CN111294234A - 一种基于智能合约优化模型的并行区块链分片方法 - Google Patents
一种基于智能合约优化模型的并行区块链分片方法 Download PDFInfo
- Publication number
- CN111294234A CN111294234A CN202010051347.4A CN202010051347A CN111294234A CN 111294234 A CN111294234 A CN 111294234A CN 202010051347 A CN202010051347 A CN 202010051347A CN 111294234 A CN111294234 A CN 111294234A
- Authority
- CN
- China
- Prior art keywords
- contract
- transaction
- transactions
- intelligent contract
- execution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Mathematical Analysis (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明揭示了一种基于智能合约执行优化的并行区块链分片方法,包括:每个矿工节点从对等网络获取一组合约交易送入预处理模块;预处理模块将接收的合约交易与历史交易进行对比后分组优化;智能合约调度模块基于SV‑SCC算法对优化交易进行并发的执行智能合约,并计算最终状态;发执行的矿工节点生成一个新的区块;矿工节点生成的新的区块送入所有网络节点进行验证,并在验证有效后添加到区块链内,同时新的冲突记录同步送入预处理模块,预处理模块进行特征信息统计表FIS的更新。本发明实现了智能合约的高并发执行,实现了更高的交易吞吐量,并降低了单节点过热的可能性,为大规模交易应用场景提供了一种可行的方案。
Description
技术领域
本发明属于计算机技术领域,具体涉及到一种基于智能合约执行优化的并行区块链分片方法。
背景技术
随着虚拟货币的火热以及链上交易规模的不断增加,当前区块链平台的性能缺陷逐渐暴露出来(例如低吞吐量,缺乏并发性等)。为了应对大规模应用的需求,学界引入了分片机制,通过分片间的并行处理提高整个平台的交易吞吐量,而同时不必降低系统的去中心化程度。
分片是将网络中的所有节点划分为几个子组。每个子组并行处理不同的任务,以提高系统的处理能力。但是,在这项技术的背景下,每个分片的本质仍然是一个小的区块链系统,并且智能合约是串行执行的,故性能并未得到实质性的提高。如果分片中的地址具有较高的交易频率,则会在分片中生成大量交易信息。保存信息会对节点容量提出更高的要求,这将导致更高的节点配置阈值,而增加节点配置将大大减少节点数量,并且随着可用节点的交易处理负载的增加,数据冲突也会增加。
实现智能合约的并发执行是提高区块链系统性能的重要途径。现有的一些方法使用新型的并发智能合约,旨在提高智能合约执行的性能,但在交易量增加的情况下将导致大量交易阻塞和重新启动,并且尚未针对高并发服务进行优化。另外,并发控制算法对智能合约的执行效率有直接的影响,故现有的SCC算法也并不适合区块链分片环境。
发明内容
本发明的目的在于克服现有技术的缺陷,提供一种基于智能合约执行优化的并行区块链分片方法,策略性地实现了智能合约的高并发执行,实现了更高的交易吞吐量,并降低了单节点过热的可能性,为大规模交易应用场景提供了一种可行的方案。
为实现上述目的,本发明提出如下技术方案:一种基于智能合约执行优化的并行区块链分片方法,包括:
在区块链分片环境中,每个矿工节点从对等网络获取一组合约交易,并将获取的合约交易送入预处理模块;
预处理模块将接收的合约交易与历史交易进行对比后分组优化,将优化后的交易序列送入智能合约调度模块;
智能合约调度模块基于SV-SCC算法对交易序列进行并发的执行智能合约,并计算最终状态;
并发执行的矿工节点生成一个新的区块,该区块包括合约交易集,冲突记录,最终状态及上一个区块的哈希值;
矿工节点生成的新的区块送入所有网络节点进行验证,并在验证有效后添加到区块链内,同时新的冲突记录同步送入预处理模块,预处理模块进行特征信息统计表FIS的更新。
优选的,所述预处理模块包括特征信息获取单元和分类监视单元,其中:
特征信息获取单元对智能合约调度模块中发生冲突的合约特征信息进行实时统计,根据统计的特征信息生成特征信息统计表FIS,该特征信息统计表记录两种类型数据,分别为冲突的合约用户地址集和高冲突率成员函数集;
分类监视单元通过关联系数将合约交易分配到不同的集合中,优化并发性,同时限制合约交易的执行数量,减少交易冲突的可能性。
优选的,所述分类监视单元的分配步骤为:
将后续合约交易分为set_δ、set_λ、set_μ三个集合,三个集合中合约交易的在执行时间关系为set_δ<set_λ<set_μ,三个集合中合约交易的冲突概率关系为set_δ<set_λ<set_μ;
对于新获取的合约交易,通过对比特征信息统计表FIS,将没有特征信息的合约交易记录在set_δ集合中;
对于有特征信息的合约交易,将其阈值P与指定阈值β进行比对,若P≥β,则将合约交易记录在set_λ集合中,否则合约记录在set_μ集合中。
优选的,合约交易的阈值P由以下公式获得:
其中α为参数,Et交易估计的执行时间,Cr为交易的冲突率,wt为执行时间Et的权重,wr为Cr的权重。
优选的,智能合约调度模块中SV-SCC算法为利用执行时间Et,冲突率Cr及可用资源R动态计算合约交易所需的影子数N,参见公式:
其中φ为常系数,e为常数,R(Tsc)0为系统中平均空闲资源的数量,R(Tsc)表示执行交易Tsc可用的空闲资源数,Cr(Tsc)表示交易Tsc的冲突率,Et(Tsc)表示交易Tsc的执行时间。
优选的,区块在网络节点中的验证方法为:验证节点根据矿工节点提供的冲突记录以并发的确定性方式验证合并的交易,并将计算出的最终状态与其他并发矿工节点给出的最终状态进行比较,最终状态相匹配就表示矿工节点生成的区块有效,否则表示无效。
本发明提供一种基于智能合约执行优化的并行区块链分片方法,其中采用预处理模块通过特征信息分析并发优化技术收集冲突的合约特征信息,并以此信息为基础对合约交易进行分类,优化合约交易集的并发性,在合约执行之前对交易进行了分析归类,优化了后续执行时的系统资源配置。而智能合约调度模块基于SV-SCC算法,并发地执行优化后的交易集,执行时能够综合考虑合约交易的执行时间,冲突率和可用资源,并动态地计算所需的影子数,在有效使用系统资源的同时,可以有效克服传统方法引起的交易阻塞和重新启动的问题,保证合约交易以较低的计算成本实现更高的并发性。
与现有技术相比,本发明的有益效果为:在每个分片中引入了并发控制方法,策略性格的实现非冲突智能合约之间的高并发执行,实现了更高的交易吞吐量,并降低了单节点过热的可能性,为大规模交易应用场景提供了一种可行的方案。
附图说明
图1为本发明实施例所虚拟的整体模型框架图;
图2为本发明实施例的逻辑模型图;
图3为本发明实施例实验中交易流量变化与加速度变化对比图;
图4为本发明实施例实验中冲老秃驴变化与加速度变化对比图;
图5为本发明实施例实验中节点增加是吞吐量变化图;
图6为本发明试试实验中分配数增加是单个或全部网络吞吐量变化图。
具体实施方式
下面将结合本发明的附图,对本发明实施例的技术方案进行清楚、完整的描述。
本发明所揭示的一种基于智能合约执行优化的并行区块链分片方法,对于分片环境下的区块链系统来说,交易执行的最大并发性是非常重要的性能指标,并发指的是同时执行的交易数,高并发性不仅可以提高系统资源的利用率,而且可以最大化交易吞吐量。为了提高并发性,本发明引入智能合约优化处理模型(如图1所示),该模型包括预处理和智能合约调度两个模块,通过预处理模块将接收到的合约交易与历史的交易进行对比,收集冲突的合约特征信息,并以收集的特征信息为基础进行分组,优化合约交易集的并发性,智能合约调度模块结合SV-SCC算法对优化的合约交易集进行合约执行,执行时综合考虑执行时间,冲突率和资源占用等特征信息进行系统调度,并将运行时获取的而在信息反馈给预处理模块,更新特征信息表,达到实时调整优化性能的目标。
在智能合约调度模块中,都会采用SCC算法进行并发执行,现有的SCC算法是基于乐观方法,并依靠冗余计算来找到可序列化的调度,现有算法可以在于处理冲突的同时减少交易的阻塞和重新启动,根据SCC-NS生成的阴影数量与并发程序呈正相关,但要付出大量计算代价,为了兼顾开发和计算成本两个因素,本发明使用了改进的SCC算法,也就是一种可变影子推测并发控制算法(SV-SCC算法),利用执行时间,冲突率及可用资源来动态计算合约交易所需的影子数量,该算法可以减少交易阻塞和重启问题,保证合约交易以较低的计算成本实现更高的并发性。
如图2所示,本发明所揭示的一种基于智能合约执行优化的并行区块链分片方法,包括如下步骤:
步骤一、在区块链分片环境中,每个矿工节点从对等网络获取一组合约交易,每个合约交易都与一个智能合约函数相关联,节点获取的合约交易送入预处理模块;
步骤二、预处理模块将接收的合约交易与历史交易进行对比后分组优化,将优化后的交易序列送入智能合约调度模块;
随着分片的引入,所有的网络交易都被映射到不同的分片进行处理,为了减少由于某个分片中的单节点过热而导致的性能下降,通过预处理模块对分片的交易集进行简单的预处理,预处理模块包括特征信息获取单元(FIA-Unit)和分类监视单元(CAM-Unit)。
特征信息获取单元的建立是为了协助智能合约调度模块的高效运行,该单元对智能合约调度模块中发生冲突的合约特征信息进行实时统计,并使用收集的要素信息作为解决合约冲突的重要参考因素。这些特征信息包括冲突频率较高的相应智能合约帐户地址与相关的成员函数。特征信息获取单元根据统计的特征信息生成特征信息统计表FIS,该特征信息统计表记录两种类型数据,分别为冲突的合约用户地址集和高冲突率成员函数集。
分类监视单元通过关联系数将合约交易分配到不同的集合中,优化并发性,同时限制合约交易的执行数量,减少交易冲突的可能性,同时将并发加速比保持在理想范围内。
步骤三、智能合约调度模块基于SV-SCC算法对交易序列进行并发的执行智能合约,并计算最终状态;
为了同时执行智能合约,矿工节点将优化后的合约交易加载到隔离的沙盒环境中,利用SV-SCC算法识别冲突并在执行中记录冲突。
SV-SCC算法为利用执行时间Et,冲突率Cr及可用资源R动态计算合约交易所需的影子数N,参见公式:
其中φ为常系数,e为常数,R(Tsc)0为系统中平均空闲资源的数量,R(Tsc)表示执行交易Tsc可用的空闲资源数,Cr(Tsc)表示交易Tsc的冲突率,Et(Tsc)表示交易Tsc的执行时间。
影子数是用于控制和调度合约执行中读、写操作的并发执行,N体现了顺利执行该合约所需的进程数量,不同情形下运行的不同合约可能需要不同的影子数,通过动态计算合约交易所需要的影子数,来保证其并发性能可以充分发挥出来。
步骤四、并发执行的矿工节点生成一个新的区块,该区块包括合约交易集,冲突记录,最终状态及上一个区块的哈希值;
步骤五、矿工节点生成的新的区块送入所有网络节点进行验证,并在验证有效后添加到区块链内;
区块在网络节点中的验证方法为:验证节点根据矿工节点提供的冲突记录以并发的确定性方式验证合并的交易,并将计算出的最终状态与其他并发矿工节点给出的最终状态进行比较,最终状态相匹配就表示矿工节点生成的区块有效,否则表示无效。
步骤六、新的冲突记录同步送入预处理模块,预处理模块进行特征信息统计表FIS的更新。
智能合约的本质是在网络上运行的可重用,不可篡改且自动执行的计算机程序,它是无法主动执行的。其交互方式分为外部呼叫和内部呼叫,即EOA呼叫智能合约,CA呼叫智能合约。相应地,特征信息获取单元对特征信息的统计分析也分为冲突的合约用户地址集和高冲突率成员函数集的统计分析。当调度模块同时执行智能合约时,它将记录新冲突并反馈给特征信息获取单元。其中,有冲突的合约帐户地址记录在冲突的合约用户地址集中,而冲突频率较高的相关合约函数则记录在高冲突率成员函数集中,以确保特征信息统计表FIS中统计信息的不断更新。
在步骤二中,分类监视单元通过关联系数将合约交易分配到不同的集合中,具体的分配步骤为:
A、将后续合约交易分为set_δ、set_λ、set_μ三个集合,三个集合中合约交易的执行时间关系为set_δ<set_λ<set_μ,三个集合中合约交易的冲突概率关系为set_δ<set_λ<set_μ;
也就是说set_δ中的合约交易具有最低的冲突率和最短的执行时间,set_μ中的合约交易具有最高的冲突率和最长的执行时间。
B、对于新获取的合约交易,通过对比特征信息统计表FIS,将没有特征信息的合约交易记录在set_δ集合中;
C、对于有特征信息的合约交易,将其阈值P与指定阈值β进行比对,若P≥β,则将合约交易记录在set_λ集合中,否则合约记录在set_μ集合中。
合约交易的阈值P由以下公式获得:
其中α为参数,Et交易估计的执行时间,Cr为交易的冲突率,wt为执行时间Et的权重,wr为Cr的权重。
分片设计方案可以按类别将网络中的大量合约交易映射到不同的分片。因此,对于合约交易执行时间Et的值,我们假设“相似的作业具有相似的执行时间”,并使用完成的智能合约执行时间来预测相似智能合约的执行时间。
对于估计合约交易Jsc的执行时间Et(Jsc),其预测具体步骤如下:
1.使用三个属性值确定一个模板:Gas price,Gas Limit和Amount是模板的组成元素,用{p,l,a}来表示;
4.在获得一组关于Jsc相似合约交易G<sc,j>之后,在G<sc,j>中的合约交易的实际执行时间便可以用来预测Jsc的执行时间,我们采用平均值法,即使用G<sc,j>合约交易的平均执行时间作为Jsc的预测时间,计算公式如下:
其中Ri是第i个合约的实际执行时间。
合约冲突率Cr是指智能合约在执行时与任何其他合约发生冲突的可能性,其理想情况是根据当前的冲突情况进行判断。由于无法对智能合约进行静态分析,因此在执行合约之前无法知道它是否会发生冲突,因此无法基于某一时刻的系统状态判断的合约冲突的可能性。
因此,我们使用过去一段时间的冲突率来预测合约交易的当前冲突情况。合约交易的数据结构包含了发送方和接收方的地址,我们可以使用线性回归预测方法来计算当前时刻的冲突率Cr。选择过去N分钟内来自同一地址的合约交易,时间为t,回归系数k是反映冲突率影响大小的的参数,则冲突率Cr满足公式:
综合上述两个公式可以得到Cr的表达式:
本发明所采用的的方法可以实现更高的交易吞吐量,减少交易阻塞和重启问题,同时保证合约交易以较低的计算成本实现更高的并发性,下面通过实验结合其他的算法进行对比。
在配置了Intel Core i5-44603.20GHz CPU和16GB内存的PC上建立一个模拟的区块链分片模型,并通过打开不同的服务器端口在本地创建不同的实验节点。该实验使用图灵完备的Solidity作为智能合约的开发语言,并使用Truffle作为智能合约的开发框架和构建工具。
本实验将SV-SCC算法与其他两种传统并发控制算法Lock算法及BTO算法进行比较,并以串行执行的结果为极限来模拟每种方法的平均加速度。
由于我们只关注智能合约的并发执行,因此简化了流程中的POW和其他相关因素。实验主要集中在以下几个方面:(1)当交易量增加时,每种方法的加速比变化情况;(2)当冲突率增加时,每种方法的加速比变化情况;(3)当节点数量增加时,每种方法的吞吐量变化情况;(4)随着分片数量的增加,单个分片和整个系统的吞吐量变化情况。得到的试验结果如图3~图6所示:
由图3可知,当交易流量低时,使用Lock算法相对而言不会带来加速甚至会造成减速。这是因为由冲突处理引起的额外开销会影响并发性能。随着平台上交易流量的不断增加,经过一段时间的加速后,Lock算法像BTO算法一样开始放慢速度。本发明的框架基于并发的优化以及交易阻塞和重启的改进,可以减轻由交易流增加而导致的性能下降。
由图4可知,随着冲突率的增加,三种方法引起的加速度呈下降趋势。当冲突率接近68%时,使用BTO算法执行智能合约比串行执行要慢。相比之下,以悲观方法为例的Lock算法更适合于冲突率更高的情况。但是,由于冲突率的增加,跨分片交互的可能性也在增加,复杂性也越来越高,因此总体趋势也在下降,但是SV-SCC算法总体实现仍略胜于以上两种方式。
由图5可知,SV-SCC算法可以与分片兼容,并且仍然保持线性可扩展性的特性,即随着节点数量和网络容量的增加,可以通过并行化数据流来提高处理性能。在传统方法下,即使同时执行智能合约,随着节点数量的增加,其交易速度仍然会降低。
由图6可知,在传统方法下,尽管全网络吞吐量随着碎片数量的增加而增加。但是,单个碎片的吞吐量仍然很低,仅为50,且没有明显的性能改进。SV-SCC算法保证了单个分片的性能提高,而整个系统的吞吐量也达到了很高的水平。
本发明的技术内容及技术特征已揭示如上,然而熟悉本领域的技术人员仍可能基于本发明的教示及揭示而作种种不背离本发明精神的替换及修饰,因此,本发明保护范围应不限于实施例所揭示的内容,而应包括各种不背离本发明的替换及修饰,并为本专利申请权利要求所涵盖。
Claims (6)
1.一种基于智能合约执行优化的并行区块链分片方法,其特征在于包括:
在区块链分片环境中,每个矿工节点从对等网络获取一组合约交易,并将获取的合约交易送入预处理模块;
预处理模块将接收的合约交易与历史交易进行对比后分组优化,将优化后的交易序列送入智能合约调度模块;
智能合约调度模块基于SV-SCC算法对交易序列进行并发的执行智能合约,并计算最终状态;
并发执行的矿工节点生成一个新的区块,该区块包括合约交易集,冲突记录,最终状态及上一个区块的哈希值;
矿工节点生成的新的区块送入所有网络节点进行验证,并在验证有效后添加到区块链内,同时新的冲突记录同步送入预处理模块,预处理模块进行特征信息统计表FIS的更新。
2.根据权利要求1所述的基于智能合约执行优化的并行区块链分片方法,其特征在于:所述预处理模块包括特征信息获取单元和分类监视单元,其中:
特征信息获取单元对智能合约调度模块中发生冲突的合约特征信息进行实时统计,根据统计的特征信息生成特征信息统计表FIS,该特征信息统计表记录两种类型数据,分别为冲突的合约用户地址集和高冲突率成员函数集;
分类监视单元通过关联系数将合约交易分配到不同的集合中,优化并发性,同时限制合约交易的执行数量,减少交易冲突的可能性。
3.根据权利要求2所述的基于智能合约执行优化的并行区块链分片方法,其特征在于:所述分类监视单元的分配步骤为:
将后续合约交易分为set_δ、set_λ、set_μ三个集合,三个集合中合约交易的在执行时间关系为set_δ<set_λ<set_μ,三个集合中合约交易的冲突概率关系为set_δ<set_λ<set_μ;
对于新获取的合约交易,通过对比特征信息统计表FIS,将没有特征信息的合约交易记录在set_δ集合中;
对于有特征信息的合约交易,将其阈值P与指定阈值β进行比对,若P≥β,则将合约交易记录在set_λ集合中,否则合约记录在set_μ集合中。
6.根据权利要求1所述的基于智能合约执行优化的并行区块链分片方法,其特征在于:区块在网络节点中的验证方法为:验证节点根据矿工节点提供的冲突记录以并发的确定性方式验证合并的交易,并将计算出的最终状态与其他并发矿工节点给出的最终状态进行比较,最终状态相匹配就表示矿工节点生成的区块有效,否则表示无效。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010051347.4A CN111294234B (zh) | 2020-01-17 | 2020-01-17 | 一种基于智能合约优化模型的并行区块链分片方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010051347.4A CN111294234B (zh) | 2020-01-17 | 2020-01-17 | 一种基于智能合约优化模型的并行区块链分片方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111294234A true CN111294234A (zh) | 2020-06-16 |
CN111294234B CN111294234B (zh) | 2022-07-29 |
Family
ID=71030667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010051347.4A Active CN111294234B (zh) | 2020-01-17 | 2020-01-17 | 一种基于智能合约优化模型的并行区块链分片方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111294234B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112423324A (zh) * | 2021-01-22 | 2021-02-26 | 深圳市科思科技股份有限公司 | 无线智能决策通信方法、装置和系统 |
CN112598525A (zh) * | 2021-02-26 | 2021-04-02 | 北京全息智信科技有限公司 | 一种智能合约分簇并行的区块链实现方法及装置 |
CN112839086A (zh) * | 2021-01-06 | 2021-05-25 | 中山大学 | 基于区块链分片技术的网络资源分配方法和装置 |
CN113434522A (zh) * | 2021-05-08 | 2021-09-24 | 华东师范大学 | 一种面向联盟链的状态树上的并行更新方法及更新系统 |
CN113807847A (zh) * | 2021-09-15 | 2021-12-17 | 南京信息工程大学 | 一种可信区块链分片性能优化方法 |
WO2022143242A1 (zh) * | 2020-12-31 | 2022-07-07 | 杭州趣链科技有限公司 | 基于区块链的交易分发执行方法、装置服务器及存储介质 |
WO2022151709A1 (zh) * | 2021-01-14 | 2022-07-21 | 公安部第三研究所 | 一种智能合约的分片处理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359992A (zh) * | 2018-10-09 | 2019-02-19 | 北京彩球世纪科技有限公司 | 一种新型的区块链分区分片方式和装置 |
US20190123892A1 (en) * | 2017-10-24 | 2019-04-25 | 0Chain, LLC | Systems and methods of self-forking blockchain protocol |
US20190281065A1 (en) * | 2018-12-28 | 2019-09-12 | Alibaba Group Holding Limited | Parallel execution of transactions in a blockchain network based on smart contract whitelists |
CN110517140A (zh) * | 2019-08-26 | 2019-11-29 | 华东师范大学 | 一种区块链智能合约交易并发执行方法 |
-
2020
- 2020-01-17 CN CN202010051347.4A patent/CN111294234B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190123892A1 (en) * | 2017-10-24 | 2019-04-25 | 0Chain, LLC | Systems and methods of self-forking blockchain protocol |
CN109359992A (zh) * | 2018-10-09 | 2019-02-19 | 北京彩球世纪科技有限公司 | 一种新型的区块链分区分片方式和装置 |
US20190281065A1 (en) * | 2018-12-28 | 2019-09-12 | Alibaba Group Holding Limited | Parallel execution of transactions in a blockchain network based on smart contract whitelists |
CN110517140A (zh) * | 2019-08-26 | 2019-11-29 | 华东师范大学 | 一种区块链智能合约交易并发执行方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022143242A1 (zh) * | 2020-12-31 | 2022-07-07 | 杭州趣链科技有限公司 | 基于区块链的交易分发执行方法、装置服务器及存储介质 |
CN112839086A (zh) * | 2021-01-06 | 2021-05-25 | 中山大学 | 基于区块链分片技术的网络资源分配方法和装置 |
WO2022151709A1 (zh) * | 2021-01-14 | 2022-07-21 | 公安部第三研究所 | 一种智能合约的分片处理方法 |
CN112423324A (zh) * | 2021-01-22 | 2021-02-26 | 深圳市科思科技股份有限公司 | 无线智能决策通信方法、装置和系统 |
CN112598525A (zh) * | 2021-02-26 | 2021-04-02 | 北京全息智信科技有限公司 | 一种智能合约分簇并行的区块链实现方法及装置 |
CN112598525B (zh) * | 2021-02-26 | 2021-12-03 | 北京全息智信科技有限公司 | 一种智能合约分簇并行的区块链实现方法及装置 |
CN113434522A (zh) * | 2021-05-08 | 2021-09-24 | 华东师范大学 | 一种面向联盟链的状态树上的并行更新方法及更新系统 |
CN113807847A (zh) * | 2021-09-15 | 2021-12-17 | 南京信息工程大学 | 一种可信区块链分片性能优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111294234B (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111294234B (zh) | 一种基于智能合约优化模型的并行区块链分片方法 | |
CN110096349B (zh) | 一种基于集群节点负载状态预测的作业调度方法 | |
CN108829494B (zh) | 基于负载预测的容器云平台智能资源优化方法 | |
CN110166282B (zh) | 资源分配方法、装置、计算机设备和存储介质 | |
CN112416585B (zh) | 面向深度学习的gpu资源管理与智能化调度方法 | |
CN109885397B (zh) | 一种边缘计算环境中时延优化的负载任务迁移算法 | |
Wang et al. | Laperm: Locality aware scheduler for dynamic parallelism on gpus | |
CN111813506A (zh) | 一种基于粒子群算法资源感知计算迁移方法、装置及介质 | |
CN113515351A (zh) | 一种基于能耗与QoS协同优化的资源调度实现方法 | |
CN114116665B (zh) | 数据库中并行写入事务日志以提升处理效率的方法 | |
CN111563093A (zh) | 一种联盟区块链冲突交易检测与规避系统及方法 | |
CN109005130A (zh) | 网络资源配置调度方法和装置 | |
CN114741169B (zh) | 负荷聚合公共服务平台异构密码计算服务多任务调度方法 | |
CN115237568A (zh) | 一种面向边缘异构设备的混合权重任务调度方法及系统 | |
Hu et al. | Improved heuristic job scheduling method to enhance throughput for big data analytics | |
CN112231081A (zh) | 云环境下基于pso-ahp的单调速率资源调度方法及系统 | |
CN116467076A (zh) | 一种基于集群可用资源的多集群调度方法及系统 | |
CN112015765A (zh) | 基于缓存价值的Spark缓存淘汰方法及系统 | |
Wang et al. | Efficient concurrent execution of smart contracts in blockchain sharding | |
CN112597076B (zh) | 一种面向Spark的基于数据感知的缓存替换方法及系统 | |
CN116360921A (zh) | 一种面向电力物联网的云平台资源优化调度方法及系统 | |
CN113342313B (zh) | 一种基于参数服务器异步更新Spark MLlib中线性分类模型参数的方法 | |
CN118170503A (zh) | 一种异构处理器及相关调度方法 | |
CN116932156A (zh) | 一种任务处理方法、装置及系统 | |
CN114997400A (zh) | 一种神经网络加速推理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230831 Address after: A603, Cancer Tower, Software Park, No. 18-14 Zhenze Road, Xinwu District, Wuxi City, Jiangsu Province, 214028 Patentee after: Maikesi (Wuxi) Data Technology Co.,Ltd. Address before: Room 1105-2, 11 / F, building 1, No. 2000, Majian Road, high tech Zone, Suzhou, Jiangsu 215000 Patentee before: Mycos (Suzhou) data Technology Co.,Ltd. |
|
TR01 | Transfer of patent right |