A Lightweight Scalable Protocol for Public Blockchain
-
摘要: 区块链技术解决了在不可信环境下建立信任的基础难题，被视为继云计算、物联网和人工智能之后的又一项颠覆性技术.然而，目前公有链面临2大根本难题：1)较低的系统吞吐率无法满足大规模运用的需求；2)持续增长的账本和状态数据，对节点磁盘和内存容量提出了较高要求.已有的扩容技术往往只针对提升系统吞吐，忽略了区块链数据增长对节点存储资源消耗的严重问题.为此，提出了PocketChain，一种对存储友好的轻量级扩容技术，在不牺牲去中心化与安全性的前提下，实现高吞吐和低存储的特性.首先，针对数据增长问题，PocketChain采用无状态客户端设计，使用RSA累加器对状态进行压缩，使得验证节点只需存储区块头部信息，大大降低节点对磁盘和内存的需求.其次，PocketChain将无状态客户端运用于分片技术架构下，在提升系统吞吐的同时，克服分片周期性随机重组导致的状态迁移问题，从而能进一步提升分片重组频率，增加分片系统安全性.实验结果表明:该方法能够有效降低节点存储需求，并线性提升系统吞吐.Abstract: Blockchain technology solves the fundamental problem of building trust in an untrusted environment, which is regarded as a new disruptive technology after clouding computing, the IoT, and the artificial intelligence. However, the current public blockchains face two serious problems: on one hand, the low system throughput cannot meet the needs of large-scale applications; on the other hand, the ever-growing nature of blockchain could be quite cumbersome for validators since they consume much disk and RAM resources. Existing works were often used to improve system throughput, ignoring the increasingly serious problem of blockchain data growth for long run. Thus, in this work, we propose the PocketChain, a scalable and storage-friendly lightweight protocol that can achieve high throughput and low storage without sacrificing decentralization and security. Firstly, PocketChain uses a stateless client design, using the RSA accumulator to combine the large state into one short commitment, so that the validators can only store the block headers, greatly reducing the disk and RAM requirements. Secondly, PocketChain applies the stateless client to the sharding technology, which not only improves the system throughput, but overcomes the state migration problem caused by periodical reshuffling of sharding technology. This can further increase the security of sharding by improving the reshuffling frequency. The experiment results show that the PocketChain can reduce the storage overhead of validators and linearly improve the system throughput.
-
-
期刊类型引用(14)
1. 暴琳，朱志宇，孙晓燕，徐标. 面向多源异构数据的个性化搜索和推荐算法综述. 控制理论与应用. 2024(02): 189-209 . 
百度学术
2. 王一博，张鹏翼. 基于LDA模型的国内用户画像研究主题及演化分析. 情报探索. 2024(02): 99-105 . 百度学术
3. 韩永印，王侠，王志晓. 基于决策树的社交网络隐式用户行为数据挖掘方法. 沈阳工业大学学报. 2024(03): 312-317 . 百度学术
4. 黄玲，黄镇伟，黄梓源，关灿荣，高月芳，王昌栋. 图卷积宽度跨域推荐系统. 计算机研究与发展. 2024(07): 1713-1729 . 本站查看
5. 廖彬，张陶，于炯，李敏. NLGAE:一种基于改进网络结构及损失函数的图自编码器节点分类模型. 计算机科学. 2024(10): 234-246 . 百度学术
6. 刘树越 ，于亚新 ，吴晓露 ，夏子芳 ，王子腾 . 自注意力下时空-语义相融合的POI序列推荐. 小型微型计算机系统. 2023(03): 456-462 . 百度学术
7. 章育涛，黎英，杨雅莉. 社交网站图像分析研究综述. 信息技术与信息化. 2023(08): 114-121 . 百度学术
8. 秦鹏，贾洪杰，霍兴瀛，邓朝艳. 融合大数据挖掘的用户个性化POI推荐方法. 计算机仿真. 2022(06): 355-358+385 . 百度学术
9. 郑捷，杨兴耀，于炯，李想. 基于人工蜂群的移动终端大数据半监督推荐. 计算机仿真. 2022(07): 497-501 . 百度学术
10. 李梁森，杨德宏，翟文龙，李刘飞，高励. 基于微博数据的云南省地理情感及主题特征研究. 城市勘测. 2022(04): 12-16 . 百度学术
11. 赵凯华，徐建民，鲍彩倩. 一个基于信念网络的微博推荐模型. 河北大学学报(自然科学版). 2022(04): 438-448 . 百度学术
12. 王小青，苏锋，蔡传根. 基于数据挖掘技术的影视智能推荐算法. 现代电子技术. 2021(11): 98-101 . 百度学术
13. 周炫余，刘林，陈圆圆，洪嘉玲，卢笑. 基于多模态数据融合的大学生心理健康自动评估模型设计与应用研究. 电化教育研究. 2021(08): 72-78 . 百度学术
14. 刘凯阳，姜峰，王辉. 航天话题公众关注热点和情感分析. 科技传播. 2021(19): 31-34 . 百度学术
其他类型引用(13)
计量
- 文章访问数:
- HTML全文浏览量: 0
- PDF下载量:
- 被引次数: 27
下载:
