引介 | 无状态性:基于键值对的见证数据方案
无状态以太坊运动 当前提议了一种区块见证数据(witness)的格式,详述见 此处 。这套区块见证方案是基于操作码(opcode)的,你可以理解为一种小型的编程语言,可以使用少数几个命令来生成 “ 默克尔多值证明 ” (中文译本)。
本文研究了另一种区块见证数据的建构方法,它基于一个键值对的列表,语义也更简单。
在本文中我将尝试回答下列问题:
- 键值对见证数据(KV witness)是什么样的,与当前被提议的、基于操作码的见证数据格式有何区别?
- 键值对见证数据与操作码见证数据相比,有什么优点和缺点?
- 从网络带宽的角度看,键值对见证数据方案的效率如何?
(见证数据方案需满足的)前提
所有的区块见证数据方案都必须满足下列要求:
- 正确(correctness)。保证节点可以执行来自以太坊主网的任意区块。
- 效率(efficiency)。转移见证数据所需花费的网络带宽尽可能小。
- 默克尔化(Merkelization)。必须支持 合约代码默克尔化 ( 中文译本 )。
- 无视状态树的格式(Arity-agnostic)。既支持十六进制默克尔树,也支持 二进制默克尔树 ( 中文译本 )。
语义
这一部分我先讲讲键值对见证格式的 语义 ,还不会谈到具体的数据布局(byte layout)。
后面,我再讲解我用在测试中的数据格式。
witness ::= header, body, proofs header ::= version : byte, trie_arity : byte body ::= array of [ { type: byte key : []byte, value : []byte } ] proofs ::= map { : [ { prefix : []byte, hash : []byte } ] }
见证数据 数据体
见证数据的数据体由两个元素构成:
- 数据
“键”(key)可以是:账户的地址,storage key 或者 code key;而 “值”(value)可以是:账户、storage item 或者相应的代码分块(code chunk)。 这一部分的数据体与用于验证正确性的默克尔树的格式完全无关。而且,即使用其它方式来验证正确性,这一部分也不会改变。
- 证据。
键是默克尔路径,而值是一个哈希值。证据的形式依赖于状态树的格式,所以十六进制树和二进制树下的证据将有所不同。 这一语义使得我们能在同一个见证中包含多种类型的多值证明。所以,理论上来说,我们可以创建出一种既能支持十六进制状态树、又能支持二进制状态树的见证数据格式。
数据体按 key 的字典顺序排序、存储,以确保:
- 更短的键在列表中总是排得前一些(在自顶向下重建默克尔树时候会有用)
- 当两个数据的键相同时(账户地址可能和 code key 相同),总是把账户相关数据排在前面。
解析算法
- 检查见证数据的版本,以及证据所用的默克尔树格式(以确保证据的格式与区块所需的状态树格式相匹配)
- 验证见证数据的哈希值(如果有 “canonical witness” 的概念的话)
- 使用正确的格式创建一棵空的默克尔树
- 遍历数据,按读取数据的顺序为这棵空默克尔树插入数据(见证数据也应该以字典顺序存储)
- 插入证据到树中
- 验证根哈希值(应该与 上一区块 的根哈希值一致)
好处 & 缺点
对比一下键值对见证格式与 当前的操作码见证格式 的优缺点。
优点:
- 与 flat DB 数据库机构相匹配,所以如果 canonical witness 哈希值是有效的,就可以立即插入(不需要验证默克尔根值)
- 可以用于快照同步(snapshot sync)
- witness 中的数据独立于我们所选的验证证据的方法:无论是默克尔树,还是多项式承诺,还是别的方法,都不会影响我们需要添加的数据。
缺点:
0b01
网络效率研究
KV Witness 的实现案例
我们首先必须证明这种格式能够实现正确性。它必须能执行以太坊主网上的所有区块。
为此,我在 turbo-geth 代码库的一个分支里面实现了这种见证方案: kv-witness-research 。
这一实现是在谷歌云里面测试的,执行的是块高从 500 万到 800 万的以太坊主网区块。
如何重复我的实验?
你需要至少 200 GB 的可用硬盘空间,和至少 32GB 的内存(因为代码还在概念验证阶段,没怎么优化)。
1)复制 turbo-geth 客户端(commit 号为 aa6b4dc609b3d871c778597a71ac08601f17de53)的 kv-witness-research
分支
2)同步主网的区块头和区块体: go run ./cmd/geth --syncmode staged --datadir ~/stateless-chaindata/
(我花了一天时间)
3)以同步所得的数据运行无状态客户端的原型(我花了 17 天)
go run ./cmd/state stateless --blockSource ~/stateless-chaindata/geth/chaindata --statefile ~/kv_witness_statefile --witnessInterval 5000000 --statsfile ~/stats_kv_witness.csv 2>&1 | tee debug.log
如此,在 stats_kv_witness.csv
文件中,你就能得出跟我在本文中所示的一模一样的结果。
见证数据的格式
见证数据的开头是一个单字节的数据头( header
),包含其版本信息。
然后就是数据体( body
),由大小信息和元素( elements
)本身组成;大小信息会占用 1~4 个字节,具体要看元素的数量。
每一个元素都以一个字节的类型( type
)开头,然后是键( key
)字段,是一个长度任意的字节数组;键字段的前缀是大小信息,然后是实际数据(就像数据体的布局一样)。
数据的形式取决于元素的类型:
- 对于 storage 叶子节点,数据是任意长度的字节数组,前缀是其长度信息(size bytes);
- 对代码叶子节点,数据也是任意长度的字节数组,以长度信息为前缀;
- 对于证据,数据是一个定长的,32 字节的哈希值,不包含任何前缀信息。
以账户为键的数据则更复杂一些,但主要的数据包括:
- flag (辨识该账户元素是否具有默认值)
- nonce(如果不为零),需要 8 个字节
- 余额(如果不为零),任意长度的字节数组,前缀为其长度
- 存储根哈希值(如果不为空),32 个字节,定长的字节数组
- 代码哈希值(如果不为空),32 个字节,定长的字节数组
最终,见证数据看起来会长这样:
[... ... ...] [ ... ... ...]
优化:删除重复键前缀
键是一个由半字节(nibble)组成的默克尔路径,不是由字节组成的。对于十六进制默克尔树而言,一个半字节的长度是 4 个比特,对二进制默克尔树来说则是 1 个比特。因此,有时候键的字节长度并不是整数(举个例子,12 比特是 8.5 个字节)。
键被编码为 []byte
,这样就是字节对齐的(所以如果有一个键的长度在 4 个字节到 5 个字节之间,它总是会被补齐为 5 个字节)。同样地,可以加入一个额外的 “面罩” 在开头,指明在最后一个字节中,哪些比特是 1。
0xFF 0b11 0b10 0b_10101010_01010101_1101
然后,我们可以加入一个简单的优化措施,减少数据和证据中的重复前缀 。
为提高压缩效率,我们会在同一个有序映射中混合数据和证据。
– 数据和证据将共同按字典顺序排序和存储 –
数据头的前 4 个比特将用来说明前一个键的字节偏移量(The highest 4 bits of a header byte mean a byte offset of a previous key.)。
因为在我们的语意中,键是排过序的,我们可以使用前 4 个字节来说明下列情况:
- 本键与前一个键相同,整个键因此可以压缩到 1 个字节:
[10000000]
- 本键与前一个键无任何一个字节是相同的(
[0000xxxx xxxxxxxx ...]
) - 本键与前一个键共享至多 14 个作为前缀的字节 (
[????xxxx xxxxxxxx ...]
): 开头的 “?” 号表示 big-endian 编码的数字,从 1 (001) 到 14 (1110) ) - 本键与前一个键共享超过 15 个字节:([1111xxxx ???????? xxxxxxxx …]),而中间的 ”疑问号“ 是对超过数量的说明
[1111xxxx 00000000 ... ] [1111xxxx 00000001 ... ] [1111xxxx 00010001 ... ]
– KV-Witness 压缩。括号中的数字表示要从前一个键中重用多少个比特 –
网络效率研究结果
本结果的原始数据可以在此 GitHub 仓库中找到: https://github.com/mandrigin/ethereum-mainnet-kv-witness-data 。
为了在网络效率角度得出一个全面的图景,我比较了 3 种见证数据格式,统一用十六进制默克尔树来运行:
1) 基于操作码的见证数据 ,就是 现有的这个 。(数据沿用自 我的上一次实验 )
2) 基于键值对的见证数据(未压缩) :没有删除重复的键前缀
3)基于键值对的见证数据(压缩后)
测试的范围是区块高度从 500 万到 800 万的区块。
绝对大小比较
– 绝对大小的比较。 压缩后的 KV witness 与 opcode witness 表现非常相似。-
* 量化分析 *
平均值 | 中值 | 90 分位值 | 95 分位值 | 99 分位值 | 最大值 | |
---|---|---|---|---|---|---|
基于操作码的见证数据 | 1.16 | 1.22 | 1.87 | 2 | 2.22 | 12.9 |
基于键值对的见证数据(未压缩) | 1.42 | 1.48 | 2.28 | 2.45 | 2.74 | 5.58 |
基于键值对的见证数据(压缩后) | 1.07 | 1.11 | 1.72 | 1.84 | 2.05 | 4.91 |
结论
删除重复的键前缀为 KV witness 带来了相当大的提升。有了这个功能,它与基于操作码的方案的带宽消耗就几乎相同了。
而基于键值对的方案还有许多优点。
最重要的优点是:简洁。为一种数据格式(本质上就是一个字典)撰写详述,要比为一个几乎是编程语言一样的方法撰写详述简单得多。
第二大优势是,证据在语义上与数据是独立的,所以,当我们想要改变状态树的形式(从十六进制转为二进制)、或者想要完全改变证据的机制时,KV-Witness 方法所需的变更要小得多。
我认为,KV-witness 方案是见证数据标准的有力竞争者。
(完)
原文链接: https://medium.com/@mandrigin/kv-witness-8985168537f9
作者:Igor Mandrigin
翻译:阿剑