Cadre Shoal : optimiser la latence de Bullshark sur Aptos
Les laboratoires Aptos ont récemment résolu deux problèmes clés dans le DAG BFT, réduisant considérablement la latence et éliminant pour la première fois le besoin de délais dans un protocole pratique déterministe. Dans l'ensemble, la latence de Bullshark s'est améliorée de 40 % en cas de fonctionnement sans faute et de 80 % en cas de faute.
Shoal est un cadre qui améliore le protocole de consensus basé sur Narwhal grâce à un pipeline et une réputation des leaders. Le pipeline réduit la latence de tri DAG en introduisant un point d'ancrage à chaque tour, tandis que la réputation des leaders améliore encore la latence en garantissant que les points d'ancrage sont associés aux nœuds de validation les plus rapides. De plus, la réputation des leaders permet à Shoal d'exploiter la construction DAG asynchrone pour éliminer les délais dans tous les scénarios.
La technologie de base de Shoal est très simple, principalement composée de l'exécution séquentielle de plusieurs instances du protocole sous-jacent. Prenons l'exemple de Bullshark, cela équivaut à un groupe de "requins" participant à une course de relais.
Dans la quête d'une haute performance des réseaux blockchain, l'accent a d'abord été mis sur la réduction de la complexité de communication, mais cela n'a pas entraîné d'amélioration significative du débit. Les récentes percées proviennent de la prise de conscience que la propagation des données est le principal goulot d'étranglement basé sur le protocole de leader, pouvant bénéficier de la parallélisation. Le système Narwhal dissocie la propagation des données de la logique de consensus centrale, atteignant un débit de 160 000 TPS.
Cependant, les protocoles de consensus basés sur des leaders comme Hotstuff/Jolteon ne peuvent pas tirer pleinement parti du potentiel de débit de Narwhal. Par conséquent, Aptos a décidé de déployer Bullshark sur le DAG de Narwhal, un protocole de consensus sans coût de communication. Cependant, la structure DAG de Bullshark entraîne un coût de latence de 50 %.
Le cadre Shoal réduit considérablement la latence de Bullshark grâce à un mécanisme de pipeline et de réputation des leaders. Le pipeline permet d'avoir un point d'ancrage à chaque tour, réduisant la latence de tous les sommets non ancrés dans le DAG à trois tours. Le mécanisme de réputation des leaders favorise la sélection de leaders rapides.
L'idée principale de Shoal est de combiner plusieurs instances de Bullshark dans un ordre séquentiel. Il utilise la caractéristique selon laquelle tous les validateurs s'accordent sur le premier point d'ancrage ordonné, prenant ce premier point d'ancrage ordonné comme point de basculement des instances, et calcule la réputation des leaders en utilisant l'historique causal de l'ancrage.
Cette méthode non seulement réalise un pipeline, mais combine également naturellement le mécanisme de réputation des leaders. Après le tri des points d'ancrage de la rème ronde, les validateurs n'ont qu'à calculer une nouvelle cartographie des leaders à partir de la r+1ème ronde en fonction de l'historique causal de ce point d'ancrage, et à exécuter une nouvelle instance de Bullshark en utilisant la fonction de sélection de points d'ancrage mise à jour.
Shoal a également éliminé le besoin de latence. Il utilise "l'horloge" fournie par la construction DAG pour estimer la vitesse du réseau, tant qu'il y a suffisamment de validateurs honnêtes continuant à ajouter des sommets au DAG, les tours continueront d'avancer. Le mécanisme de réputation des leaders garantit en outre le choix de nœuds de validation rapides en tant que leaders, permettant ainsi au système de fonctionner à la vitesse du réseau dans tous les scénarios réels.
Shoal offre une propriété appelée "réponse universelle", qui permet de fonctionner à la vitesse du réseau même en cas d'échec du leader ou d'asynchrone du réseau. Cela présente un avantage significatif par rapport à la propriété de "réponse optimiste" des protocoles comme Hotstuff.
Les résultats de l'évaluation montrent que Shoal a considérablement amélioré la latence de Bullshark. En l'absence de défaillances, Shoal a atteint la meilleure latence en combinant le pipeline et la réputation du leader. En cas de défaillance, le mécanisme de réputation du leader réduit la probabilité que des validateurs échoués soient choisis comme leaders, ce qui fait que la latence de Shoal est inférieure de 65 % à celle de Bullshark.
Dans l'ensemble, le cadre Shoal résout avec succès le problème clé de latence dans le DAG-BFT par une méthode simple et efficace, offrant de nouvelles perspectives pour l'optimisation des performances des systèmes de blockchain comme Aptos.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
8 J'aime
Récompense
8
3
Partager
Commentaire
0/400
AltcoinOracle
· Il y a 11h
fascinant. mes métriques propriétaires ont prédit ce coefficient d'optimisation de latence exact... divergence haussière confirmée
Voir l'originalRépondre0
MidnightSnapHunter
· Il y a 11h
C'est tellement déroutant, comment ont-ils pu en produire autant ?
Voir l'originalRépondre0
SerNgmi
· Il y a 11h
Le mécanisme de confiance est pas mal, j'ai l'impression que ça peut marcher.
Aptos nouveau cadre Shoal : optimisation de latence Bullshark de 40 % à 80 %
Cadre Shoal : optimiser la latence de Bullshark sur Aptos
Les laboratoires Aptos ont récemment résolu deux problèmes clés dans le DAG BFT, réduisant considérablement la latence et éliminant pour la première fois le besoin de délais dans un protocole pratique déterministe. Dans l'ensemble, la latence de Bullshark s'est améliorée de 40 % en cas de fonctionnement sans faute et de 80 % en cas de faute.
Shoal est un cadre qui améliore le protocole de consensus basé sur Narwhal grâce à un pipeline et une réputation des leaders. Le pipeline réduit la latence de tri DAG en introduisant un point d'ancrage à chaque tour, tandis que la réputation des leaders améliore encore la latence en garantissant que les points d'ancrage sont associés aux nœuds de validation les plus rapides. De plus, la réputation des leaders permet à Shoal d'exploiter la construction DAG asynchrone pour éliminer les délais dans tous les scénarios.
La technologie de base de Shoal est très simple, principalement composée de l'exécution séquentielle de plusieurs instances du protocole sous-jacent. Prenons l'exemple de Bullshark, cela équivaut à un groupe de "requins" participant à une course de relais.
Dans la quête d'une haute performance des réseaux blockchain, l'accent a d'abord été mis sur la réduction de la complexité de communication, mais cela n'a pas entraîné d'amélioration significative du débit. Les récentes percées proviennent de la prise de conscience que la propagation des données est le principal goulot d'étranglement basé sur le protocole de leader, pouvant bénéficier de la parallélisation. Le système Narwhal dissocie la propagation des données de la logique de consensus centrale, atteignant un débit de 160 000 TPS.
Cependant, les protocoles de consensus basés sur des leaders comme Hotstuff/Jolteon ne peuvent pas tirer pleinement parti du potentiel de débit de Narwhal. Par conséquent, Aptos a décidé de déployer Bullshark sur le DAG de Narwhal, un protocole de consensus sans coût de communication. Cependant, la structure DAG de Bullshark entraîne un coût de latence de 50 %.
Le cadre Shoal réduit considérablement la latence de Bullshark grâce à un mécanisme de pipeline et de réputation des leaders. Le pipeline permet d'avoir un point d'ancrage à chaque tour, réduisant la latence de tous les sommets non ancrés dans le DAG à trois tours. Le mécanisme de réputation des leaders favorise la sélection de leaders rapides.
L'idée principale de Shoal est de combiner plusieurs instances de Bullshark dans un ordre séquentiel. Il utilise la caractéristique selon laquelle tous les validateurs s'accordent sur le premier point d'ancrage ordonné, prenant ce premier point d'ancrage ordonné comme point de basculement des instances, et calcule la réputation des leaders en utilisant l'historique causal de l'ancrage.
Cette méthode non seulement réalise un pipeline, mais combine également naturellement le mécanisme de réputation des leaders. Après le tri des points d'ancrage de la rème ronde, les validateurs n'ont qu'à calculer une nouvelle cartographie des leaders à partir de la r+1ème ronde en fonction de l'historique causal de ce point d'ancrage, et à exécuter une nouvelle instance de Bullshark en utilisant la fonction de sélection de points d'ancrage mise à jour.
Shoal a également éliminé le besoin de latence. Il utilise "l'horloge" fournie par la construction DAG pour estimer la vitesse du réseau, tant qu'il y a suffisamment de validateurs honnêtes continuant à ajouter des sommets au DAG, les tours continueront d'avancer. Le mécanisme de réputation des leaders garantit en outre le choix de nœuds de validation rapides en tant que leaders, permettant ainsi au système de fonctionner à la vitesse du réseau dans tous les scénarios réels.
Shoal offre une propriété appelée "réponse universelle", qui permet de fonctionner à la vitesse du réseau même en cas d'échec du leader ou d'asynchrone du réseau. Cela présente un avantage significatif par rapport à la propriété de "réponse optimiste" des protocoles comme Hotstuff.
Les résultats de l'évaluation montrent que Shoal a considérablement amélioré la latence de Bullshark. En l'absence de défaillances, Shoal a atteint la meilleure latence en combinant le pipeline et la réputation du leader. En cas de défaillance, le mécanisme de réputation du leader réduit la probabilité que des validateurs échoués soient choisis comme leaders, ce qui fait que la latence de Shoal est inférieure de 65 % à celle de Bullshark.
Dans l'ensemble, le cadre Shoal résout avec succès le problème clé de latence dans le DAG-BFT par une méthode simple et efficace, offrant de nouvelles perspectives pour l'optimisation des performances des systèmes de blockchain comme Aptos.