程序员经验分享-hwhale

硬核解读 | 一篇文章看透百度XuperChain系统架构

2023-05-16

本期「百度超级链学院」邀请来资深研发工程师，为各位开发者带来超硬核解读，揭秘百度XuperChain系统架构到底是怎样的！

背景

百度XuperChain在2019年5月底正式宣布开源。在开源后很快获得了开发者、区块链媒体的广泛关注。XuperChain是百度自主研发的区块链系统，在开源到Github后仍然在活跃地升级代码，先后发布了V3.1、V3.2两个版本。其中有10%的代码是由外部开发者贡献的。

当前，国内外的区块链系统多如过江之卿。对于区块链开发者而言，如何选择一个区块链系统持续地深耕是一个难题。在项目选型过程中有很多问题要考虑，例如，功能是否完备，性能是否满足业务压力，开发过程中遇到问题能否获得有效的支持？百度超级链目前已经通过工信部电子一所的标准测试，在功能、安全、性能三方面都远超过同类产品。超级链也建立了活跃的开发者微信群，越来越多的开发者正在学习超级链，用超级链落地自己的项目。

本文将阐述百度超级链的架构体系，对其独特的关键技术进行简要的分析，读者将大体了解到超级链为什么能实现高性能，架构上如何做到的可插拔等等。后续我们还会推出系列文章，对各个知识点进行抽丝剥茧的讲解。

系统架构

一般而言，区块链系统都是有三大件：分布式账本、合约引擎、共识处理器。

分布式账本解决的是数据的存储问题，例如数据怎么持久化到存储介质，数据怎么组织，数据的校验、更新、查询等。

合约引擎解决的是计算问题，能够将数据和合约字节码从账本加载到虚拟机，进行运算之后，将产生的数据变更再写入到账本。

共识处理器解决的是一致性问题，因为区块链是个P2P的网络集群，传输有延迟、不稳定、节点作恶等因素。最终需要通过共识处理器保障：集群中的所有节点的存储的数据是一致的，计算结果也是一致的。

640?wx_fmt=png

图1. 简化的超级链架构示意图

在超级链的架构设计中，这三大件都具备可插拔能力。

在合约引擎中，通过抽象的虚拟机接口设计，使得可以集成各种丰富的虚拟机，例如：XVM、Wavm、SolidityVM（未开源）等等。

在分布式账本中，我们设计了高并发的事务管理模型XuperModel， 并且通过抽象的Key-Value接口设计，使得可以能集成各种底层存储引擎，例如：Leveldb、Baddger、Rocksdb， 只要实现了Put、Get、Iterator等接口，就可以将第三方的存储引擎集成进来。

在共识处理器中，通过抽象的Consensus接口设计，使得可以集成各种丰富的共识算法。超级链已经开源的主要是TDPos和Pow两种共识算法。开发者完全可以根据自己的需要开发自己的共识算法集成进来。

640?wx_fmt=png

图2. 百度超级链架构图

高性能关键技术

超级链的性能优化主要是从两个方面着手，一个是立体网络、一个是链内并行。

立体网络，简单来说是通过一条Root链派生出N个平行链，这N个平行链是按照业务来划分，使得交易充分地并行。某些必要情况下要通过Root链的哈希锚定实现跨链。另外，还有可回归侧链技术，动态地fork生成侧链，完成一段时间的计算运行后，释放侧链。立体网络技术暂时没有开源。

链内并行，指的是单链情况下的性能优化技术。提高单链的性能主要从两个方面：加快出块速度和稳定性、交易验证充分并行。

一方面，超级链采用了TDPOS共识，优化了出块时间片调度机制，能够稳定快速出块。另一方面，超级链采用独有的XuperModel模型，使得交易的验证充分地并行化。这种模型是从经典的UTXO模型发展而来的，将智能合约的执行分为两个不同的阶段：预执行阶段和提交阶段，并通过类似于MVCC的机制避免整体加锁，不同于一般的读写集机制，超级链中交易的读集引用不需要绑定区块高度，未确认交易的输出也可被引用，进一步提升了性能测试的整体吞吐。

此外，在工程实现方面也做了大量的优化。比如底层KV存储支持多盘存储避免IO瓶颈，通过内存Cache降低访盘开销，通过线程避让机制保障准时出块等等。

社区建设

超级链的代码开源在https://github.com/xuperchain，目前每周的开发进展都会同步给社区。我们也欢迎大家提交代码，在Github上给出了Issue和 Pull Request的发起模板。到目前为止，外部开发者提交的Commit数量占到了10%。我们的社区建设目标是逐步提升这个比例，使超级链真正成为一个开放共建的生态。

为了方便大家反馈问题、及时地解答疑惑，我们也建立了微信群（见文末），群中有值班的工程师会7*24小时为开发者服务。

后续计划

后续，超级链会进一步提升性能、易用性，努力提高在区块链开发者中的影响力。另外，大家也知道XuperChain只是超级链“Xuper”家族产品中的一员，我们后续还会开源超级链在边缘计算、大数据、多方安全计算等方面的集成化解决方案，敬请关注。

如果你是区块链开发者、技术发烧友，

欢迎加入超级链开发者社群。

加群方式：添加百度超级链小助手微信（image-baidu），

回复：我是开发者

640?wx_fmt=png

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

硬核解读 | 一篇文章看透百度XuperChain系统架构 的相关文章

随机推荐

  • Pytorch模型如何查看每层输入维度输出维度

    在 PyTorch 中 xff0c 可以使用 torchsummary 库来实现对 PyTorch 模型的结构及参数统计的输出 xff0c 其可以方便我们查看每层输入 输出的维度以及参数数量等信息 安装 torchsummary 库 xff

  • ERROR: Cannot uninstall ‘xxx‘. It is a distutils installed project and thus we cannot accurately det

    ERROR Cannot uninstall TBB It is a distutils installed project and thus we cannot accurately determine which files belon

  • python装饰器的使用方法

    0 前言 装饰器在 python 中使用的频率非常高 xff0c 它可以在不改动原有函数的基础上对其进行增强功能 下面主要是介绍装饰器的各种用法 xff0c 并理解其运行过程 1 使用 1 1 在函数上添加装饰器 decro 是一个装饰器函

  • 【Linux operation 46】Centos 7.9中安装使用nmap

    1 nmap 介绍 nmap xff08 Network Mapper xff09 是一个开源的网络探测和安全扫描程序 nmap 的设计目标是快速地扫描大型网络 xff0c 当然用它扫描单个主机也没有问题 nmap 以新颖的方式使用原始 I

  • Nginx配置ssl证书

    1 下载证书 在ssl证书管理界面下载对应于Nginx的证书 下载的Nginx证书压缩文件解压后包含 xff1a pem xff1a 证书文件 PEM文件的扩展名为CRT格式 key xff1a 证书的密钥文件 申请证书时如果未选择自动创建

  • 0009基于51单片机智能门禁系统设计

    资料下载地址 单片机原理教程 初级 xff08 视频 xff0c 源仿真源代码 xff09 功能 60 可输入密码进行解锁 可以对IC卡进行注册或注销 可用已注册的IC卡解锁 可实现液晶显示当前时间 密码连续输错三次时能强制退出并报警 具有

  • 基于openstreetmap数据的SUMO路网生成路线

    一 一步到位 xff1a 基于SUMO自带工具smWebWizard py 使用SUMO自带的osmWebWizard py脚本 xff08 sumo tools xff09 进行下载 xff0c 脚本执行后会打开一个操作网页 xff0c

  • STM32烧写一次程序后，再次烧写识别不到单片机

    STM32cubeMX生成的程序 xff0c 编译后烧录一次后 xff0c 在次烧录会发现识别不到单片机了 xff0c 解决方案 xff1a 在STM32cubeMX工程中的SYS中 xff0c Debug中选择Serial Wire 使能

  • 百度超级链学院开课啦！第一讲教你《如何快速建链》

    百度超级链Xuperchain开源之后 xff0c 我们感受到了开发者伙伴们的热情关注 xff0c 其中有不少朋友提到希望进一步了解百度超级链网络的搭建方法 今天 xff0c 百度超级链小X姐姐和百度资深研发工程师静姐姐 xff0c 为大家

  • centos7操作/关闭防火墙

    前言 xff1a 测试环境部署不同端口的服务 xff0c 需要频繁使用防火墙放行端口 xff0c 比较麻烦 xff0c 所以需要彻底关闭防火墙 xff0c 整理了以下命令 xff0c 提供使用 systemctl status firewa

  • [kubernates]kube-flannel-ds 一直 CrashLoopBackOff

    使用 Kubeadm 安装 K8s 集群 xff0c 在安装 flannel 网络插件后 xff0c 发现 kube flannel ds 一直处于 CrashLoopBackOff 状态 xff1a span class token pu

  • Bottom-up And Top-down

    Bottom up 自下而上的处理可以理解为 xff1a 将感应器结果作为输入 xff0c 也就是激励 因此自下而上可以被描述为是数据驱动的 例如 xff0c 在一个人的花园正中有一朵花儿 xff0c 这个花儿的视觉和所有的激励信息都从视网

  • pyqt5在statusbar中不断的刷新显示不同的信息

    在PYQT5中不断的显示新的信息 需求 xff1a 需要在statusbar 上不断的显示新的测试数据 现在在测试例子中 xff0c 数据由numpy生成 总结如下 xff1a span class token comment coding

  • 如何在VS下调试自己写的dll

    一 准备资料 1 qt写的应用程序 test pro xff0c 编译程序可执行文件test exe 2 qt写的动态库程序 dll pro 二 调试步骤 1 用vs打开dll pro 2 dll工程右键属性如下图所示修改 3 编译运行dl

  • 通俗理解网络架构搜索（NAS）

    什么是NAS 我们假设模型必须是一个三层的全连接神经网络 xff08 一个输入层 一个隐层 一个输出层 xff09 xff0c 隐层可以有不同的激活函数和节点个数 xff0c 假设激活函数必须是relu或sigmoid中的一种 xff0c

  • GDB 的进入和退出

    进入和退出GDB 本节讨论如何启动和退出GDB 主要包括 xff1a 输入 39 gdb 进入GDB调试器输入quit或者按下Ctrl d退出调用GDB xff1a 如何启动GDB退出GDB xff1a 如何退出GDBShell脚本命令 x

  • OpenGL 矩阵变换GLM库的使用

    GLM和MVP矩阵操作速记 连续工作15小时 xff0c 累了 xff0c 睡觉 include glm glm hpp include glm gtc matrix transform hpp 若未特别说明 xff0c 以下示例均假设矩阵

  • 通俗理解RNN

    全连接神经网络和卷积神经网络他们都只能单独的取处理一个个的输入 xff0c 前一个输入和后一个输入是完全没有关系的 但是 xff0c 某些任务需要能够更好的处理序列的信息 xff0c 即前面的输入和后面的输入是有关系的 比如 xff0c 当

  • 基于深度学习的视频检测（一）

    一 简介 图像目标检测任务在过去几年深度学习的发展背景下取得了巨大的进展 xff0c 检测性能得到明显提升 但在视频监控 车辆辅助驾驶等领域 xff0c 基于视频的目标检测有着更为广泛的需求 由于视频中存在运动模糊 xff0c 遮挡 xff

  • 硬核解读 | 一篇文章看透百度XuperChain系统架构

    本期 百度超级链学院 邀请来资深研发工程师 xff0c 为各位开发者带来超硬核解读 xff0c 揭秘百度XuperChain系统架构到底是怎样的 xff01 背景 百度XuperChain在2019年5月底正式宣布开源 在开源后很快获得了开

热门标签