結(jié)合動態(tài)信用機制的PBFT 算法優(yōu)化方案

劉澤坤，王峰，賈海蓉

（太原理工大學(xué) 信息與計算機學(xué)院，太原 030024）

0 概述

隨著互聯(lián)網(wǎng)技術(shù)的日益發(fā)展，以比特幣［1］為代表的數(shù)字貨幣隨之崛起，支撐比特幣系統(tǒng)［2］的底層技術(shù)（如區(qū)塊鏈技術(shù)［3］）也成為研究熱點。區(qū)塊鏈技術(shù)被廣泛應(yīng)用于金融業(yè)、能源互聯(lián)網(wǎng)、農(nóng)業(yè)等領(lǐng)域［4］，本質(zhì)是“點對點”分布式數(shù)據(jù)庫，具有利用共識機制解決分布式框架問題的優(yōu)勢，能夠有效解決去中心化問題。

共識算法作為區(qū)塊鏈的核心技術(shù)，能夠信任不同節(jié)點并計算其權(quán)益，最終保證區(qū)塊鏈系統(tǒng)的一致性。工作證明（Proof of Work，POW）［5］、權(quán)益證明（Proof of Stake，POS）、Paxos、實用拜占庭容 錯（Practical Byzantine Fault Tolerance，PBFT）等共識算法被廣泛應(yīng)用于金融機構(gòu)、電子貨幣行業(yè)、農(nóng)產(chǎn)品溯源等多個領(lǐng)域。POW（俗稱“挖礦”）被廣泛用于維護系統(tǒng)的一致性和安全性［6］，參與者（俗稱“礦工”）被鼓勵競爭生成一個有效的塊，通過解決一道密碼難題贏得獎勵［7］，這將促使參與者投入巨大的計算資源來達成共識。獎勵通常以虛擬貨幣的形式存在，包括資源消耗的成本和合理的利潤。POW 可容納上千節(jié)點運行，但吞吐量較低且生成新區(qū)塊所需的時間較長，從而浪費電力資源和算力，不利于更大范圍市場的推廣。為解決上述問題，SUNNY 提出POS，設(shè)計一個可靠機制給予系統(tǒng)各個節(jié)點參與決策的權(quán)利。在實際應(yīng)用中，POS［8］不需要花費算力，且記賬權(quán)來源于權(quán)益，“挖礦”是幾乎沒有成本的［9］。鑒于“挖礦”的零成本，若惡意節(jié)點制造分叉鏈，選擇在每條鏈上“挖礦”，此時無論哪條主鏈，它們均會獲得收益。若大多數(shù)“礦工”都選擇在所有分叉上“挖礦”，則導(dǎo)致區(qū)塊鏈分叉，增大遭受雙花攻擊的可能性，無法保證區(qū)塊鏈的穩(wěn)定性。Paxos［10］基于消息傳遞，解決系統(tǒng)內(nèi)容一致性問題，在執(zhí)行相同的操作后，所有節(jié)點能夠得到一致的結(jié)果。但Paxos 存在故障風(fēng)險，若作惡節(jié)點發(fā)布假消息，網(wǎng)內(nèi)就存儲假消息。為避免上述風(fēng)險的發(fā)生，基于BFT 的PBFT 算法應(yīng)運而生，PBFT 算法的C/S 架構(gòu)使得算法復(fù)雜度大幅降低，可實現(xiàn)每秒上千次的交易請求和交易量，具有交易時間短、承載交易量大的優(yōu)點。

隨著對共識算法的深入研究，PBFT 算法在不斷的改進優(yōu)化，使證明方法、理論應(yīng)用呈現(xiàn)多樣化、多維化發(fā)展。簡化的拜占庭容錯（SBFT）［11］算法極大程度地加快算法完成共識的速率，各節(jié)點都可以自主操作，而無需與其他節(jié)點進行交互通信驗證，完成快速共識。但是在SBFT 中收集簽名的收集器是惡意的，則導(dǎo)致SBFT 的性能大幅下降。DGPBFT［12］算法基于擴展節(jié)點的屬性，增加節(jié)點可信度，并設(shè)計節(jié)點可信度的評估機制，通過對可信度的節(jié)點進行分組，大幅降低通信的復(fù)雜度。但當(dāng)DGPBFT 算法面對硬件錯誤、網(wǎng)絡(luò)擁塞、終端遭到惡意攻擊等問題時難以實現(xiàn)高效安全的工作［12］。DDBFT［13］將DPOS 應(yīng)用于PBFT 算法中，使得PBFT［14］算法具有動態(tài)性的特點，但是因網(wǎng)絡(luò)帶寬有限，導(dǎo)致網(wǎng)絡(luò)阻塞且吞吐量降低［15］。授權(quán)拜占庭容錯（DBFT）算法由BFT 算法演化而來，專用于許可區(qū)塊鏈，根據(jù)持有股份數(shù)量通過投票決定節(jié)點是否能進入到共識網(wǎng)內(nèi)。DBFT 雖然提高算法效率，但是當(dāng)超過1/3 的節(jié)點協(xié)同作惡或?qū)χ鞴?jié)點進行攻擊時，交易請求完成的主導(dǎo)權(quán)將被惡意節(jié)點掌控，算法的安全穩(wěn)定性無法得到保障［16］。

本文提出基于信用積分機制和動態(tài)增刪節(jié)點的實用拜占庭容錯共識算法DT-PBFT。通過引入動態(tài)機制，使聯(lián)盟鏈中節(jié)點的自主加入和退出更加靈活，增加網(wǎng)絡(luò)的靈活性。引入信用積分機制，通過增加信用積分篩選出信用度較高的節(jié)點作為備選主節(jié)點，對惡意節(jié)點（信用積分較低的節(jié)點）進行網(wǎng)內(nèi)的自主剔除，以有效地降低惡意節(jié)點成為主節(jié)點的概率，確保網(wǎng)內(nèi)各個節(jié)點的安全可靠性。在此基礎(chǔ)上，利用優(yōu)化的一致性協(xié)議實現(xiàn)對共識流程的改進，并進行一輪全網(wǎng)廣播，提高網(wǎng)絡(luò)的運行效率。

1 傳統(tǒng)PBFT 算法

1.1 算法流程

PBFT 是一種狀態(tài)機副本復(fù)制算法［17］，狀態(tài)機在不同的節(jié)點上復(fù)制副本，并應(yīng)用于分布式系統(tǒng)中。在PBFT 模型中，每次產(chǎn)生的主節(jié)點都會領(lǐng)導(dǎo)一次共識過程的執(zhí)行，運行中伴隨客戶端、主節(jié)點和從節(jié)點，其中主節(jié)點、從節(jié)點為備份節(jié)點，在運行過程中都會進行數(shù)據(jù)備份［7］。傳統(tǒng)PBFT 算法的共識流程如圖1 所示。

圖1 傳統(tǒng)PBFT 算法共識流程Fig.1 Consensus procedure of traditional PBFT algorithm

傳統(tǒng)PBFT算法［18］的共識過程分 為5 個階段：1）請求階段，客戶端向主節(jié)點發(fā)送請求消息；2）預(yù)準(zhǔn)備階段，客戶端向主節(jié)點發(fā)布請求消息編號，并向其他節(jié)點廣播預(yù)準(zhǔn)備消息［19］；3）準(zhǔn)備階段，主節(jié)點發(fā)布的預(yù)準(zhǔn)備消息被集群內(nèi)節(jié)點接收后進行自主核驗，當(dāng)從節(jié)點核驗同意預(yù)準(zhǔn)備消息后，則轉(zhuǎn)入準(zhǔn)備階段等待其余節(jié)點的核驗，若從節(jié)點核驗不同意預(yù)準(zhǔn)備消息后，則不再繼續(xù)進入下一階段［20］，當(dāng)在集群內(nèi)收到2f+1 個從節(jié)點時，發(fā)布的完成預(yù)準(zhǔn)備消息的核驗以及同意進入準(zhǔn)備階段，即表示準(zhǔn)備階段已經(jīng)完成［21］；4）確認階段，所有節(jié)點都要對外發(fā)送進入確認階段的消息，節(jié)點i查驗包括自身在內(nèi)的2f+1 個確認消息，當(dāng)確認消息與預(yù)準(zhǔn)備消息一致時，表示此階段已完成；5）回復(fù)階段，當(dāng)節(jié)點i完成確認階段后，向客戶端反饋回復(fù)消息，客戶端C只有收到f+1 個反饋信息時，表示發(fā)出的請求已經(jīng)成功完成共識。

1.2 算法分析

PBFT 算法隨意選取主節(jié)點，可能使得惡意節(jié)點連續(xù)成為主節(jié)點，從而浪費網(wǎng)絡(luò)資源。雖然惡意主節(jié)點能被其他節(jié)點識別并推翻［22］，但是更替主節(jié)點會增加系統(tǒng)開銷、降低共識效率。在共識階段的一致性協(xié)議中，Prepare 和Commit 兩階段均采用節(jié)點在全網(wǎng)內(nèi)廣播交互驗證的方法。隨著節(jié)點數(shù)的增加，系統(tǒng)所需的網(wǎng)絡(luò)開銷和帶寬容量呈多項式級增加，導(dǎo)致PBFT 算法無法工作。集群內(nèi)節(jié)點在原有的預(yù)準(zhǔn)備階段前可能處于宕機或自主退出網(wǎng)絡(luò)的狀態(tài)，節(jié)點一旦超過算法允許的延遲時間，就無法參與后續(xù)共識流程。由于缺少退出環(huán)節(jié)，該節(jié)點仍存在于網(wǎng)內(nèi)，但是在PBFT 算法后續(xù)的共識過程中，其他節(jié)點仍要向該節(jié)點發(fā)送無效的交互驗證消息，增加了網(wǎng)絡(luò)開銷。節(jié)點無法動態(tài)地加入和退出集群，使得算法在具體應(yīng)用時靈活性較差。

2 DT-PBFT 算法

DT-PBFT 算法以PBFT 為基礎(chǔ)，加入了動態(tài)機制、信用積分機制和協(xié)議一致性的優(yōu)化，有效解決了PBFT 的動態(tài)性較差、靈活性較差、通信開銷的時延較大等問題。

2.1 動態(tài)機制

動態(tài)機制的主要功能是節(jié)點動態(tài)加入共識網(wǎng)絡(luò)和動態(tài)退出共識網(wǎng)絡(luò)，在節(jié)點動態(tài)加入和退出的過程中并不需要重新動態(tài)啟動區(qū)塊鏈網(wǎng)絡(luò)，有效提高共識算法的靈活性。

2.1.1 節(jié)點動態(tài)加入

節(jié)點動態(tài)加入的流程主要有以下5 個步驟：

1）申請階段：當(dāng)啟動網(wǎng)絡(luò)中存在的新增節(jié)點后，若該節(jié)點要加入到集群中參與后續(xù)的共識階段，應(yīng)先向集群內(nèi)所有節(jié)點發(fā)送請求加入集群的消息s，并加上時間戳，發(fā)起AddNode 請求連接。

2）認證新節(jié)點階段：當(dāng)現(xiàn)有節(jié)點收到來自新增節(jié)點發(fā)起的AddNode 請求時，通過廣播并收集其他節(jié)點發(fā)送的AgreeAdd 消息。當(dāng)節(jié)點收集到2f+1 條AgreeAdd 消息時，則向新增節(jié)點發(fā)送同意加入集群的認證消息。當(dāng)新節(jié)點收到2f+1 條認證消息時，則請求達成一致，允許新增節(jié)點加入到集群中。

3）數(shù)據(jù)同步階段：新增節(jié)點進入主動恢復(fù)Recovery 的流程。新增節(jié)點發(fā)送數(shù)據(jù)同步的請求，并廣播給其他節(jié)點，同時其他節(jié)點給新增節(jié)點發(fā)送當(dāng)前所存的全部信息，以實現(xiàn)新增節(jié)點的數(shù)據(jù)同步。

4）入網(wǎng)階段：在完成數(shù)據(jù)同步之后，向全區(qū)塊鏈網(wǎng)絡(luò)的所有節(jié)點廣播JoinNet的請求，請求參與區(qū)塊鏈網(wǎng)絡(luò)的共識。所有的現(xiàn)有節(jié)點收到來自新增節(jié)點發(fā)送的JoinNet 請求，同時通知所有的現(xiàn)有節(jié)點，新增節(jié)點正式入網(wǎng)，并重新計算網(wǎng)內(nèi)節(jié)點總數(shù)以及新視圖v。

5）回執(zhí)階段：由主節(jié)點向所有集群內(nèi)節(jié)點發(fā)布UpdataNet 信息，當(dāng)所有共識節(jié)點收到消息后，更新區(qū)塊鏈集群內(nèi)節(jié)點總數(shù)N和視圖v，完成新增節(jié)點的流程。當(dāng)視圖和節(jié)點總數(shù)更新完成后，共識節(jié)點向主節(jié)點進行反饋，當(dāng)主節(jié)點收到2f+1 條信息，即網(wǎng)內(nèi)已完成并入新節(jié)點，則完成一次動態(tài)增加節(jié)點的共識行為。

節(jié)點動態(tài)加入流程如圖2 所示，圖中New_Replica5 為新增節(jié)點。

圖2 節(jié)點動態(tài)加入流程Fig.2 Dynamic joining procedure of nodes

2.1.2 節(jié)點動態(tài)退出

節(jié)點動態(tài)退出的流程如圖3所示，其中Del_Replica5為主動請求退出的節(jié)點。

圖3 節(jié)點動態(tài)退出流程Fig.3 Dynamic exit procedure of node

節(jié)點動態(tài)退出流程分為以下4 個步驟：1）申請階段，當(dāng)Del_Replica5 節(jié)點主動要求退出時，由該節(jié)點開始向其他節(jié)點廣播Del-request 消息；2）認證消息階段，其他節(jié)點收到Del-request 消息后，假設(shè)該節(jié)點退出現(xiàn)有區(qū)塊鏈網(wǎng)絡(luò)，計算刪除該節(jié)點后的視圖v和節(jié)點總數(shù)N，通過向區(qū)塊鏈網(wǎng)絡(luò)中的其他節(jié)點廣播自己同意刪除Del_Replica5 節(jié)點，若收集到f條AgreeDel 的消息，則所有節(jié)點同意并刪除該節(jié)點發(fā)起數(shù)據(jù)同步的請求，并將刪除該節(jié)點后的視圖v、節(jié)點總數(shù)N等消息封裝；3）退網(wǎng)階段，當(dāng)Del_Replica5節(jié)點退出后，主節(jié)點發(fā)送UpdataNet 信息；4）更新網(wǎng)絡(luò)，全網(wǎng)所有節(jié)點收到UpdataNet 信息后，更新區(qū)塊鏈網(wǎng)絡(luò)中節(jié)點總數(shù)N和視圖v，完成刪除該節(jié)點的流程。

2.2 信用積分機制

PBFT［23］引入整體信用積分機制，通過對集群內(nèi)節(jié)點隨機選擇主節(jié)點的機制進行改進。信用積分機制的流程如圖4 所示。

圖4 信用積分機制流程Fig.4 Procedure of credit scoring mechanism

定義1（信用機制分層設(shè)置）在拜占庭容錯算法中區(qū)塊生成驗證由主節(jié)點主導(dǎo)完成。為改進原始算法，DT-PBFT 使得各個節(jié)點能更好地被監(jiān)控，引入信用積分機制主要是對所有節(jié)點進行分層，將節(jié)點分為備選主節(jié)點層、中間層、警告層、清理層，并將分?jǐn)?shù)值設(shè)為n且上限設(shè)為100，根據(jù)不同分?jǐn)?shù)段對區(qū)間進行區(qū)分。

1）備選主節(jié)點層（80≤n≤100）：在交易時將集群內(nèi)較可靠的節(jié)點作為主節(jié)點，以解決拜占庭節(jié)點可能被連續(xù)選作主節(jié)點而造成算法運行效率較低的問題。當(dāng)主節(jié)點需切換時，仍會在備選主節(jié)點中選取節(jié)點進行替換。

2）中間層（40

3）警告層（20

4）清理層（n<20）：節(jié)點初始信用分值處于中間層，經(jīng)多次作惡行為后進行分值減半處理，將被網(wǎng)絡(luò)內(nèi)定為不信任節(jié)點，并將信息返回到集群內(nèi)的每個節(jié)點，再由主節(jié)點刪除該節(jié)點的請求，最終經(jīng)交互后確認將該節(jié)點移除出網(wǎng)絡(luò)，借助這個機制來減少網(wǎng)內(nèi)的拜占庭節(jié)點，從而提高算法的效率，降低無效的網(wǎng)絡(luò)開銷。

定義2惡意節(jié)點被清出網(wǎng)絡(luò)的流程如圖5 所示。當(dāng)存在惡意節(jié)點被踢出現(xiàn)有區(qū)塊鏈網(wǎng)絡(luò)時，首先計算刪除惡意節(jié)點后的視圖v、節(jié)點總數(shù)N；其次由主節(jié)點向其他節(jié)點廣播Del-message 消息，其他節(jié)點收到Del-message 消息后，并向區(qū)塊鏈網(wǎng)絡(luò)中的其他節(jié)點廣播自己同意刪除Del_Replica5；若收集到f條AgreeDel 的消息，則所有節(jié)點同意并刪除該節(jié)點發(fā)起數(shù)據(jù)同步的請求，并將刪除該節(jié)點后的視圖v、節(jié)點總數(shù)N等消息封裝；最后Del-Node5 節(jié)點退出后，主節(jié)點發(fā)送UpdataNet 信息，全網(wǎng)所有節(jié)點收到UpdataNet 信息后，更新區(qū)塊鏈網(wǎng)絡(luò)中節(jié)點總數(shù)N和視圖v，完成刪除該節(jié)點的流程。

圖5 惡意節(jié)點被清除出網(wǎng)絡(luò)的流程Fig.5 Procedure of removing malicious nodes from the network

定義3（信用機制節(jié)點層次變更）在本文的信用機制中，根據(jù)每次請求處理的結(jié)果，針對性地對節(jié)點的信用分值進行增減。若視圖完成一次更替后，則將對所有參與交易的節(jié)點分值均加1，若交易失敗后，則將拜占庭節(jié)點的積分減為原積分的50%。采用信用機制的優(yōu)點主要有：1）若拜占庭節(jié)點處于上兩層之中，通過減半機制將備選主節(jié)點層的拜占庭節(jié)點先降到中間層或?qū)⒅虚g層的拜占庭節(jié)點降到警告層，通過降級剔除拜占庭節(jié)點，提高信用機制的可靠性，同時也給好節(jié)點（即非作惡節(jié)點）一到兩次的緩沖機會，避免出現(xiàn)誤操作或網(wǎng)絡(luò)因素而造成交易請求失敗，被集群直接判定為拜占庭節(jié)點，最終被移除出網(wǎng)絡(luò)，提高了在實際應(yīng)用中的靈活性；2）采用信用積分的減半操作增大對拜占庭節(jié)點的作惡懲罰，并通過獎勵機制對好節(jié)點進行激勵，提高好節(jié)點的分值，使其進入到備選主節(jié)點層中。本文結(jié)合這兩個優(yōu)點能大幅減少整個網(wǎng)絡(luò)中的拜占庭節(jié)點數(shù)，避免PBFT 算法中類似于拜占庭節(jié)點連續(xù)當(dāng)選主節(jié)點的情況，解決算法效率降低的問題。

2.3 一致性協(xié)議優(yōu)化

傳統(tǒng)PBFT 算法［24］中，若要求算法在f<（N-1）/3的基礎(chǔ)上達到一致性共識，則表明合法數(shù)量的節(jié)點已驗證通過消息，即要求消息進入確認階段后保證已有2f-1 的節(jié)點已完成準(zhǔn)備階段。PBFT 算法共需兩輪全網(wǎng)節(jié)點交互確保消息準(zhǔn)確一致，最終使得算法的復(fù)雜度為O（N2）才可滿足算法可靠性的需求。其中N為總節(jié)點數(shù)，f為存在的拜占庭節(jié)點數(shù)目。PBFT 算法存在選擇主節(jié)點時的隨機性，以及整個節(jié)點網(wǎng)絡(luò)靈活性較差的問題，導(dǎo)致在共識過程中無法及時將惡意節(jié)點排出。當(dāng)主節(jié)點發(fā)生故障或拜占庭節(jié)點成功作惡，甚至連續(xù)多次觸發(fā)視圖更換協(xié)議時，PBFT 算法將不斷重新選取主節(jié)點進行共識階段的信息交互驗證直至共識成功，導(dǎo)致浪費大量網(wǎng)絡(luò)開銷。為解決上述問題，本文提出的DT-PBFT 算法以增加信用積分篩選作為基礎(chǔ)，采用優(yōu)化一致性協(xié)議和動態(tài)機制保證集群內(nèi)節(jié)點的可靠性。其中增加信用積分篩選信用度較高的節(jié)點作為備選主節(jié)點，增強主節(jié)點的可信任度。動態(tài)機制降低了有問題節(jié)點被選作主節(jié)點的概率以及在共識階段中減少一輪全網(wǎng)共識驗證的交互信息，使算法的復(fù)雜度降低。假設(shè)全網(wǎng)節(jié)點數(shù)為N，那么完成一次共識過程傳遞需要消息的次數(shù)如式（1）所示：

M=N2+3N-1 （1）

優(yōu)化后的一致性協(xié)議流程如圖6 所示，主節(jié)點以及整個網(wǎng)絡(luò)的可信任程度得到了提高，有效減少了因主節(jié)點出現(xiàn)故障而導(dǎo)致不斷進行視圖更換的現(xiàn)象，同時避免了作惡節(jié)點可連續(xù)被選為主節(jié)點的情況。基于上述優(yōu)勢，優(yōu)化后的一致性協(xié)議保證了算法的有效性和可靠性，提高了算法的吞吐量和算法共識達成一致的成功率，尤其在節(jié)點數(shù)較多情況下，大幅降低了網(wǎng)絡(luò)開銷，節(jié)約網(wǎng)絡(luò)資源。

圖6 一致性協(xié)議流程Fig.6 Procedure of consistency protocol

3 仿真實驗與結(jié)果分析

本文從吞吐量、時延、交易請求完成率以及CPU 的利用率等方面對DT-PBFT、DDBFT 和PBFT 進行對比，以驗證算法的有效性、適用性及節(jié)能性。該仿真實驗所用的PC 機配置為 Intel Core i7-9750H 2.6 GHz CPU及Intel Core i5-6500 3.2 GHz CPU 雙機連接實現(xiàn)主從端分立仿真測試，通過Java 多線程機制模擬網(wǎng)絡(luò)中的共識節(jié)點通信交互過程。

3.1 時延測試

交易時延是指客戶端向主節(jié)點發(fā)送一個交易請求，以確認完成共識的時間間隔［25］。該實驗的交易時延取200 次交易的平均值。圖7 所示為不同算法的交易時延對比。

圖7 不同算法的交易時延對比Fig.7 Transaction delay comparison among different algorithms

從圖7 可以看出，當(dāng)存在作惡節(jié)點時，隨著節(jié)點個數(shù)的增加，相比PBFT 算法，DT-PBFT 交易時延增長的速度得到有效減慢。但因DT-PBFT 增加了動態(tài)處理機制，使得時延略高于DDBFT。DT-PBFT 雖然增大了部分時延，但在處理數(shù)據(jù)上具有較優(yōu)的靈活性及穩(wěn)定性。

3.2 交易請求有效完成率

交易請求有效完成率是當(dāng)交易請求發(fā)出時經(jīng)過一次主節(jié)點選舉即可順利完成請求，通過有效的完成率表征該網(wǎng)絡(luò)內(nèi)節(jié)點整體的可信程度及安全可靠性。隨著節(jié)點數(shù)的增加，不同算法的交易完成次數(shù)對比如圖8 所示。從圖8 可以看出，無論節(jié)點數(shù)是多少，DT-PBFT 算法的交易完成次數(shù)均最多。

圖8 不同算法的交易完成次數(shù)對比Fig.8 Number of transactions completion comparison among different algorithms

表1所示為不同算法的交易請求有效完成率對比。隨著節(jié)點數(shù)的不斷增加，DDBFT 和PBFT 的有效完成率呈現(xiàn)明顯的下降趨勢，而DT-PBFT 雖然有一定程度的下降，但整體變化較平穩(wěn)。因此，DT-PBFT 算法在共識過程中具有較優(yōu)的穩(wěn)定性，由極大程度降低作惡節(jié)點當(dāng)選主節(jié)點的概率。同時主動刪除作惡節(jié)點的機制可以將作惡節(jié)點從網(wǎng)內(nèi)剔除，提升了網(wǎng)內(nèi)節(jié)點整體的安全穩(wěn)定性，使得每次請求順利達成共識，減少因多次重發(fā)引起網(wǎng)絡(luò)資源的浪費，從而降低網(wǎng)絡(luò)開銷。

表1 不同算法的交易請求有效完成率 Table 1 Effective completion rates of transaction requests comparison among different algorithms

3.3 吞吐量測試

吞吐量是指單位時間內(nèi)完成的交易數(shù)量，一般用每秒事務(wù)處理量（Transaction Per Second，TPS）來表示［17］。該實驗設(shè)置客戶端發(fā)送1 000 條交易請求，記錄每秒能夠完成共識的交易數(shù)量。為保證仿真實驗結(jié)果的代表性，實驗數(shù)據(jù)取多次結(jié)果的平均值（取整）。吞吐量測試主要從兩方面進行分析：1）單獨在信用積分機制下對4 種算法進行對比；2）在信用積分機制條件下再增加隨機的增或退節(jié)點，以測試4 種算法在仿真模擬實際應(yīng)用中對動態(tài)靈活性的表現(xiàn)情況。

3.3.1 信用積分機制作用

本節(jié)實驗在PBFT 算法的基礎(chǔ)上加入信用積分機制，僅允許對作惡節(jié)點按信用積分機制進行合理的剔除，實驗結(jié)果如圖9 所示。圖9 顯示隨著節(jié)點數(shù)的增加，交互信息呈指數(shù)級增加，4 種算法共識過程的吞吐量會隨之遞減。因DT-PBFT 引入的信用積分機制以及將共識階段由三階段縮減為兩階段的優(yōu)勢性，能自動剔除網(wǎng)內(nèi)積分較低的作惡節(jié)點，最大程度減少無用的開銷。DT-PBFT 穩(wěn)定的下降趨勢明顯優(yōu)于DDBFT、DGPBFT 以及PBFT，證明其具有良好的安全穩(wěn)定性，在存在作惡節(jié)點的環(huán)境下可以凸顯出更大的優(yōu)勢，也更貼合實際的應(yīng)用場合。

圖9 不同算法在信用積分機制下吞吐量對比Fig.9 Throughput comparison among different algorithms under credit scoring mechanism

3.3.2 信用積分機制與動態(tài)機制的作用

在不同初始節(jié)點數(shù)（n>4）下，交易請求執(zhí)行的過程中，本文隨機對節(jié)點進行增/刪，每次均增/刪一個節(jié)點作為測試，各增/刪十次。為了使仿真實驗結(jié)果適用于實際應(yīng)用的場合，本節(jié)隨機設(shè)置增/刪節(jié)點來代替實際應(yīng)用場合中節(jié)點的入/出，并進行多次實驗取均值，使結(jié)果具有代表性。因為PBFT 對于增刪節(jié)點在實際測試中表現(xiàn)較差，所以本節(jié)主要對DT-PBFT、DDBFT 和DGPBFT 算法進行對比分析。當(dāng)引入動態(tài)機制時不同算法的吞吐量對比如圖10 所示。

圖10 當(dāng)引入動態(tài)機制時不同算法的吞吐量對比Fig.10 Throughput comparison among different algorithms when introducing dynamic mechanism

從圖10 可以看出，加入動態(tài)機制對于DDBFT、DGPBFT 的吞吐量也具有一定影響，對DT-PBFT 吞吐量的影響程度并不明顯。因此，DT-PBFT 具有更強的穩(wěn)定性和靈活性。結(jié)合交易請求有效完成率可以看出，動態(tài)機制的引入對于DT-PBFT 只產(chǎn)生了低程度的吞吐量降低，但在整體完成交易請求成功率、效率以及動態(tài)特性上更能體現(xiàn)DT-PBFT 算法優(yōu)異的綜合性能。

3.4 CPU 的使用率

本文對CPU 的使用率進行仿真數(shù)據(jù)分析，為保證實驗結(jié)果具有普遍性，該實驗取多個時刻下不同算法的利用率進行平均后取整。不同算法的CPU 使用率對比如圖11 所示。

圖11 不同算法的CPU 使用率對比Fig.11 CPU utilization comparison among different algorithms

從圖11 可以看出，CPU 的使用率隨著節(jié)點數(shù)的增加各算法會伴隨不同程度的信息交互量的提升。其中DT-PBFT 算法的上升趨勢較DDBFT、DGPBFT 算法平穩(wěn)。隨著節(jié)點數(shù)不斷增加，DT-PBFT 算法的CPU 使用率的增長率越低，具有較優(yōu)的節(jié)能性。當(dāng)節(jié)點數(shù)設(shè)置為22時，PBFT 和DDBFT 的CPU 使用率已經(jīng)達到了65%，且DGPBFT也高于60%，而DT-PBFT仍維持在50%左右。因此，DT-PBFT 具有較優(yōu)的節(jié)能性，在實際應(yīng)用過程中有效地節(jié)省了CPU 資源。

4 結(jié)束語

由于PBFT 算法中的節(jié)點存在無法隨時動態(tài)地加入或退出網(wǎng)絡(luò)、主節(jié)點選取過于隨意且通信開銷大等問題，因此本文提出一種實用拜占庭容錯算法DT-PBFT，通過引入動態(tài)加入或退出機制，使節(jié)點可以根據(jù)不同需求隨時加入或退出集群，從而提高網(wǎng)絡(luò)工作時的動態(tài)性。設(shè)計信用積分機制，通過獎懲機制對節(jié)點分?jǐn)?shù)進行分段，以選擇集群內(nèi)信任度高的節(jié)點作為主節(jié)點，有效降低拜占庭節(jié)點當(dāng)選主節(jié)點的概率，減少網(wǎng)絡(luò)開銷。同時通過動態(tài)退出機制剔除信用值較低的作惡節(jié)點，提高共識的成功率，將共識階段中的兩次全網(wǎng)廣播改為一次。在進入正式共識前，通過對節(jié)點確認后再更新視圖，減少無效的信息交互以及對帶寬的消耗。實驗結(jié)果表明，本文所提DT-PBFT 算法在實際應(yīng)用過程更具靈活性且更加高效，在減少對網(wǎng)絡(luò)資源消耗的同時節(jié)能性也得以提升。下一步將優(yōu)化動態(tài)機制，在弱網(wǎng)絡(luò)環(huán)境下改進本文提出的DT-PBFT 算法，保證DT-PBFT 算法的交易請求有效完成率和共識安全性的前提下，提高共識效率且減少通信開銷。