Shoal框架:如何减少Aptos上的Bullshark延迟?

概述

Aptos labs解决了DAG BFT中两个重要的开放问题,大大减少了延迟,并首次消除了确定性实际协议中对暂停的需求。总体上,在无故障情况下将Bullshark的延迟改进了40%,在故障情况下改进了80%。

Shoal是一个框架,通过流水线和领导者声誉增强基于Narwhal的共识协议(如DAG-Rider、Tusk、Bullshark)。流水线通过每轮引入锚点来减少DAG排序延迟,领导者声誉通过确保锚点与最快的验证节点相关联来进一步改善延迟问题。此外,领导者声誉使Shoal可以利用异步DAG构造来消除所有场景中的超时。这允许Shoal提供普遍响应的属性,包含了通常需要的乐观响应。

这项技术非常简单,涉及按顺序运行底层协议的多个实例。因此,当用Bullshark实例化时,得到的是一群正在接力赛的"鲨鱼"。

动机

在追求区块链网络高性能时,人们一直关注降低通信复杂性。然而,这种方法并未导致吞吐量显著提高。例如,Diem早期版本中实现的Hotstuff仅实现了3500 TPS,远低于100k+ TPS的目标。

近期突破源于认识到数据传播是基于领导者协议的主要瓶颈,可从并行化中受益。Narwhal系统将数据传播与核心共识逻辑分离,提出了一种架构,所有验证者同时传播数据,共识组件仅订购少量元数据。Narwhal论文报告了160,000 TPS的吞吐量。

之前介绍的Quorum Store实现了数据传播与共识分离,以扩展当前共识协议Jolteon。Jolteon是基于领导者的协议,结合了Tendermint的线性快速路径和PBFT风格的视图更改,将Hotstuff延迟降低33%。然而,基于领导者的共识协议无法充分利用Narwhal的吞吐量潜力。尽管将数据传播与共识分开,随着吞吐量增加,Hotstuff/Jolteon的领导者仍受到限制。

因此,在Narwhal DAG之上部署了Bullshark,一种零通信开销的共识协议。不幸的是,与Jolteon相比,支持Bullshark高吞吐量的DAG结构带来了50%的延迟代价。

本文介绍了Shoal如何大幅减少Bullshark延迟。

DAG-BFT背景

Narwhal DAG中每个顶点都与轮数相关联。进入第r轮,验证者必须首先获得第r-1轮的n-f个顶点。每个验证者每轮可广播一个顶点,每个顶点至少引用前一轮的n-f个顶点。由于网络异步性,不同验证者可能在任何时间点观察到DAG的不同本地视图。

DAG的一个关键属性不是模棱两可的:如果两个验证节点在DAG本地视图中具有相同顶点v,则它们具有完全相同的v因果历史。

总顺序

可以在无额外通信开销的情况下就DAG中所有顶点的总顺序达成一致。为此,DAG-Rider、Tusk和Bullshark中的验证者将DAG结构解释为共识协议,顶点代表提案,边代表投票。

虽然DAG结构上的群体交集逻辑不同,但所有现有基于Narwhal的共识协议都具有以下结构:

1. 预定锚点:每隔几轮就有预先确定的领导者,其顶点称为锚点。

2. 排序锚点:验证者独立但确定性地决定订购或跳过哪些锚点。

3. 排序因果历史:验证者逐个处理有序锚点列表,对每个锚点的因果历史中先前无序顶点进行排序。

满足安全性的关键是确保在步骤(2)中,所有诚实验证节点创建的有序锚点列表共享相同前缀。在Shoal中,我们对所有这些协议做出以下观察:

所有验证者都同意第一个有序的锚点。

Bullshark延迟

Bullshark的延迟取决于DAG中有序锚点之间的轮数。虽然Bullshark最实用的部分同步版本比异步版本具有更好的延迟,但远非最佳。

问题1:平均块延迟。在Bullshark中,每个偶数轮都有锚点,奇数轮的顶点被解释为投票。常见情况下,需要两轮DAG才能订购锚点,然而,锚点因果历史中的顶点需要更多轮次等待锚点被排序。通常,奇数轮中顶点需要三轮,偶数轮中非锚点顶点需要四轮。

问题2:故障案例延迟。上述延迟分析适用于无故障情况,另一方面,如果一轮领导者未能足够快地广播锚点,则无法对锚点排序(因此被跳过),前几轮中所有未排序顶点必须等待下一个锚点被排序。这会显著降低地理复制网络的性能,特别是因为Bullshark使用超时等待领导者。

Shoal框架

Shoal解决了这两个延迟问题,它通过流水线增强Bullshark(或任何其他基于Narwhal的BFT协议),允许每轮都有锚点,并将DAG中所有非锚点顶点的延迟减少到三轮。Shoal还在DAG中引入了零开销领导者声誉机制,选择偏向于快速领导者。

挑战

在DAG协议背景下,流水线和领导者声誉被认为是困难问题,原因如下:

1. 以前的流水线尝试修改核心Bullshark逻辑,但这从本质上似乎不可能。

2. 领导者声誉在DiemBFT中引入并在Carousel中正式化,根据验证者过去表现动态选择未来领导者(Bullshark中的锚)。虽然在领导者身份上存在分歧不违反这些协议的安全性,但在Bullshark中可能导致完全不同的排序,这引出了问题核心:动态和确定性地选择轮锚是解决共识所必需的,验证者需要就有序历史达成一致以选择未来锚。

作为问题难度的证据,Bullshark的实现(包括目前生产环境中的实现)都不支持这些特性。

协议

尽管存在上述挑战,但解决方案隐藏在简单之中。

在Shoal中,我们依靠在DAG上执行本地计算的能力,实现了保存和重新解释前几轮信息的能力。凭借所有验证者都同意第一个有序锚点的核心洞察,Shoal按顺序组合多个Bullshark实例进行流水线处理,使得(1)第一个有序锚点是实例的切换点,(2)锚点的因果历史用于计算领导者声誉。

流水线

与Bullshark类似,验证者先验地就潜在锚点达成一致,即有一个已知映射F：R -> V将轮次映射到领导者。Shoal一个接一个地运行Bullshark实例,每个实例的锚由映射F预先确定。每个实例都订购一个锚,触发切换到下一个实例。

最初,Shoal在DAG第一轮启动Bullshark第一个实例并运行直到确定第一个有序锚点,比如在第r轮。所有验证者都同意这个锚点。因此,所有验证者都可以确定地同意从第r+1轮开始重新解释DAG。Shoal只是在第r+1轮启动新的Bullshark实例。

在最好情况下,这允许Shoal在每轮都订购一个锚。第一轮的锚点按第一个实例排序。然后,Shoal在第二轮开始新实例,它本身有一个锚点,该锚由该实例排序,然后,另一个新实例在第三轮中订购锚点,过程继续。

领导者声誉

在Bullshark排序期间跳过锚点时,延迟会增加。在这种情况下,流水线技术无能为力,因为在前一个实例订购锚点之前无法启动新实例。Shoal通过使用声誉机制根据每个验证节点最近活动历史分配分数来确保将来不太可能选择相应领导者来处理丢失的锚点。响应并参与协议的验证者将获得高分,否则,验证节点将被分配低分,因为它可能崩溃、缓慢或作恶。

其理念是在每次分数更新时,确定性地重新计算从轮到领导者的预定义映射F,偏向于得分较高的领导者。为让验证者在新映射上达成一致,他们应该在分数上达成一致,从而在用于派生分数的历史上达成一致。

在Shoal中,流水线和领导声誉可以自然结合,因为它们都使用相同的核心技术,即在就第一个有序锚点达成一致后重新解释DAG。

事实上,唯一区别是,在第r轮对锚点排序后,验证者只需根据第r轮中有序锚点的因果历史,从第r+1轮开始计算新的映射F'。然后,验证节点从第r+1轮开始使用更新的锚点选择函数F'执行Bullshark的新实例。

没有更多超时

超时在所有基于领导者的确定性部分同步BFT实现中起着至关重要的作用。然而,它们引入的复杂性增加了需要管理和观察的内部状态数量,这增加了调试过程的复杂性,并且需要更多的可观察性技术。

超时也会显著增加延迟,因为适当配置它们非常重要,通常需要动态调整,因为它高度依赖于环境(网络)。在转移到下一个领导者之前,协议会为有故障的领导者支付完整的超时延迟惩罚。因此,超时设置不能过于保守,但如果超时时间太短,协议可能会跳过好的领导者。例如,我们观察到,在高负载情况下,Jolteon/Hotstuff中的领导者不堪重负,在推动进展之前超时就已到期。

不幸的是,基于领导者的协议(如Hotstuff和Jolteon)本质上需要超时,以确保每次领导者出现故障时协议都能取得进展。如果没有超时,即使是崩溃的领导者也可能永远停止协议。由于在异步期间无法区分有故障的领导者和缓慢的领导者,超时可能会导致验证节点在没有共识活跃度的情况下查看更改所有领导者。

在Bullshark中,超时用于DAG构造,以确保在同步期间诚实的领导者将锚点添加到DAG的速