，該塊中所包含的交易將從內存池中刪除，這個刪除操作被視為交易的出隊列。在每個時段，所有委員會成員基于PBFT共識協議達成一致時，都會生成一個新的校對塊。每個分片的隊列表示本地內存池的狀況。基于上述的排隊模型，區(qū)塊鏈分片網絡可以看作是一個多隊列系統。本文所提出的算法機制就是保證該多隊列系統穩(wěn)定的前提下盡可能提高資源利用率。
4 部分實驗結果展示
第一組實驗本文評估了調節(jié)參數 V 對實驗結果的影響。將 V 設置為50、100和150進行實驗。此外，為了研究動態(tài)調節(jié)參數 V 的效果，本文還實現了一種基于codebook的方法，在該方法下，V 在[50, 150]范圍內根據分片的隊列擠壓和資源消耗的變化進行自適應變化。實驗結果可得在改變參數V的幾種情況下，區(qū)塊鏈網絡都可以保持在穩(wěn)定的狀態(tài)，同時本文使用的虛擬隊列技術可以令使用到的資源保持在各自給定的預算范圍內。此外，提高 V 值，可以有效降低資源消耗量，即算力和網絡帶寬的消耗量。因此，資源消耗量與 V 值呈負相關。然而，較大的 V 會導致隊列長度的增加，從而延長交易處理的等待時延。因此，隊列長度與 V 值呈正相關。綜上所述，在實際情況中，本文需要通過調節(jié)參數V仔細權衡交易處理的資源消耗與排隊延遲之間的關系。
第二組實驗中本文評估了提出的DPP資源分配算法與現有最好的幾種方法進行比較的結果，這幾種 baseline 方法分別是：
在實驗中，當分片數目小于100時，本文提出的DPP資源分配算法控制的隊列長度可以做到低于Top-S資源分配算法控制的隊列長度，但是本文提出的DPP資源分配算法與Top-S資源分配算法相比可以節(jié)約60%以上的資源消耗量。對于Longest-First資源分配算法，其網絡分片數超過15時，區(qū)塊鏈網絡的穩(wěn)定性已經有了不可控制的趨勢，此時Longest-First資源分配方法的平均隊列長度會飆升至700左右，其長度是同情況下本文提出的DPP算法控制下隊列長度的7倍，即網絡分片的擁堵程度為7倍。當分片數量超過50時，Random資源分配算法的平均隊列長度從20急劇增加到780左右，此時本文提出的算法控制下的隊列長度僅有90左右。對于Average資源分配算法，當分片數達到100時，該算法依然可以維持很低的隊列長度。但這種隊列壓縮能力卻是需要通過大量消耗資源來實現的。即使是Average和DPP兩種資源消耗算法所需資源消耗量最相似的100個網絡分片情況下，本文提出的DPP資源分配算法在資源消耗量上依舊要比Average資源分配算法節(jié)約20%以上的資源量。
第三組實驗中本文評估了 DPP 資源分配算法在受到突發(fā)交易攻擊后能否快速恢復，實驗結果表明，該算法能夠使受到攻擊的網絡分片快速恢復，同時，與其對比的 Top-S 與 Longest-First 資源分配方法完全無法在受到突發(fā)交易攻擊后使區(qū)塊鏈網絡重回穩(wěn)定狀態(tài)。即使是在最需資源的恢復階段，本文提出的 DPP 資源分配算法與另外兩種算法相比，在兩種資源的消耗量方面也能分別做到20%以及5%左右的節(jié)約程度。
5 本項研究在工業(yè)界的應用前景分析
近幾年，我國大型互聯網公司紛紛布局區(qū)塊鏈基礎設施，紛紛推出自己的云端區(qū)塊鏈服務 —— BaaS（區(qū)塊鏈即服務），利用自身云計算的優(yōu)勢，將區(qū)塊鏈與云計算緊密結合。BaaS 是區(qū)塊鏈設施的云端租用平臺，可以幫助租戶企業(yè)簡化運營流程，企業(yè)無需專門建設自己的基礎設施，服務購買即用，削減了部署成本。
在如今業(yè)務并發(fā)訴求越來越大的壓力下，單個區(qū)塊鏈的性能往往不能達到用戶要求，因此有些 BaaS 區(qū)塊鏈平臺（例如華為云區(qū)塊鏈）通過分片、多鏈等方式來大幅提高交易處理的并發(fā)能力。然而現有的分片方案大多數無法做到將交易較為均衡地分給每個分片，結果往往會出現不同的區(qū)塊鏈分片需要處理的交易量有巨大差異的現象。若不合理為各個分片分配調整所需的共識與網絡資源，則會導致交易量大的分片得不到足夠的云資源，進而造成部分交易的處理延遲較高的問題。另外，即便為每個分片分配了足夠的資源，也很可能會出現資源過量配置的問題。
本文提出的 DPP 算法正是為了解決上述問題。運用該算法，能夠合理為各分片分配所需的云端資源，可以迅速緩解交易分配不均衡所帶來的影響，有效降低區(qū)塊鏈中交易處理的延遲，幫助企業(yè)構建一個部署在云端的“低資源消耗”的高性能區(qū)塊鏈基礎設施。
