摘 要： 為了解決DPOS 共識(shí)算法（Delegated Proof of Stake，股份授權(quán)證明機(jī)制）吞吐性能不足的問題，本文提出加權(quán)指標(biāo)動(dòng)態(tài)均衡算法（DPOS with weighted Index Dynamically Balancing，DPOS+IDB）. 該算法首先利用區(qū)塊鏈的通道機(jī)制，將帶有不同標(biāo)簽的交易分配到不同的區(qū)塊鏈通道中. 然后對(duì)每一個(gè)區(qū)塊鏈通道，分別進(jìn)程參數(shù)配置優(yōu)化. 最終，將參數(shù)配置優(yōu)化問題，轉(zhuǎn)化為對(duì)多個(gè)指標(biāo)求解整體最優(yōu)解問題. 通過優(yōu)化參數(shù)配置，提高區(qū)塊鏈通道的吞吐性能. 由于求解過程中，需要在多個(gè)指標(biāo)可行范圍內(nèi)進(jìn)搜索，求解空間過大. 為此，設(shè)計(jì)動(dòng)態(tài)均衡搜索算法進(jìn)行求解，利用求解的結(jié)果對(duì)區(qū)塊鏈網(wǎng)絡(luò)進(jìn)行優(yōu)化配置，提高提高區(qū)塊鏈網(wǎng)絡(luò)的性能. 仿真表明，對(duì)比原始DPOS 算法、CE-DPOS（Comprehensive Election-DPOS，綜合選舉）算法和RC-DPOS（Reputation Classification-DPOS，名譽(yù)分級(jí)）算法，DPOS+IDB 算法在時(shí)延、吞吐率有較好的性能表現(xiàn)，并且通訊開銷的復(fù)雜度由節(jié)點(diǎn)數(shù)量的平方降低至節(jié)點(diǎn)數(shù)量的一次方.

關(guān)鍵詞： 區(qū)塊鏈； DPOS； 性能優(yōu)化； 動(dòng)態(tài)均衡算法

中圖分類號(hào)： TP311 文獻(xiàn)標(biāo)志碼： A DOI： 10. 19907/j. 0490-6756. 2024. 042007

1 引言

文獻(xiàn)［1］指出隨著可再生能源進(jìn)入電網(wǎng)，與電網(wǎng)連接的設(shè)備以及負(fù)荷大量增加，傳統(tǒng)系統(tǒng)難以有效解決電網(wǎng)海量數(shù)據(jù)吞吐的問題. 利用區(qū)塊鏈以及邊緣計(jì)算技術(shù)能夠有效解決電網(wǎng)海量數(shù)據(jù)監(jiān)控的問題. 文獻(xiàn)［2］指出DPOS 共識(shí)作為廣泛使用的共識(shí)機(jī)制，區(qū)塊的產(chǎn)生不需要消耗算力，具有節(jié)約資源的優(yōu)點(diǎn). 文獻(xiàn)［3，4］指出DPOS 共識(shí)中存在節(jié)點(diǎn)地位不平衡現(xiàn)象，導(dǎo)致普通節(jié)點(diǎn)參與共識(shí)的積極性降低，影響共識(shí)算法的整體性能. 所以需要提高DPOS 共識(shí)中節(jié)點(diǎn)積極性，從而提高共識(shí)性能的算法.

因此目前提出了多種提高節(jié)點(diǎn)積極性的方法. 文獻(xiàn)［5］提出了節(jié)點(diǎn)綜合選舉算法（ComprehensiveElection-DPOS，CE-DPOS）. 選擇合適的代理節(jié)點(diǎn)，提高節(jié)點(diǎn)的積極性. 文獻(xiàn)［6］提出基于節(jié)點(diǎn)名譽(yù)值進(jìn)行節(jié)點(diǎn)分類的算法（ReputationClassification-DPOS，RC-DPOS），優(yōu)先選擇名譽(yù)值高的節(jié)點(diǎn)作為代理節(jié)點(diǎn)，鼓勵(lì)節(jié)點(diǎn)正確投票，以提高自身名譽(yù)值. 從而提高節(jié)點(diǎn)積極性. 文獻(xiàn)［7］提出了區(qū)塊鏈性能的評(píng)估方法. 文獻(xiàn)［8］指出，配置合適的區(qū)塊大小，有利于降低系統(tǒng)時(shí)延.

上述的DPOS 共識(shí)優(yōu)化算法，引入了節(jié)點(diǎn)評(píng)分機(jī)制，以提高節(jié)點(diǎn)的積極性. 在共識(shí)開始之前，需要進(jìn)行節(jié)點(diǎn)之間的兩兩打分. 設(shè)節(jié)點(diǎn)數(shù)量為n，節(jié)點(diǎn)評(píng)分機(jī)制需要大小為n2 的額外網(wǎng)絡(luò)開銷，導(dǎo)致網(wǎng)絡(luò)開銷較大. 當(dāng)節(jié)點(diǎn)網(wǎng)絡(luò)帶寬較小時(shí)該類優(yōu)化算法無法運(yùn)行. 為此，本文提出了加權(quán)指標(biāo)動(dòng)態(tài)均衡算法（weighted Index Dynamically BalancingAlgorithm ，IDB）. 該算法將網(wǎng)絡(luò)配置優(yōu)化問題，轉(zhuǎn)化為對(duì)多個(gè)指標(biāo)求解整體最優(yōu)解問題. 通過動(dòng)態(tài)均衡搜索算法進(jìn)行求解，利用求解的結(jié)果對(duì)區(qū)塊鏈網(wǎng)絡(luò)進(jìn)行優(yōu)化配置，提高節(jié)點(diǎn)積極性. 仿真結(jié)果表明，對(duì)比原始DPOS 算法，本文提出的算法在時(shí)延、吞吐量上有較好的性能指標(biāo)，同時(shí)，對(duì)比CEDPOS算法和RC-DPOS 算法，降低了算法運(yùn)行的網(wǎng)絡(luò)開銷.

2 區(qū)塊鏈邊緣網(wǎng)絡(luò)

2. 1 邊緣區(qū)塊鏈網(wǎng)絡(luò)架構(gòu)

文獻(xiàn)［9］指出電網(wǎng)相關(guān)數(shù)據(jù)在傳輸?shù)倪^程中，存在傳輸成本高、傳輸不安全等問題. 邊緣計(jì)算具有減輕數(shù)據(jù)中心負(fù)載以及快速相應(yīng)的優(yōu)勢(shì). 同時(shí)，區(qū)塊鏈平臺(tái)具有數(shù)據(jù)安全性高、抗篡改、不需要第三方信任等優(yōu)勢(shì). 因此，本文將邊緣計(jì)算與區(qū)塊鏈的優(yōu)勢(shì)相結(jié)合. 文獻(xiàn)［10］提出了將邊緣計(jì)算與區(qū)塊鏈相結(jié)合的方式. 文獻(xiàn)［11］提出了基于區(qū)塊鏈與邊緣計(jì)算混合架構(gòu)的智慧城市模型. 該模型將交通、工廠、家庭、醫(yī)療等節(jié)點(diǎn)部署在邊緣層；將高性能的服務(wù)器組成區(qū)塊鏈網(wǎng)絡(luò)部署在云端. 邊緣處理節(jié)點(diǎn)以低延遲和高網(wǎng)絡(luò)帶寬提供實(shí)時(shí)處理，為依賴于邊緣層的實(shí)體節(jié)點(diǎn)提供實(shí)時(shí)服務(wù).

如圖1 所示架構(gòu)流程可以分為以下幾步.

首先由邊緣節(jié)點(diǎn)開始，對(duì)設(shè)備上傳的原始數(shù)據(jù)進(jìn)行預(yù)處理，如果需要邊緣節(jié)點(diǎn)會(huì)將預(yù)處理后的加密數(shù)據(jù)傳輸?shù)絽^(qū)塊鏈網(wǎng)絡(luò)；其次區(qū)塊鏈網(wǎng)絡(luò)接收邊緣節(jié)點(diǎn)上傳的數(shù)據(jù)，按照不同的優(yōu)先級(jí)，存入不同的區(qū)塊鏈通道中；然后由不同的區(qū)塊鏈通道對(duì)各自接收到的數(shù)據(jù)進(jìn)行整理、歸檔、上鏈，以保證數(shù)據(jù)的完整性以及不可篡改性；再次區(qū)塊鏈網(wǎng)絡(luò)定時(shí)對(duì)邊緣節(jié)點(diǎn)進(jìn)行信息反饋和參數(shù)配置；最終邊緣節(jié)點(diǎn)接收來自區(qū)塊鏈系統(tǒng)的反饋，并且將反饋的信息處理之后傳達(dá)到實(shí)體節(jié)點(diǎn).

以上步驟為架構(gòu)的1 個(gè)典型運(yùn)行周期. 在整個(gè)周期中，區(qū)塊鏈網(wǎng)絡(luò)保證了云端數(shù)據(jù)的安全性.同時(shí)，文獻(xiàn)［12］指出，邊緣節(jié)點(diǎn)與云端區(qū)塊鏈網(wǎng)絡(luò)，在邏輯上的距離相隔較遠(yuǎn). 所以需要對(duì)云端的區(qū)塊鏈網(wǎng)絡(luò)進(jìn)行性能優(yōu)化，以便提高整個(gè)架構(gòu)的性能.

2. 2 區(qū)塊鏈配置動(dòng)態(tài)優(yōu)化算法

由于整個(gè)架構(gòu)的狀態(tài)是實(shí)時(shí)發(fā)生變化的，因此需要一種算法能夠適應(yīng)區(qū)塊鏈的實(shí)際情況，并進(jìn)行恰當(dāng)?shù)膬?yōu)化，動(dòng)態(tài)調(diào)整不同指標(biāo)的權(quán)重，滿足不同的狀態(tài)和需求. 本文提出綜合指標(biāo)動(dòng)態(tài)優(yōu)化算法解決上述問題.

在進(jìn)行配置優(yōu)化之前，算法先依據(jù)不同的交易優(yōu)先級(jí)，將不同優(yōu)先級(jí)的交易分配到區(qū)塊鏈系統(tǒng)的不同通道.

為了構(gòu)造區(qū)塊鏈配置優(yōu)化模型：定義優(yōu)化目標(biāo)函數(shù)U，考慮如下指標(biāo)：交易延遲L，安全性η，交易驗(yàn)證成本C，3 個(gè)指標(biāo)的權(quán)重分別為α，β，γ. 為消除量綱的差距引入標(biāo)準(zhǔn)化延遲lm，標(biāo)準(zhǔn)化安全性ηm，標(biāo)準(zhǔn)化驗(yàn)證開銷cm. 優(yōu)化目標(biāo)函數(shù)的表達(dá)式如下.

定義可配置參數(shù)為：每個(gè)區(qū)塊記錄的交易數(shù)量m，介于上下限之間；每個(gè)區(qū)塊使用的驗(yàn)證節(jié)點(diǎn)的數(shù)量n，介于上下限之間. 考慮到參數(shù)的實(shí)際意義，m、n 取正整數(shù).

算法在解空間中，進(jìn)行最優(yōu)化理論剪枝，刪除不可能取得最優(yōu)解的m、n 組合，然后選擇出最優(yōu)的m、n 組合，標(biāo)記并輸出為m*、n*. 同時(shí)，3 個(gè)指標(biāo)的權(quán)重可以依據(jù)實(shí)際情況進(jìn)行設(shè)置，使得算法具有一定的靈活性，可以根據(jù)不同的權(quán)重設(shè)置，輸出不同的配置參數(shù).

當(dāng)優(yōu)化目標(biāo)函數(shù)U 的值越小，表明區(qū)塊鏈的綜合性能越優(yōu)秀. 同時(shí)邊緣計(jì)算與區(qū)塊鏈融合架構(gòu)的整體性能也得到提升. 綜上，算法可以通過對(duì)不同指標(biāo)配置不同的權(quán)重，適應(yīng)不同的需求.

3 加權(quán)指標(biāo)均衡算法

3. 1 加權(quán)指標(biāo)生成算法

考慮到整個(gè)區(qū)塊鏈系統(tǒng)的交易類型是多樣的. 為了使算法能夠適應(yīng)更多的情景，將算法分為2 個(gè)部分：交易排序部分及加權(quán)指標(biāo)生成部分. 首先使用排序算法對(duì)不同優(yōu)先級(jí)的交易進(jìn)行排序，將不同優(yōu)先級(jí)的交易放入不同的區(qū)塊鏈通道；然后在每個(gè)通道分別生成綜合指標(biāo)，該綜合指標(biāo)供2. 2 的算法使用.

交易排序部分：考慮到區(qū)塊鏈系統(tǒng)中的交易有不同的優(yōu)先級(jí). 利用文獻(xiàn)［13］提出的帶有優(yōu)先級(jí)的M/M/1 模型進(jìn)行推導(dǎo)，分析各個(gè)交易的時(shí)延. 假設(shè)區(qū)塊鏈代理節(jié)點(diǎn)的交易處理速率μ 大于各個(gè)節(jié)點(diǎn)向區(qū)塊鏈代理節(jié)點(diǎn)發(fā)送交易的速率λi 的總和. 當(dāng)各個(gè)交易優(yōu)先級(jí)相同時(shí)，分析各交易的時(shí)延，分析結(jié)果如下.

當(dāng)各個(gè)交易的優(yōu)先級(jí)不同時(shí)，以第i 個(gè)交易為例，進(jìn)行分析，其中Ri 和Bi 分別是處理交易之前的每筆交易的平均處理時(shí)間和處理該交易的平均時(shí)間，將2 部分的時(shí)間綜合起來，分析結(jié)果如下.

在M/M/1 模型中，各個(gè)節(jié)點(diǎn)向區(qū)塊鏈代理節(jié)點(diǎn)發(fā)送交易的概率服從指數(shù)分布，可得Bi = Ri =1／μ，帶入表達(dá)式（3），進(jìn)行化簡(jiǎn)，可得

采用多通道的結(jié)構(gòu)，使得各個(gè)交易可以依據(jù)不同的優(yōu)先級(jí)，選擇不同的通道. 各通道中的交易互相隔離，進(jìn)一步提高了框架的安全性.

加權(quán)指標(biāo)生成部分：文獻(xiàn)［14，15］指出，區(qū)塊鏈的優(yōu)化指標(biāo)主要有以下幾個(gè)：交易延遲L、安全性η、交易驗(yàn)證成本C. 在本算法中，考慮如下的優(yōu)化目標(biāo)：交易時(shí)延、安全性、交易驗(yàn)證成本.

交易時(shí)延：通過將交易的各個(gè)步驟進(jìn)行分解，可以得出：交易的時(shí)延由以下因素構(gòu)成：（1）未經(jīng)驗(yàn)證的區(qū)塊從普通節(jié)點(diǎn)傳輸?shù)津?yàn)證節(jié)點(diǎn)；（2）區(qū)塊驗(yàn)證時(shí)間；（3）驗(yàn)證結(jié)果廣播和驗(yàn)證者之間的比較；（4）驗(yàn)證節(jié)點(diǎn)向普通節(jié)點(diǎn)傳遞驗(yàn)證結(jié)果. n 為每個(gè)區(qū)塊記錄的交易數(shù)量；B 為每個(gè)交易記錄所占用的空間；r d 為驗(yàn)證節(jié)點(diǎn)下載速率；K 為驗(yàn)證1 個(gè)區(qū)塊所需的總資源；x 為驗(yàn)證節(jié)點(diǎn)的驗(yàn)證速率；m 為驗(yàn)證節(jié)點(diǎn)數(shù)量；ψ 為驗(yàn)證過程中的統(tǒng)計(jì)參數(shù)；O 為驗(yàn)證節(jié)點(diǎn)的反饋信息將；r u 為驗(yàn)證節(jié)點(diǎn)上傳速率. 以上各項(xiàng)匯總，即

安全性：DPOS 算法的安全性主要來源于驗(yàn)證節(jié)點(diǎn)的安全性. 驗(yàn)證節(jié)點(diǎn)的數(shù)量越多，則區(qū)塊鏈網(wǎng)絡(luò)的安全性越強(qiáng). 定義安全性為驗(yàn)證節(jié)點(diǎn)失效的可能性. θ 為經(jīng)驗(yàn)系數(shù)；q 為衡量網(wǎng)絡(luò)尺度的參數(shù)，即

η = θ ? mq （6）

交易驗(yàn)證成本：為了使模型更具一般化，將驗(yàn)證節(jié)點(diǎn)在邏輯上視為自身不具備驗(yàn)證能力，需要向云服務(wù)提供商支付一定代價(jià)購買驗(yàn)證服務(wù). 文獻(xiàn)［16］指出驗(yàn)證節(jié)點(diǎn)與云服務(wù)提供商最終會(huì)達(dá)到博弈均衡，即向驗(yàn)證節(jié)點(diǎn)支付的代價(jià)至少能覆蓋其向云服務(wù)提供商購買驗(yàn)證服務(wù)的成本. 交易驗(yàn)證成本被定義為各個(gè)驗(yàn)證節(jié)點(diǎn)向云服務(wù)提供購買驗(yàn)證資源所花費(fèi)的代價(jià)的總和. ρi 為i 節(jié)點(diǎn)云服務(wù)提供商購買單位計(jì)算資源的平均成本；xi 為i 節(jié)點(diǎn)所需的運(yùn)算資源，即

將各個(gè)指標(biāo)按照給定的權(quán)重進(jìn)行求和，得出對(duì)應(yīng)通道的綜合指標(biāo).

考慮到不同通道的具體需求不同，對(duì)不同的指標(biāo)設(shè)置不同的權(quán)重. 同時(shí)，為了排除量綱的影響，對(duì)各個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理. 定義加權(quán)指標(biāo)U見式（1）.

3. 2 動(dòng)態(tài)均衡搜索算法

當(dāng)每個(gè)通道的綜合指標(biāo)生成后，需要通過對(duì)該綜合指標(biāo)進(jìn)行求解，解出最優(yōu)值，用該最優(yōu)值對(duì)區(qū)塊鏈的對(duì)應(yīng)通道進(jìn)行配置.

首先驗(yàn)證節(jié)點(diǎn)支出約束：交給驗(yàn)證節(jié)點(diǎn)用于計(jì)算的開銷，能夠覆蓋驗(yàn)證節(jié)點(diǎn)自生向第三方購買驗(yàn)證服務(wù)的開銷，即

Ci ≥ pi ? xi，?i ∈{1，…，m } （8）

其次驗(yàn)證節(jié)點(diǎn)個(gè)數(shù)約束：每個(gè)區(qū)塊使用驗(yàn)證節(jié)點(diǎn)的數(shù)量介于最大值和最小值之間，即

v ≤ m ≤ M （9）

最后驗(yàn)證區(qū)塊記錄數(shù)量約束：每個(gè)區(qū)塊記錄的交易數(shù)量介于最大值和最小值之間，即

t ≤ n ≤ χ （10）

將上述的約束條件匯總，得目標(biāo)函數(shù)及對(duì)應(yīng)的約束條件如下.

考慮到m、n 的實(shí)際含義，該優(yōu)化模型問題屬于非確定性多項(xiàng)式問題. 文獻(xiàn)［17］指出該類問題很難用常規(guī)的方法進(jìn)行求解，需要采用迭代搜索的方法求解其滿足條件的解. 迭代搜索求解流程如圖2 所示. 將原始優(yōu)化問題拆分為2 個(gè)子問題，令2 個(gè)子問題相互獨(dú)立，以此對(duì)問題搜索空間進(jìn)行剪枝. 考慮每個(gè)塊所記錄的交易數(shù)量n，當(dāng)n 確定以后，再考慮每塊所需要驗(yàn)證節(jié)點(diǎn)的數(shù)量m. 同時(shí)，n 是局部變量，m 是全局變量. 并且，區(qū)塊鏈系統(tǒng)以1 個(gè)區(qū)塊作為1 次處理的最小單位，交易需要等待其他交易，填滿1 個(gè)區(qū)塊以后，才會(huì)發(fā)送給代理節(jié)點(diǎn)，并且n 由取值上限及下限約束，在取值范圍內(nèi)，m 的值可以保持不變. 因此2 個(gè)參數(shù)可獨(dú)立調(diào)節(jié)，沒有約束關(guān)系，可行域是完整的矩形. 因此，可以認(rèn)為m、n 是互相獨(dú)立的.

具體的工作流程如下：對(duì)n 進(jìn)行求解，此時(shí)令m 為常量，求解n 的過程如下：令U 關(guān)于n 的偏導(dǎo)為零，得

解出n 的最優(yōu)值之后，按如下步驟對(duì)m*、n*進(jìn)行求解，步驟如下：

步驟1： 按照驗(yàn)證節(jié)點(diǎn)的驗(yàn)證速度進(jìn)行排序；

步驟2： 從驗(yàn)證節(jié)點(diǎn)數(shù)量允許的最小值開始迭代，使用式（17）計(jì)算n，得出n 的理論最優(yōu)值，在n的取值范圍內(nèi)，尋找最接近的值為n*；

步驟3： 添加新的驗(yàn)證節(jié)點(diǎn)后，再次計(jì)算優(yōu)化目標(biāo)函數(shù)的值，與原先優(yōu)化目標(biāo)函數(shù)的值比較，是否更新后優(yōu)化目標(biāo)函數(shù)的值更小. 若結(jié)果為“是”，則表明目標(biāo)函數(shù)還有進(jìn)一步優(yōu)化的空間，將此驗(yàn)證節(jié)點(diǎn)添加到選定的驗(yàn)證節(jié)點(diǎn)中并跳轉(zhuǎn)至步驟2；否則表明目標(biāo)函數(shù)以優(yōu)化至最優(yōu)狀態(tài)，將丟棄該驗(yàn)證節(jié)點(diǎn)，退出循環(huán)并獲得m*；

步驟4： 將計(jì)算出的m*，n* 輸出；

將動(dòng)態(tài)均衡搜索算法與暴力搜索算法按求解出最優(yōu)值所需的迭代次數(shù)進(jìn)行對(duì)比，結(jié)果見圖3.

如圖3 顯示，將本文提出的動(dòng)態(tài)均衡算法與暴力搜索算法在迭代次數(shù)進(jìn)行對(duì)比，可以發(fā)現(xiàn)，二者達(dá)到了相同的最小值，保證了本文算法的正確性；同時(shí)，本文算法收斂得更快更穩(wěn)定，證明了本文算法的有效性. 總之，本文算法可以有效地搜索m*、n*的最優(yōu)值.

3. 3 算法分析

針對(duì)區(qū)塊鏈系統(tǒng)，本文算法首先按交易的優(yōu)先級(jí)進(jìn)行排序，將不同優(yōu)先級(jí)的交易分配到不同的區(qū)塊鏈通道；然后在每個(gè)區(qū)塊鏈通道生成綜合目標(biāo)；最終在一定的約束條件下，對(duì)綜合目標(biāo)進(jìn)行求解，得到區(qū)塊鏈配置的最優(yōu)解. 該算法整體偽代碼如下.

算法1 中，在1 次算法執(zhí)行周期內(nèi)依據(jù)優(yōu)先級(jí)，將不同優(yōu)先級(jí)的交易分配到不同的區(qū)塊鏈通道上，防止彼此干擾. 由對(duì)應(yīng)的區(qū)塊鏈通道設(shè)置區(qū)塊鏈的優(yōu)化重點(diǎn)，并配置不同指標(biāo)的權(quán)重. 將配置權(quán)重之后的指標(biāo)累加，得到加權(quán)指標(biāo). 通過對(duì)加權(quán)指標(biāo)迭代求解，解出參數(shù)最優(yōu)值并以此配置區(qū)塊鏈通道.

為了驗(yàn)證算法的有效性，本文采用以下3 個(gè)指標(biāo)對(duì)算法的性能以及運(yùn)行算法時(shí)耗費(fèi)的資源進(jìn)行分析：時(shí)延和吞吐率指標(biāo)用于分析算法的性能；通訊開銷指標(biāo)用于分析算法運(yùn)行時(shí)耗費(fèi)的資源.

通訊開銷：定義區(qū)塊鏈通訊開銷（ConnectionCost，Ccommunication）為每確認(rèn)1 個(gè)區(qū)塊平均所需要消耗的網(wǎng)絡(luò)資源. 該指標(biāo)用于衡量區(qū)塊鏈網(wǎng)絡(luò)對(duì)于帶寬資源的消耗. 即

Ccommunication = ΣIO／Σblock

Ccommunication： 通訊開銷，kb/個(gè)

ΣIO： 網(wǎng)絡(luò)總的帶寬資源消耗，kb

Σblock： 網(wǎng)絡(luò)總確認(rèn)區(qū)塊的數(shù)量，個(gè)

本文提出的算法通過對(duì)區(qū)塊鏈網(wǎng)絡(luò)進(jìn)行合理配置，以此提高區(qū)塊鏈性能.

4 仿真分析

4. 1 仿真環(huán)境

本文使用go 語言進(jìn)行仿真分析，實(shí)驗(yàn)環(huán)境如下：處理器Intel（R） Core（TM）i5-12400F，主頻2. 5 GHz，內(nèi)存16 GB，操作系統(tǒng)64 bit windows 10.使用docker 技術(shù)配置運(yùn)行環(huán)境，保證環(huán)境的一致性. 使用以太坊Geth 客戶端模擬區(qū)塊鏈的運(yùn)行并使用hyper bench 自動(dòng)化測(cè)試工具，對(duì)區(qū)塊鏈性能進(jìn)行測(cè)試. 本節(jié)首先以時(shí)延和吞吐率作為性能指標(biāo)分析算法的性能，然后以通訊開銷為指標(biāo)，分析算法運(yùn)行時(shí)耗費(fèi)的網(wǎng)絡(luò)資源.

算法的仿真分析所使用的參數(shù)如下：q=4，O=0. 5 Mb，θ=1，rd=1. 2 Mb s，ru=1. 3 Mb s，K=100，B=0. 5 kb，區(qū)塊鏈網(wǎng)絡(luò)的超級(jí)節(jié)點(diǎn)數(shù)量設(shè)定為15 個(gè)，普通節(jié)點(diǎn)數(shù)量，以及區(qū)塊鏈長(zhǎng)度可調(diào)節(jié). 對(duì)比的算法為：原始DPOS 算法、CE-DPOS 算法及RC-DPOS 算法.

4. 2 區(qū)塊鏈性能分析

在算法性能方面，將本文提出的DPOS+IDB算法與原始DPOS 算法、CE-DPOS 算法和RCDPOS算法進(jìn)行比較. 在CE-DPOS 算法中，通過投票選舉出積極的節(jié)點(diǎn)作為代理節(jié)點(diǎn)，提高區(qū)塊鏈的性能；在RC-DPOS 算法中，將原本在所有節(jié)點(diǎn)中選擇代理節(jié)點(diǎn)改為基于節(jié)點(diǎn)名譽(yù)積分進(jìn)行分級(jí)，選擇最高等級(jí)以及次高等級(jí)作為代理節(jié)點(diǎn)的候選節(jié)點(diǎn)，提高區(qū)塊鏈的性能.

圖4 顯示，雖然CE-DPOS 算法、RC-DPOS 算法及本文算法均比原DPOS 算法的時(shí)延性能有較大提升，但是，當(dāng)共識(shí)算法運(yùn)行一段時(shí)間后，CEDPOS算法以及RC-DPOS 算法由于存在打分、投票選舉環(huán)節(jié)，而最差情況下多數(shù)節(jié)點(diǎn)得分相近，可能需要多輪投票，因此導(dǎo)致算法的準(zhǔn)備時(shí)間變長(zhǎng)，交易的時(shí)延增加. 相比之下，本文算法由于不存在投票環(huán)節(jié)，避免了多輪選舉所需要的額外時(shí)間，因此更加穩(wěn)定. 故本文算法在運(yùn)行一段時(shí)間后，仍能有效地進(jìn)行網(wǎng)絡(luò)配置，網(wǎng)絡(luò)時(shí)延性能更佳.

在圖5 中顯示，CE-DPOS 算法、RC-DPOS 算法及本文算法，均比原始DPOS 算法在吞吐率方面有較大提升. 文獻(xiàn)［18］指出，可以從節(jié)點(diǎn)可用帶寬的角度分析區(qū)塊鏈系統(tǒng)的吞吐率，由于處理交易需要占用帶寬，故代理節(jié)點(diǎn)可用帶寬R 是區(qū)塊鏈吞吐率的主要瓶頸. 而最壞情況下，代理節(jié)點(diǎn)需要多次選舉，會(huì)占用更多的代理節(jié)點(diǎn)總帶寬，使得代理節(jié)點(diǎn)可用帶寬減小，造成性能波動(dòng). 本文算法由于不存在選舉的環(huán)節(jié)，因此代理節(jié)點(diǎn)的帶寬更加穩(wěn)定. 可以有效減小波動(dòng). 故本文算法從均值的角度，其吞吐率優(yōu)于CE-DPOS 算法；并且其穩(wěn)定性優(yōu)于CE-DPOS 算法和RC-DPOS 算法.

4. 3 網(wǎng)絡(luò)資源消耗分析

在網(wǎng)絡(luò)資源消耗方面，本文算法與原始DPOS算法、CE-DPOS 算法和RC-DPOS 算法進(jìn)行比較：在CE-DPOS 算法中，每個(gè)節(jié)點(diǎn)在共識(shí)開始前，需要兩兩之間投票，消耗大量網(wǎng)絡(luò)資源；在RCDPOS算法中，基于節(jié)點(diǎn)名譽(yù)值，由高到低分為4個(gè)等級(jí)，選擇代理節(jié)點(diǎn)時(shí)，只考慮最高等級(jí)以及次高等級(jí)的節(jié)點(diǎn)，因此，比CE-DPOS 共識(shí)算法消耗的網(wǎng)絡(luò)資源少，但是當(dāng)節(jié)點(diǎn)數(shù)量為j 時(shí)，這2 類算法均需要消耗j2 大小的網(wǎng)絡(luò)資源，高于原始DPOS算法.

圖6 顯示，當(dāng)節(jié)點(diǎn)數(shù)量增長(zhǎng)時(shí)，CE-DPOS 算法以及RC-DPOS 算法需要的通訊開銷大量增長(zhǎng)，本文算法有效降低了通訊開銷，適用于節(jié)點(diǎn)帶寬緊張的情況. 圖4 以及圖5 顯示，本文算法具有低時(shí)延、高吞吐率的優(yōu)點(diǎn). 綜上，本文算法適用于網(wǎng)絡(luò)帶寬資源較為緊張，對(duì)時(shí)延要求較高的情況.

5 結(jié)論

本文提出了針對(duì)區(qū)塊鏈共識(shí)性能優(yōu)化的加權(quán)指標(biāo)動(dòng)態(tài)均衡算法，通過排隊(duì)理論將事務(wù)分配到不同的區(qū)塊鏈通道，然后通過對(duì)不同指標(biāo)進(jìn)行加權(quán)綜合得出加權(quán)指標(biāo)，最終通過最優(yōu)化理論，對(duì)加權(quán)指標(biāo)優(yōu)化求解，利用求解的結(jié)果配置區(qū)塊鏈網(wǎng)絡(luò)，使本文算法具有低時(shí)延、高吞吐率及低通訊開銷等優(yōu)點(diǎn)，整體提升了DPOS 算法共識(shí)性能. 后續(xù)工作將進(jìn)一步優(yōu)化加權(quán)指標(biāo)中各個(gè)指標(biāo)的定義以及迭代求解算法.

［1］ Liu Y，Zhan J，Wang X. Dynamic monitoring and dispatchingsystem of power resources based on blockchainand edge agent［J］. Machinery amp; Electronics，2023， 41： 46.［劉巖， 詹雋， 王新， 等. 基于區(qū)塊鏈和邊緣代理的電力資源動(dòng)態(tài)監(jiān)測(cè)調(diào)度系統(tǒng)［J］. 機(jī)械與電子， 2023， 41： 46.］

［2］ Jin S X，Zhang X D，Ge J G， et al. Overview ofblockchain consensus algorithm［J］. Journal of CyberSecurity， 2021， 6： 85.［靳世雄， 張瀟丹， 葛敬國，等. 區(qū)塊鏈共識(shí)算法研究綜述［J］. 信息安全學(xué)報(bào)，2021， 6： 85.］

［3］ Sharma M，Pant S，Kumar S D，et al. Enabling securityfor the industrial internet of things using deeplearning， blockchain， and coalitions［J］. T EmergTelecommun T， 2020， 32： 4317.

［4］ Bing W，Hui L，Li P. Optimized DPoS sconsensusstrategy： Credit-weighted comprehensive election［ J］.Ain Shams Engin J， 2023， 14： 101874.

［5］ Wang B，Li H L，Niu X Z. DPoS consensus algorithmbased on comprehensive election ［J］. ComputerEngineering， 2022， 48：50.［王兵， 李輝靈， 牛新征. 基于綜合選舉的DPoS 共識(shí)算法［J］. 計(jì)算機(jī)工程， 2022， 48： 50.］

［6］ Chen Y， Liu F. Research on improvement of DPoSconsensus mechanism in collaborative governance ofnetwork public opinion ［J］. Peer-to-Peer Networkingand Applications， 2022， 15： 1849.

［7］ Mazzoni M，Corradi A，Di N V. Performance evaluationof permissioned blockchains for financial applications：The Consensus Quorum case study［ J］. Blockchain：Research and Applications， 2022， 3： 10026.

［8］ Shiva R P，Jinho C. Federated learning with blockchainfor autonomous vehicles： Analysis and designchallenges［ J］. IEEE T Commun， 2020， 68： 4734.

［9］ Zhang H J，Ding P G，Peng Y X， et al. State gridelectricity data sharing scheme based on CKKS andCP-ABE ［J］. J Inform Secu Res， 2023， 9： 262.［張?？?， 丁平剛， 彭一軒， 等. 基于CKKS 與CP-ABE的國網(wǎng)電力數(shù)據(jù)共享方案［J］. 信息安全研究，2023， 9 ： 262.］

［10］ Bai S Z，Chen M J. Research on hierarchical andsharding Blockchain for industrial internet［J］. ComputerEngineering， 2023， 49： 58.［白首圳， 陳美娟.面向工業(yè)互聯(lián)網(wǎng)的區(qū)塊鏈分層分片研究［J］. 計(jì)算機(jī)工程， 2023， 49： 58.］

［11］ Pradip K S，Jong H P. Blockchain based hybrid networkarchitecture for the smart city ［J］. Future GenerationComputer Systems， 2018， 86： 650.

［12］ Tong X， Zhang Z， Jin C Q， et al. Blockchain forEnd-Edge-Cloud architecture： A survey［J］. Chin JComput， 2021， 44： 2345.［佟興， 張召， 金澈清，等. 面向端邊云協(xié)同架構(gòu)的區(qū)塊鏈技術(shù)綜述［J］. 計(jì)算機(jī)學(xué)報(bào)， 2021， 44： 2345.］

［13］ Zhang Y T， Xu X L. Optimization analysis of M/M/1 queue with two types of priority customers ［J］.Chin J Appl Prob Statis， 2021， 37： 449.［張怡通，徐秀麗. 具有兩類優(yōu)先權(quán)顧客的M/M/1 排隊(duì)的優(yōu)化分析［J］. 應(yīng)用概率統(tǒng)計(jì)， 2021，37： 449.］

［14］ Kang J W， Xiong Z H，Dusit N，et al. Toward secureblockchain-enabled internet of vehicles： Optimizingconsensus management using reputation and contracttheory［J］. IEEE Trans. Veh Technol， 2019， 68：2906.

［15］ Wu Z，Huang H，Zhou Y，et al. A secure and efficientdata deduplication framework for the internet ofthings via edge computing and blockchain ［J］. ConnectSci， 2022， 34： 1999.

［16］ Xiong Z H， Feng S H， Wang W B， et al. Cloud/fogcomputing resource management and pricing forblockchain networks ［J］. IEEE Internet Things J，2019， 6： 4585.

［17］ Zhu X P， Fu Q， Wen H， et al. Optimal allocationmodel of multi-energy entity energy storage from perspectiveof blockchain［J］. Electric Power AutomationEquipment， 2020， 40： 47.［朱西平， 付遷， 文紅， 等. 區(qū)塊鏈視角下多能源主體儲(chǔ)能優(yōu)化配置模型［J］. 電力自動(dòng)化設(shè)備， 2020， 40： 47.］

［18］ Dongmin S， Sawsan A Z， Gerard M. Performanceanalysis of an energy trading platform using the ethereumblockchain［C］//2021 IEEE international conferenceon blockchain and cryptocurrency （ICBC）.Sydney， Australia： IEEE， 2021： 1.

（責(zé)任編輯： 白林含）

基金項(xiàng)目： 云南省重大科技專項(xiàng)計(jì)劃（202302AD080002）