高效的并发执行的智能合同区块链分片

文摘

区块链技术的吞吐量性能是一个关键问题,尤其是在区块链切分系统。虽然切分方案可以提高并行处理事务吞吐量,每个切分的本质仍然是一个小的区块链。使用串行执行的智能合同事务,性能没有显著提高,仍有改进的余地。智能合同并发执行策略基于并发度优化提出了性能优化在一个碎片。这种策略应用于每个切分。首先,它描述了相互矛盾的信息通过执行一个聪明的合同合同特性,分析影响因素的基础上并发执行的智能合同,合同事务和集群。第二,在碎片交易频率高,考虑到执行时间,冲突率,和合同交易的可用资源,发现合同事务的可串行化的调度冗余计算和一个变量影子投机并发控制(SCC-VS)算法对智能调度提出了合同。最后,实验结果表明,该策略提高了智能平均合同执行39%的并发性和整个系统的事务吞吐量平均21%。

1。介绍

区块链技术可以被描述为一个分布式扩展分类帐在大点对点(P2P)网络,并演示了其效用的良好前景等几个领域物联网(物联网),金融资产,共享经济和版权维护(1- - - - - -3]。然而,随着交易规模区块链,当前的性能缺陷区块链平台逐渐接触(例如,低吞吐量和缺乏并发)(4- - - - - -6),和当前的平台越来越无法满足大型应用程序的需要。作为一个有效的手段来改善系统性能,切分方案应用于区块链系统。Elastico是最早的事务分片提议面临公众链。它将网络中的节点划分为多个独立的碎片;每个碎片都包含多个节点,这样不同的碎片可以并行处理无关的事务和线性提高区块链系统的处理能力。虽然介绍碎片之间的切分方案可以实现并行处理(7- - - - - -9),每个切分的本质仍然是一个小型区块链系统,和一个聪明的合同(SC)以串行方式执行(10- - - - - -12]。没有显著改善内部性能的碎片,所以SC的性能可能会受到碎片。如果地址在一个碎片交易频率高,碎片将会产生大量的交易信息,这将导致数据冲突而导致碎片堵塞(13]。

提高性能的一个碎片,我们提出一个SC并发执行的策略。首先,SC特征在一个冲突的信息记录,收集到的信息作为一个重要的参考因素来解决合同冲突,以及随后智能合同交易(sct)集群。第二,实施优化处理事务的并发执行,我们提出一个变量影子投机并发控制(SCC-VS)算法,它综合考虑了SC执行时间E_t、冲突率C_r和可用的资源R依靠冗余计算,找到一个可串行化的调度,这有效地解决了性能下降问题由sct数量的增加引起的。

我们总结一下本文的贡献如下:(1)我们建议SC的特性信息收集技术。该方法充分利用信息资源的SC,记录实时统计的SC TSM-Module冲突发生的特征信息,并收集特征信息作为下一个重要的参考因素解决SC冲突。(2)我们设计一个集群技术sct。首先,被最初分区通过遍历信息收集功能。第二,执行时间E_t和冲突率C_rsct的预测。基于预测的值,使用聚合函数又分为。最后,我们获得三组:Set_δ,Set_λ,Set_μ(Set_δ,Set_λ,Set_μ并发处理模块度优化,得到的和执行的事务的优先级调度管理模块是由高到低)。通过改变sct的分布,实现最优处理的并发性。(3)我们提出一个SCC-VS SC算法调度。该算法综合考虑sct的三个维度:执行时间E_t、冲突率C_r和可用的资源R。它依赖于冗余计算找到一个可串行化的调度和并发执行优化sct。事务阻塞和重启的问题造成的现有方法缓解,和系统资源的有效利用。(4)我们实现并发度优化处理模块的原型(CDO-Module)和事务调度管理模块(TSM-Module)并将它们应用到测试环境。许多运行仿真实验来验证性能改进图灵。

本文的组织结构如下:在部分2,我们回顾相关工作。节3,我们提出一个CDO-Module和详细解释它的实现。节4,我们提出一个TSM-Module和分析理论。我们目前的模拟和评估部分5节和结论6。

2。相关工作

提高区块链系统的性能的一个重要方式是实现的SC的并发执行。14),Luu等人首次提出安全分片协议引入公众链平台,旨在建立一个分片网络结构,可以实现并行计算。虽然这种方法提高了吞吐量在某种程度上,它使用一个non-Turing完成语言创建SC, SC的灵活性不足和限制在某些情况下。迪克森等人提出了一个两级并发执行协议基于锁的SCs法(15),旨在提高SC执行的性能。然而,由于锁方法属于悲观并发控制算法,可扩展性差,会发生严重的阻塞问题当sct之间的冲突率高;实验证明,效率不高。小河等人提出另一个SC执行框架基于时间戳排序方法(16),允许被并发地执行在一个乐观的态度,乐观并发控制可以在低度冲突负载下执行因为避免锁同步。如果SCs之间数据冲突频繁发生,许多事务重启会引起。多版本并发控制机制提出了张、张(17)允许验证器验证模块的一致性和确定性同时通过执行sct,加速块验证的速度,但相应的矿工的工作没有深入讨论。

此外,并发控制算法的执行效率有直接影响SC。现有的投机并发控制(SCC)算法不是很适合区块链分片环境。例如,在[18),提出了一种改进的SCC-2S算法确定实时空间事务,以确保数据的新鲜和不符合的要求增加了并发性。SCC-NS算法中引入[19)旨在正确大胆利用冗余资源冲突,但它也有一个巨大的系统开销问题。文献[20.]提供了一个详细的比较和定量评价主要分片机制,连同我们的见解分析特性和现有解决方案的限制。然而,没有明显被分片机制的描述,也没有分析的安全高效的并发执行智能上下文中的合同区块链分片。文献[21)提出了一种安全、有效的施工方案区块链网络,建立一个有向无环图(DAG)区块链网络通过网络链接协议,并进行分片技术DAG区块链实现并行处理的事务。然而,这种方法并不研究每个切分中的性能改进。现有工作之间的主要贡献的比较如表所示1。

3所示。CDO-Module

为了清晰起见,本文定义了事务在SCs sct。矿工的SCT代码执行一次和多次的验证器。区块链系统的碎片,事务的最大并发执行是一个非常重要的性能指标,在并发性是指的数量被并发地执行。高并发性不仅可以提高系统资源的利用率也事务吞吐量最大化。因为现有的SC执行策略并不是优化的高并发性服务,这项工作构造并发度优化处理模块(CDO-Module)。这个模块包含两个单元:一个特性信息采集单元(FIA-Unit)和一个分类和监控单元(CAM-Unit)。通过引入分片提议,所有网络被映射到不同的碎片进行处理。减少过度造成的性能下降被在一个碎片,被切分后建议将CDO-Module预处理。

3.1。FIA-Unit

协助TSM-Module的高效运行,设置FIA-Unit工作。本单元将记录统计的SC特性信息的冲突TSM-Module实时和使用收集到的特征信息作为一个重要的参考因素解决SC冲突。这个特性信息包括相应的SC账户地址及相关成员函数高冲突的频率。特征信息数据表(FIS-Table)是基于开采特征信息生成的,表是由FIA-Unit维护。FIS-Table记录两种类型的数据:冲突的合同账户设置(C-CA集)和高冲突率成员函数集(H-CRMF集)。

现有的策略只采用一种并发控制方法解决冲突SCs但不考虑如何充分利用SC信息资源进一步提高并发的执行(22]。SC的本质是一个可重用的,不变的,并自动执行网络上运行的计算机程序,不能积极执行。其交互模式分为内部和外部调用调用(23];即外部所有账户(地址结束)调用SC和合同账户(CA)叫SC。相应地,FIA-Unit特征信息的统计分析分为C-CA集和H-CRMF集的统计分析。TSM-Module执行SC并发时,它将记录新的冲突和喂养它们回到FIA-Unit。其中,冲突的SC账户地址记录在FIS-Table C-CA集,和相关的SC功能更高的频率记录在H-CRMF冲突集,确保在FIS-Table连续更新的统计。图1显示每个模块和单元的基础设施模型。

3.2。CAM-Unit

因为sct的分布对并发执行的性能有很大的影响,这项工作使用CAM-Unit。本单元将被划分为不同的相关因素优化并发性。同时,CAM-Unit将限制的数量被执行,修正计算负荷,减少冲突的概率,使并行加速比年代_反对在理想的范围内。在的情况下n节点,年代_反对表达式如下所示: 在哪里T_爵士代表时间连续执行sct,T_反对代表着时间并发执行sct。W_爵士代表串行部分的负荷,W_反对代表的并发负载部分,是串行部分的比例;也就是说, , 。

随后被被遍历FIS-Table初步分类确定每个SC”功能的信息。“重新分类,估计执行时间E_t和冲突率C_rsct必须全面考虑。完整的分组过程如图2。

3.2.1之上。执行时间的价值(E_t)

分片设计方案可以网络中许多被映射到类别不同的碎片。因此,对于价值的E_tSCT,我们假定相似的工作有相似的执行时间和使用E_t完成了SC的预测E_t类似的SCs。假设来估计E_t合同的事务J_sc,具体步骤如下:(1)考虑到这一事实被都伴随着带宽消耗,存储消耗,计算消耗,等等,一个模板首先确定,和上述三个消费因素被认为是三个属性值:带宽消耗(Mbps),存储消耗(MB),和计算消费(散列/ s)作为模板的组成元素。在这篇文章中,B,年代,C分别使用,{B,年代,C}。(2)最多三个消费因素需要在SCT有限J_sc发行。根据模板{B,年代,C},选择sct相似J_sc并形成一套 。(3)因为三个属性值的属性模板{B,年代,C}是不同的,通常有不同的维度和数量级,以保证结果的可靠性,需要对原始数据标准化;即min-max采用标准化方法进行线性变换的原始数据并将其映射到区间[0,1],消除不同维度之间的空间的影响和促进随后的计算。序列B₁,B₂、……B_n,年代₁,年代₂、……年代_n,C₁,C₂、……C_n是改变了以下计算方法: (4)在集合 ,使用方程(3)计算数值之间的相似性和 ,和米SCs相似J_sc选择形成一组吗。欧几里得度量通常是用来测量距离。值越大,越远的距离。本文采取互惠,距离越远,越接近倒数值为0,这意味着sct之间的相似性较低。Sim卡( , )基于这三个数值属性值B,年代,C定义如下: (5)在获得类似的设置的J_sc,实际的E_tsct的可以用来预测E_t的J_sc。本文使用平均法;的平均值E_tSC的作为预测的时间吗J_sc,计算公式如下: 在哪里R_我是实际的E_t的我th SC在 。

3.2.2。的价值冲突率(C_r)

SC冲突率的概率是指一个SC冲突与任何其他SC执行它时,它是理想的判断基于当前冲突的情况。因为SCs不能静态地分析(24),是不可能知道将会有冲突在SC执行之前,所以它无法判断SC冲突的概率根据系统状态在某一个时刻。考虑到冲突的高发主要是一些受欢迎的SCs引起的一段时间,我们假设“短期冲突的事务执行期间有一个更大的对预测值的影响。“C_rSCT的过去的冲突率预测的时期。除了因为合同冲突率的非线性特点,不适合使用线性回归方程计算合同冲突率。因此,本文采用加权移动平均法(25基于反馈值预测)C_rSCT。具体步骤如下:(1)加权移动平均法用于计算最初的冲突率 。加权移动平均法的特点是简单的逻辑,预测精度高。它以时间为标准,更大的重量接近预测的数据。这可以弥补缺乏平等对待所有数据的移动平均法和敏感回应最近的趋势数据。最初的冲突率的基本计算方法所示如下方程: 代表了n预测结果;U_n−我代表的冲突率检测n₋我时间;我代表的数量参考价值;和代表的重量值我参考价值。(2)加权移动平均法对短期预测精度高,但是权重的方法需要预先设置和确定权重时不会改变,所以最初的准确性C_r不能有效的反馈。这也限制了合同冲突率预测的准确性。为了进一步提高预测的准确性,我们需要计算的反馈值,以便每个预测的结果反馈到下一个计算预测结果。所示的计算方法是以下方程: F_n代表的反馈价值n时间;代表了最终的预测价值n−米时间;重量值;和F_n大于1的预测价值太大,小于1意味着预测价值太小。(3)我们可以看到从方程(5)和(6)最初预测的计算值和反馈值F_n用于计算权重值和 ;选择合适的权重对最终的预测结果有很大的影响。考虑到预测的C_r有明显的时间特征,观测值预测点越近,影响越大的结果。在这篇文章中,衰减的因素k被认为是确定重量值。的初始值的重量在方程(7)是1。重量的计算公式是 的初始值在方程(8)是1。重量的计算公式是 (4)反馈价值的概念是基于加权移动平均法的计算值。最后一个C_r预测价值等于加权移动平均价值的比例反馈价值。计算方法如下:

后计算估计执行时间E_t和冲突率C_rSCT,有必要综合考虑和判断阈值。聚合函数的计算公式如下: 在哪里α是一个参数;和的重量是E_t和C_r,分别。

首先,通过遍历FIS-Table,被没有记录在Set_特征信息δ。第二,P必须指定一个阈值决定β。如果P≥β,在Set_ SCT记录λ;否则,它记录在Set_中μ。最后,随后被分为三组:Set_δ,Set_λ,Set_μ。被在Set_δ最低冲突概率和最短执行时间;给出一组最高优先级被执行时,Set_紧随其后λ。Set_μ最高概率和最长执行时间冲突,所以设置的优先级最低。被在Set_δ,Set_λ,Set_μ将并发地执行由TSM-Module SCC-VS算法,而Set_吗δ,Set_λ,Set_μ将连续执行。

4所示。TSM-Module

达到优化sct的并发执行,这项工作设置事务调度管理模块(TSM-Module),它使用一种改进的SCC算法SCs并发执行。投机性并发控制算法是基于乐观的方法,依赖于冗余计算找到一个可串行化的调度。该算法可以减少阻塞和重启sct预处理的冲突。根据SCC-NS [26),阴影生成的数量正相关程度的并发性,但在大量的计算的成本。因此,平衡后并发性和计算成本的两个因素,一个变量的影子投机并发控制(SCC-VS)算法。SCC-VS动态计算阴影的数量N被要求三个方面的执行时间E_t,冲突率C_r和可用的资源R,见以下方程: 在哪里ϕ是一个常数系数,e是一个常数,R_o平均数量的空闲资源的系统,C_r(T_sc)代表的冲突率合同交易T_sc,E_t(T_sc)代表的执行时间T_sc,R(T_sc)代表可用的空闲资源T_sc执行。

通过分析和研究SC的并发性问题和现有的工作,本文采用智能的两级并发执行框架合同。如图3下面,它考虑的主要节点的执行效率(领袖战俘中的矿工节点节点BFT)同时,验证节点的播放效率可以得到保证。通常,一个SCT执行在其全生命周期的两倍。第一次主要节点创建一个块;第二次验证节点验证。具体来说,客户端将每个节点首先播放SCT。在第一次执行阶段(主要执行阶段),主节点收集一批sct,然后使用并发控制算法实现sct的并发执行,然后包被记录在执行过程中记录到的冲突。最后,验证节点广播。收到的共识后,验证节点进入第二个执行阶段(验证阶段),使用冲突记录通过主节点回放相同的批sct,和确定性计算新的状态转移,产生相同的可串行化的调度为主要节点验证的有效性。

SC并发执行策略基于并发度优化提出了由两部分组成。第一部分是基于CDO-Module优化sct的并发性程度。第二部分是基于SCC-VS算法执行并发sct。完整的运行机制如图4。

首先,在区块链分片环境中,每个节点获得一组被从P2P网络,和每个事务与SC关联功能。每个SC函数由多个步骤,如查找、插入和删除共享的数据项。的并发sct CDO-Module的帮助下进行了优化。后进入第一阶段主要阶段SCs并发执行,矿工节点将优化被加载到一个隔离的沙箱环境在这一阶段,使用SCC-VS(参见算法1)来识别冲突,并允许主节点记录的矛盾关系和特定的实时数据项冲突,形成冲突的记录。然后,并发执行提出了一个街区的矿工,组成一套合同事务,冲突记录,最后的状态,前一块的哈希值,和其他信息。它是通过P2P网络中的其他验证器验证。SCC-VS包括五个规则。SCC-VS算法显示了算法的过程1。

去之后第二个stage-validation阶段;验证器验证提出的块并发矿工。并发验证器分析冲突记录块识别sct之间的冲突关系。因为所有冲突之间的关系被发现了矿工,验证器可以执行的并发sct,确定性的方式的帮助下冲突记录提供的矿工。被成功执行后,验证器比较的最终状态与计算并发矿工。如果最终状态匹配,则证明了提出的块并发矿工是有效的。在这一点上,有必要反馈新冲突记录CDO-Module FIS-Table更新维护。最后,块添加到区块链和矿工相应奖励。

TSM-Module使用SCC-VS,这将极大地减少事务阻塞和重启的问题。同时,它保证被获得更高的并发执行时以较低的计算成本。

此外,我们还进行了一个详细的分析的安全使用的区块链分片模型本文针对几个区块链网络中常见的攻击模式:分布式拒绝服务攻击,攻击,51%空块攻击,女巫攻击。

第一个是分布式拒绝服务(DDoS)攻击。它是一种特殊形式的基于DoS的拒绝服务攻击。这是一个分布式、协调,大规模的攻击。通过大量的无用的大量的网络请求,攻击者试图系统过载,导致的网络中用户不能正常访问网络资源,使系统瘫痪。DDoS攻击通常是由攻击者控制的内部平台或从受害方要求赎金。分片模型中我们使用,如果我们想要进行DDoS攻击,我们必须包括区块链中的所有节点网络的攻击范围,这可能会导致系统崩溃。区块链网络我们添加更多的节点,节点的数量将会增加,攻击者的攻击成本将太多。

第二个是女巫攻击,这意味着攻击者使用单个节点建立多个虚拟身份和使他们存在于P2P网络,减少网络的鲁棒性,干扰网络的正常活动,和其他用途。在区块链分片环境中,攻击者还需要创建多个账户进行女巫攻击。然而,本文中使用的分片设计方案在一定程度上可以限制验证节点;即验证节点需要承诺一定数量的令牌进入切分之前验证交易,这使得它很难攻击者创建一个在短时间内大量的身份。

然后,有51%的攻击,这是最著名的区块链类型的攻击。例如,在比特币网络,一旦攻击者控制超过51%的整个网络的计算能力,攻击者可以篡改历史数据在网络和间接掌握正确的比特币记帐的网络。在区块链分片环境中,攻击方法可以被理解为超过51%的碎片中验证节点共同犯罪,也就是说,阴谋袭击。然而,必须满足两个条件阴谋袭击碎片的发生:(1)恶意节点碎片的数量应该大于2/3的节点总数的碎片(2)恶意节点应该为联合邪恶勾结在一起

如果超过51%,但不超过2/3的验证节点协同工作,将没有共识,即。超时,共识。本文中使用的分片设计方案将限制共识超时的数量,从而有效地减少这种类型的攻击的发生的概率。共识超时发生时连续几次,我们将放弃事务和重新分配的事务,所以51%的攻击无法实施。

最后,还有空块攻击,矿工填补这一块的负责人没有验证任何事务解决共识问题尽快能够发布块更快,得到块奖励竞争采矿过程中。虽然空块攻击不会影响区块链的有效性,如果频繁发生的空块会导致事务请求的不断积累,事务内存池持续增长,平均交易确认时间变得更长。

这种情况类似于51%的攻击。我们只需要适当扩大分片规模和优化性能在一个碎片来解决这个问题。此外,与空块攻击相比,没有理由矿工,利用经济学原理。

从上面的分析,可以看出,本文中使用的分片设计方案有一定的抵抗能力,一些常见的攻击模式,可以保证设备的正常运转的区块链切分系统使用本文提出的策略。

5。实验

在本节中,提出了SC并发执行的性能策略基于并发度通过实验验证了模型的优化。由于现有的SC区块链的模型都是单线程模型(如Ethereum维生素)27],SC并发执行的策略提出了难以实现真正的区块链系统。这个实验结果,完成所有绩效考核在服务器上,并使用Java语言来模拟真实的智能合同执行(28,29日]。负载生成器实现本节实验综合考虑sct的数量和占生成相应的每组实验的负荷。事务类型采用随机分配类来实现均匀分布。数据访问模式符合Zipfian分布来模拟sct的冲突场景。具体来说,参数越大,sct之间的冲突率越高。服务器配置运行实验所需表所示2。

因为本文SCs的并发执行,它简化了战俘和其他相关因素。性能的实验主要集中在以下几个方面:(1)当被增加,加速变化的每个方法的比较;(2)当冲突率增加时,加速度变化的每个方法的比较;(3)当节点数的增加,吞吐量的变化每个方法的比较;(4)随着碎片的数量增加,个别碎片和整个系统的吞吐量变化;(5)随着碎片数量的增加,节点的存储开销变化;(6)冲突记录FIS-Table改变随着sct的数量增加;(7)累积分布函数(CDF) (30.]估计执行时间和实际执行时间的SC实现;和(8)的吞吐量结果安全实验。所有实验结果的平均值后多次执行,以减少错误。

实验比较了智能合同并发执行策略提出了与其他两种传统的并发控制算法,并使用串行执行的结果作为基准来模拟每个方法的平均加速度。通过分析实验结果图5可以看出,当事务流较低,使用锁算法相对甚至不带来加速或减速。这是因为冲突造成的额外开销处理影响并发性能。与不断增加的事务流的平台,锁算法开始慢下来类似于BTO算法经过一段时间的加速度。基于优化的改善并发性和事务阻塞和重新启动,该策略可以减少交易流量增加引起的性能下降。

从实验结果图的分析6可以看出,随着冲突率增加,造成的加速度三种方法显示了一个下降的趋势。当冲突率接近68%,使用BTO算法执行SCs比串行执行的速度慢。相比之下,锁算法,它使用悲观方法作为一个例子,更适应情况下冲突率较高。然而,由于冲突率,增加跨切分交互的概率也在不断增加,和复杂性越来越高31日),所以总体趋势也下降,但整体实现仍略优于上述两种方式。

根据实验结果如图7,可以兼容分片策略提出了建议和仍然保持线性可伸缩性的特点;与越来越多的节点和网络,体积,可以提高处理性能通过并行数据流。根据传统方法,即使SCs并发执行,随着越来越多的节点的增加,他们的交易速度仍将减少。

CDO-Module的合作下,TSM-Module策略提出了改进sct的执行效率和整个系统的吞吐量性能的优化每一个碎片。我们比较传统的分片区块链,以Elastico公共区块链为例。Elastico首次提出采用分片模型在公共区块链系统(32),几乎完成了线性膨胀的吞吐量。分析实验结果图8,在传统方法下,尽管全网TPS增加碎片的数量增加,TPS的一个碎片仍然很低,只有大约50,而且没有显著的性能改进。而战略提出了保证了性能改进的一个碎片,整个系统的吞吐量也达到一个很高的水平。

对于分片存储的开销,我们计算的数据量存储在每个切分。因为跨切分sct将存储由多个碎片,我们发送5%,10%,15%,20%这个实验跨切分sct。分析实验结果图9显示每个节点的存储开销减少碎片的数量增加。在相同数量的碎片,跨切分sct越多,存储开销就越大。此外,我们注意到存储优化机制可以用来进一步降低存储开销。

我们使用SCC-VS算法来实现TSM-Module SCs的并发执行。与此同时,该公司将提出一个新的块,由信息,比如sct的冲突记录,最终状态,前一块的哈希值。TSM-Module反馈中的特征信息冲突FIA-Unit记录,其目的是实现sct的预处理。图10显示了sct的数量之间的关系和冲突的四种类型的记录SCs(即。,a, b, c, d)在不同的并发控制算法。通过分析实验结果如图10我们可以看到,无论采用什么方法,冲突记录与增加sct FIS-Table将增加。然而,本文中的SCC-VS算法显示了更好的性能由于其应用程序在一个碎片,把许多sct成不同的碎片,优化之间的并发性程度,sct。

目前,因为少量的sct的块,sct之间的冲突记录的存储块不会消耗太多的空间。因此,冲突sct的记录存储在一块不消耗太多的空间。随着时间的推移,如果冲突记录增加,将消耗更多的存储空间。因此,重要的是要提供最好的冲突记录或正确实现并发执行的SCs没有冲突的记录。

CAM-Unit,E_tSC必须预测。验证方法的有效性,累积分布函数(CDF)的估计E_t和实际E_t给出了四种不同的SCs的人物11。本图描述的概率估计E_t和实际E_t四种不同类型的SCs属于任何时间间隔。通过四个SCs的执行,我们发现实际运行时对应相同的概率密度略小于E_t我们计算。造成这种情况,一方面,由于减少执行时间,另一方面,因为我们通常高估了运行时的四个SCs在这个实验。图中可以看到11,实际E_t分布的四个SCs是光滑的,而估计-E_t是温热,这表明估计-E_t计算了该方法相对粗糙。因此,对于本文的预测算法,更容易获得一个良好的预测效果(例如,b和d类型合同)与温热实际sctE_t分布。

为了评估的电阻区块链切分系统使用并发执行策略提出了恶意节点,我们建立了60个节点,其中15个节点45恶意节点和其他节点是诚实节点,如图12。诚实节点确认接收的所有事务,而恶意节点停止验证事务和拒绝是主节点每一次选举。通过这种方式,我们测试的安全方案摘要验证其抵抗恶意节点从长远来看。

图13的吞吐量结果安全实验。计算后,可以看出区块链系统的平均事务吞吐量约412.3 TPS使用传统随机分片技术。的平均事务吞吐量区块链切分系统使用策略提出了TPS约为525.1,高于传统的计划。原因是恶意节点停止验证事务和拒绝是主节点每一次选举。在这一点上,碎片中的其他节点广播紧急消息,开始回滚程序,然后选择一个新的主节点。在这个过程中,碎片停止工作和事务不能被验证在新的主节点当选之前,导致吞吐量快速下降。然而,总的来说,整体的平均吞吐量策略提出了仍比传统方案。

6。结论

在本文中,我们提出一种智能合同并发执行策略基于并发度优化。首先,CDO-Module用于收集SCs冲突的特征信息和执行并发度优化处理后续sct。其次,通过TSM-Module,提出SCC-VS算法用于执行后被优化。实验结果表明,该策略可以确保SCs的执行与更高的并发性程度,单一的碎片和性能在每个碎片是进一步改善,这样整个区块链分片系统可以满足更高的事务吞吐量。

数据可用性

数据用于支持本研究的结果都包含在这篇文章。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是支持中国国家重点研发项目的一部分(2019 yfb1406002),部分是由中国国家自然科学基金(61903356)和部分重点科研项目的辽宁省教育部(LZD202002)。

引用

1. s . Misra a·穆克吉罗伊,n . Saurabh y Rahulamathavan,和m . Rajarajan”区块链优势:资源受限的物联网网络的性能,”IEEE并行和分布式系统,32卷,不。1,第183 - 174页,2021。视图:出版商的网站|谷歌学术搜索
2. t . Alharbi”区块链技术在软件定义网络的部署:一项调查,“IEEE访问,8卷,第9156 - 9146页,2020年。视图:谷歌学术搜索
3. g, t . z聂,李x h . et al .,“分布式数据管理技术在区块链system-challenges和前景,”中国电脑杂志,12卷,不。42岁的1-27,2019页。视图:谷歌学术搜索
4. 美国内森,p .塔迦尔,b . Vishwanathan”性能基准测试和优化hyperledger织物区块链平台,”2018年。视图:谷歌学术搜索
5. r . m . Liu Yu, y腾”性能优化blockchain-enabled工业物联网(IIoT)系统:深强化学习方法,“IEEE工业信息》第六卷,没有。15日,第3570 - 3559页,2019年。视图:出版商的网站|谷歌学术搜索
6. Eyal, a . e . Gencer和e . g .先生,”Bitcoin-NG:一个可伸缩的区块链协议”,2016。视图:谷歌学术搜索
7. k . y . Li郑,y燕”EtherQL:查询层区块链系统”,2017年。视图:谷歌学术搜索
8. k . Croman c·德克尔,即Eyal”比例分散blockchains”, 2016。视图:谷歌学术搜索
9. 肖y . c . Liu,诉Javangula”NormaChain: blockchain-based规范化自治IoT-based电子商务交易结算系统,”IEEE物联网》第六卷,没有。3、4680 - 4693年,2018页。视图:谷歌学术搜索
10. l . s . Wang欧阳,y元,“Blockchain-enabled智能合同:架构、应用程序和未来趋势,”IEEE系统,人,和控制论:系统,11卷,不。49岁的1 - 12,2019页。视图:谷歌学术搜索
11. 问:f . Shao, c .问:金,z,“区块链技术:架构和进步,”中国电脑杂志,5卷,不。41岁,969 - 988年,2018页。视图:谷歌学术搜索
12. y丽安,t . Wei-Tek和l . Guannan Smart-contract执行并发积木,“2017人。视图:谷歌学术搜索
13. d .贾、j .鑫和z . Wang”ElasticChain:支持非常大的区块链通过减少数据冗余,”2018年。视图:谷歌学术搜索
14. l . Luu诉Narayanan, c .郑”开放blockchains安全分片协议”,2016。视图:谷歌学术搜索
15. t·迪克森,p . Gazzillo和m .病”添加并发智能合约,”分布式第一版,33卷,不。3 - 4、209 - 225年,2020页。视图:出版商的网站|谷歌学术搜索
16. p . s .小河、美国Kumari和仙女,“使并发智能合同使用乐观事务内存,”计算机科学,4卷,不。7,508 - 524年,2018页。视图:谷歌学术搜索
17. 张a和k .张“启用并发并发执行的智能contractson智能使用多版本订购合同,”2018年。视图:谷歌学术搜索
18. 美国,哈姆迪·e·布瓦吉吉,和美国的费,“投机实时并发控制空间大数据使用实时嵌套空间事务和不精确的计算,”2017年。视图:谷歌学术搜索
19. 问:罗和l .张“可预测的实时数据库并发控制算法,计算机科学没有,卷。31日。10日,87 - 92年,2004页。视图:谷歌学术搜索
20. g . s . Yu x Wang于克俊et al .,“调查:在blockchains分片,”IEEE访问,8卷,第14181 - 14155页,2020年。视图:谷歌学术搜索
21. 秦c . x、b .郭、y沈et al .,”区块链网络可靠和有效的施工方案,“安全性和通信网络卷,2020篇文章ID 8881881, 2020。视图:谷歌学术搜索
22. p . s .小河、美国Kumari和仙女,“一个有效的框架,乐观并发执行的智能合约,”2019年。视图:谷歌学术搜索
23. k . Christidis和m . Devetsikiotis Blockchains物联网和智能合约,”IEEE访问4卷,第2303 - 2292页,2016年。视图:出版商的网站|谷歌学术搜索
24. i Grishchenko、m .马费伊和c . Schneidewind“静态分析的基础和工具Ethereum智能合约,”2018年。视图:谷歌学术搜索
25. 彭译葶。林学系。张文雄,t·s·艾。许,研究。陈”,应用程序一般加权移动平均法跟踪信号的状态空间模型,”专家系统,30卷,不。5,429 - 435年,2013页。视图:出版商的网站|谷歌学术搜索
26. a . Bestavros和美国Braoudakis”,成为万国n年代: A family of speculative concurrency control algorithms for real-time databases,” 1993.视图:谷歌学术搜索
27. h . z l . Wang Jin, w .问:戴et al .,“Ethereum智能合同安全研究:调查和未来的研究机会,”前沿第一版,15卷,不。2、2021。视图:谷歌学术搜索
28. a·加法尔·m·a·萨瓦尔z Abubaker et al .,“聪明的合同研究实验室共享数据权限管理学者Ethereum区块链网络,”2019年。视图:谷歌学术搜索
29. f . Spoto“执行Java智能合约的决定论,”2020年。视图:谷歌学术搜索
30. h . Okagbue m·o·达姆和t . a . Anake“闭型逆Nakagami分布的累积分布函数的表达式,”无线网络,26卷,不。7,5063 - 5084年,2020页。视图:出版商的网站|谷歌学术搜索
31. h·金、戴x和j·肖,”对小说使互操作性在多个blockchains架构,”2018年。视图:谷歌学术搜索
32. y盾和r . Boutaba Elasticoin:波动性的cryptocurrency连续工作的证据,”IEEE工商银行卷,2019年,第209 - 205页,2019年。视图:谷歌学术搜索

版权

版权©2021王阎等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。