作者：Alexey Vanin

任何計算機系統(tǒng)都有監(jiān)控操作，可能會發(fā)送心跳信息、校驗和查詢及哈希請求等。這些操作在本文中都被統(tǒng)稱為任務。在中心化系統(tǒng)中，通常會有一個受認證的節(jié)點或節(jié)點群組來完成任務。而去中心化系統(tǒng)可以將任務下發(fā)給各個節(jié)點，從而靈活拓展，因此效率也顯然更高，但這也就導致了相應的問題——到底如何在所選節(jié)點間分配任務。我們可以通過以下兩種方式解決這個問題：

? 節(jié)點隨機選擇要做的任務
? 節(jié)點使用dBFT之類的共識算法分配任務

本文將探討第二種方法。

拜占庭容錯任務分配

假設有v個任務和n個可隨時在系統(tǒng)中工作的節(jié)點。每個任務和節(jié)點都有一個獨一無二的標識符。因此每個節(jié)點都可以使用HRW [2]選擇任務，使用預先設定的算法來執(zhí)行任務。任務分配共識實際上確認了所有任務都是在未發(fā)生技術故障的前提下完成的。

使用dBFT算法，即使網絡[1]中高達1/3的節(jié)點做出妥協(xié)也可以達成共識。舉個例子，若某系統(tǒng)n=v=3:

該系統(tǒng)有3個任務和3個節(jié)點，其中有一個節(jié)點有欺詐行為。

這些任務統(tǒng)一在各節(jié)點中進行分配：如果每個節(jié)點承擔一個任務，在最壞的情況下會有一個任務可能無法被執(zhí)行。因此我們使用了冗余來確保所有任務都能被執(zhí)行。v任務須被n/3+1個節(jié)點執(zhí)行。在此情況下，節(jié)點任務池的大小可通過以下公式算出。

在此案例中，P(3,3) = 2

不管哪個節(jié)點做出了妥協(xié)，所有任務都仍能被正確執(zhí)行。

圖1 不同任務數(shù)前提下任務池大小的最大值

圖1標明，該公式的值趨向于v/3，意味著在任何情況下各節(jié)點任務池中的任務都占所有任務的1/3。在負載增加的情況下系統(tǒng)可能不能正常拓展。

減小任務池大小

若系統(tǒng)的n=3 v=4，任務池大小即為P(3,4) = 2.3 ≈ 3。各節(jié)點的任務池大小就可減至2：

因此，各任務被執(zhí)行的幾率就都達到了66%。因此任務池大小可以縮減，只要確保一定的精度就可以了。
出于研究的目的，我們建立了一個模擬模型進行實驗，參數(shù)為v=1000。我們嘗試在不同n的情況下找到能使任務無法執(zhí)行的可能性小于0.00001的任務池大小。該模型已開源在github[3]。結果如圖2所示：

圖2 v=1000時的任務池容量實驗

上圖顯示，該模型的實驗數(shù)據(jù)實際上處于任務池容量的最大和最小值的區(qū)間里。因此當n增加時，任務池所需容量會減小。任務池容量的最大值與實驗值之間的差額可以使用R(x)（位于y1軸上，取0-1之間的任意值）公式求得一個近似值。然后任務池容量就可通過以下公式求得。

深入研究

本文并未考慮網絡節(jié)點發(fā)生故障的可能性，而且所有實驗均在最壞假設下進行，做出妥協(xié)的節(jié)點數(shù)也帶入了最大值。顯然，100個節(jié)點中出現(xiàn)33個妥協(xié)節(jié)點的比例也比3個節(jié)點中出現(xiàn)1個妥協(xié)節(jié)點的幾率小。因此可以將“妥協(xié)幾率”的方程定義為Q(x)，而后計算出任務池的大小為P(n,v)?R(n)?Q(n)。而當妥協(xié)節(jié)點的數(shù)量小于n/3時，R(x)的的行為還需要深入研究。

參考文獻

1.張錚文，區(qū)塊鏈拜占庭容錯算法：
https://docs.neo.org/en-us/ba...
2.一致性哈希（最高隨機權值）:
https://en.wikipedia.org/wiki...
3.模擬模型庫：
https://github.com/AlexVanin/...

原文翻譯自：https://medium.com/@neospcc/t...

總結

以上是生活随笔為你收集整理的如何在NEO共识节点间分配任务的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。