HyperledgerFabric并發(fā)沖突消除機(jī)制

關(guān)鍵詞：HyperledgerFabric；交易沖突；映射；有向無環(huán)圖；沖突消除 中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-3695（2025）07-004-1948-08 doi：10.19734/j.issn.1001-3695.2024.11.0452

Abstract：HyperledgerFabricisa mainstreamconsortium blockchain platform.When facing multipleconcurrent transactions thatareinterrelated，theexistingarchitecturetendstogeneratealargenumberof invalidtransactionswhichsverelyrduces thesystem’sefectivetransactionprocessingcapability.Toaddressthisisse，thispaperproposedaconflicteliminationechnism that integrated map and directed acyclic graph（DAG），known as the FabricIMD（Fabric integrated with map and DAG） mechanism.The mechanism identified dependencies between transactions atthe per node（endorser）through map andconstructed theserelationshipsusingadirectedacyclicgaphtoadjust theendorsementorderoftransactions，therebyefectivelyavoiding transactionconflicts.Experimentsdemonstratethatwhentherearemultipleinterrelatedconcuenttransactions，F(xiàn)abricIMDmechanismcansignificantlyreduceinvalidtransactionscausedbytransactionconflicts.Withvaryingdegresofconflict among transactions，the system’s effective transaction throughput increased by 15.68% to 96.08% . Moreover，when dealing withunrelatedconcurrnttransactions，the introductionofthis mechanismdidnotsignificantlyimpact systemperfor-mance.In summary，F(xiàn)abricIMDmechanismnotonlyavoidstransactionconflictsbutalsoenhancesthesystem’seffectivetransaction throughout and significantly reduces the number of invalid transactions.

Key Words：Hyperledger Fabric；transactionconflict；map；directed acyclic graph（DAG）；conflict elimination

0 引言

區(qū)塊鏈起源于比特幣[1]，其實(shí)質(zhì)是集合了對(duì)等（peertopeer，P2P）網(wǎng)絡(luò)、共識(shí)機(jī)制和密碼學(xué)等技術(shù)的分布式數(shù)據(jù)庫系統(tǒng)。區(qū)塊鏈具有去中心化、數(shù)據(jù)不易竄改和可追溯的優(yōu)點(diǎn)，能有效建立多方信任以解決數(shù)據(jù)流通和交易的安全問題，已廣泛應(yīng)用于智能電網(wǎng)[2]、車聯(lián)網(wǎng)[3]、物聯(lián)網(wǎng)[4]和邊緣計(jì)算[5]等領(lǐng)域。

根據(jù)節(jié)點(diǎn)是否可以自由加入，區(qū)塊鏈分為公有鏈、聯(lián)盟鏈和私有鏈。HyperledgerFabric[作為聯(lián)盟鏈的代表之一，具有開源、高度模塊化、可定制、可插拔的特點(diǎn)，在數(shù)字化業(yè)務(wù)場景中受到廣泛關(guān)注[7]。HyperledgerFabric采用“執(zhí)行-排序-驗(yàn)證-提交”的架構(gòu)，雖然提升了系統(tǒng)交易吞吐量，也帶來了一些問題。這是因?yàn)椋涸谀M執(zhí)行階段，交易并發(fā)且相互隔離，若多筆交易同時(shí)讀取和修改數(shù)據(jù)庫中同一數(shù)據(jù)將會(huì)產(chǎn)生沖突；在驗(yàn)證階段，由于采用多版本并發(fā)控制（MVCC）機(jī)制來保證數(shù)據(jù)庫中數(shù)據(jù)的一致性，這些沖突的交易大多是無效的[8]，導(dǎo)致大量網(wǎng)絡(luò)資源和存儲(chǔ)資源的浪費(fèi)。目前解決HyperledgerFabric并發(fā)沖突的方法主要有兩種：一是在排序階段之前減少交易沖突的產(chǎn)生；二是在排序階段及驗(yàn)證階段，最小化沖突交易的數(shù)量。

在排序階段之前減少交易沖突產(chǎn)生方面，Zhang等人在客戶端處采用緩存策略，對(duì)滿足背書條件的交易進(jìn)行沖突分析。無沖突時(shí)，交易直接提交至排序節(jié)點(diǎn)；有沖突時(shí)，交易被暫存至沖突隊(duì)列，待沖突解決后重新執(zhí)行。然而，該方法并不適用于多客戶端環(huán)境中的交易并發(fā)沖突。王盛姣等人[10提出一種背書節(jié)點(diǎn)緩存策略，用于存儲(chǔ)待驗(yàn)證交易的寫集。在交易模擬執(zhí)行時(shí)，背書節(jié)點(diǎn)通過比對(duì)交易背書結(jié)果與緩存信息識(shí)別沖突。無沖突時(shí)，背書結(jié)果返回至客戶端；否則，給客戶端返回背書失敗信息。但該方案未考慮客戶端對(duì)背書失敗交易的處理機(jī)制。若客戶端對(duì)失敗交易實(shí)施重發(fā)，將導(dǎo)致頻繁的客戶端與背書節(jié)點(diǎn)間的通信，這可能增加網(wǎng)絡(luò)負(fù)載并占用關(guān)鍵通信資源，對(duì)區(qū)塊鏈網(wǎng)絡(luò)性能構(gòu)成潛在影響。 Xu 等人[11]在客戶端處引入鎖機(jī)制以檢測(cè)交易沖突，通過為沖突交易創(chuàng)建臨時(shí)數(shù)據(jù)庫索引，并在驗(yàn)證通過后與原索引歸并。然而，此方案只適用于單客戶端場景，而且在異步區(qū)塊鏈系統(tǒng)中實(shí)現(xiàn)節(jié)點(diǎn)同步的鎖服務(wù)將增加額外的通信成本[10]

在排序階段及驗(yàn)證階段最小化沖突交易數(shù)量方面，Sharma等人[8提出一種基于交易重排序的策略，該策略通過構(gòu)建區(qū)塊內(nèi)交易依賴關(guān)系圖，識(shí)別并消除循環(huán)依賴，以優(yōu)化交易排序。然而，此策略僅緩解了區(qū)塊內(nèi)的交易沖突，未能解決跨區(qū)塊的沖突問題，且可能引起交易提前終止。 Xu 等人[12]提出了一種節(jié)點(diǎn)排序策略，通過交易按鍵分組并結(jié)合余額驗(yàn)證，實(shí)現(xiàn)沖突交易的有效合并，以避免驗(yàn)證失敗。然而，該方法對(duì)賬戶余額的依賴可能限制智能合約的靈活性。吳海博等人[13]為解決區(qū)塊內(nèi)交易沖突，提出了一種高效的事務(wù)調(diào)度機(jī)制，通過依賴鏈和危險(xiǎn)結(jié)構(gòu)檢測(cè)來識(shí)別并中止?jié)撛谘h(huán)依賴的事務(wù)。同時(shí)，為解決區(qū)塊間沖突，建議在排序節(jié)點(diǎn)構(gòu)建緩存區(qū)進(jìn)行交易沖突檢測(cè)。但這種方法可能削弱了系統(tǒng)的隱私保護(hù)優(yōu)勢(shì)。Gorenflo等人[14]提出了一種\"執(zhí)行-排序-執(zhí)行”的交易流程，通過依賴性分析在驗(yàn)證階段識(shí)別沖突交易，并基于最新數(shù)據(jù)庫狀態(tài)重新執(zhí)行，然后更新賬本。這種機(jī)制繞過了MVCC驗(yàn)證機(jī)制，可能影響系統(tǒng)安全性。Nasirifard等人[15]提出了FabricCRDT方法，結(jié)合HyperledgerFabric與CRDT。在背書節(jié)點(diǎn)驗(yàn)證時(shí)，對(duì)CRDT交易跳過MVCC驗(yàn)證，使用CRDT技術(shù)合并提交。但這種方法需要定義特定數(shù)據(jù)結(jié)構(gòu)，且繞過MVCC機(jī)制可能限制其適用性。

可見，現(xiàn)有在排序階段之前減少交易沖突產(chǎn)生的方法通常限于單客戶端環(huán)境或缺乏對(duì)背書失敗交易的客戶端處理機(jī)制，導(dǎo)致適用性不強(qiáng)。而在排序階段及驗(yàn)證階段最小化沖突交易數(shù)量的方法，如在排序節(jié)點(diǎn)處采用交易重排序策略，雖然解決了沖突問題，但可能需要對(duì)系統(tǒng)架構(gòu)進(jìn)行調(diào)整，影響隱私性。事實(shí)上，原HyperledgerFabric架構(gòu)中的排序服務(wù)通過不參與交易的驗(yàn)證與執(zhí)行，實(shí)現(xiàn)了共識(shí)與交易處理的分離，既增強(qiáng)了共識(shí)部分的模塊化，也確保了交易隱私[。因此，迫切需要一種新的沖突消除機(jī)制，它應(yīng)具有廣泛的適用性，同時(shí)不改變系統(tǒng)架構(gòu)。

沖突的本質(zhì)在于交易之間的相互依賴性，而有向無環(huán)圖（directedacyclicgraph，DAG）是表征這種依賴性的有力工具。例如，文獻(xiàn)[16，17]通過考慮每筆交易執(zhí)行時(shí)所需的互斥資源，構(gòu)建了DAG來確定區(qū)塊內(nèi)交易的執(zhí)行順序。每筆交易執(zhí)行后，依賴于此交易的其他交易的人度將減少1。當(dāng)交易的入度降至0時(shí)，表明其依賴的所有前置條件均已滿足，這些交易可以獨(dú)立并發(fā)執(zhí)行，從而充分利用多核CPU的計(jì)算資源。

受到上述研究的啟發(fā)，本文提出一種融合映射與DAG的沖突消除機(jī)制FabricIMD，旨在減少系統(tǒng)中因交易沖突導(dǎo)致出現(xiàn)無效交易的同時(shí)最大程度保留系統(tǒng)在隱私保護(hù)方面的優(yōu)勢(shì)。該機(jī)制適宜于采用“執(zhí)行-排序-驗(yàn)證\"架構(gòu)的系統(tǒng)，因?yàn)樵趫?zhí)行階段便能獲取交易需要讀取或者修改的賬戶信息，用于識(shí)別交易間依賴關(guān)系。相較之下，在遵循“排序-執(zhí)行\(zhòng)"架構(gòu)的平臺(tái)上，通常需要增加額外機(jī)制，如文獻(xiàn)16]所述由智能合約開發(fā)者定義接口的互斥參數(shù)，或文獻(xiàn)[17]中提出對(duì)智能合約進(jìn)行標(biāo)記的方法，以判定交易的依賴性。本文的主要貢獻(xiàn)有：

a）提出一種融合映射與DAG的交易沖突消除機(jī)制Fa-bricIMD。該機(jī)制通過鍵值對(duì)映射的方法追蹤系統(tǒng)中賬戶的變動(dòng)情況，記錄引起賬戶變動(dòng)的交易信息，并確定交易間的依賴關(guān)系。然后，將所有未完成交易之間的依賴關(guān)系構(gòu)建為DAG，并根據(jù)DAG確定交易的背書順序。此機(jī)制能夠在保持系統(tǒng)高吞吐量的同時(shí)，顯著減少因交易沖突而產(chǎn)生的無效交易數(shù)量。

b）搭建實(shí)驗(yàn)測(cè)試系統(tǒng)，驗(yàn)證了在無交易沖突條件下，引入FabricIMD機(jī)制對(duì)系統(tǒng)性能的影響較??；在存在不同程度交易沖突的情況下，F(xiàn)abricIMD機(jī)制能有效提升系統(tǒng)有效交易吞吐量，并減少無效交易。

1HyperledgerFabric交易流程及沖突問題分析

1.1HyperledgerFabric交易流程簡介

在HyperledgerFabric框架中，交易流程由客戶端發(fā)起，向背書節(jié)點(diǎn)提交交易提案。滿足背書策略要求后，交易被發(fā)送至排序節(jié)點(diǎn)，該節(jié)點(diǎn)負(fù)責(zé)按時(shí)間順序和通道ID對(duì)交易進(jìn)行排序并打包成區(qū)塊，隨后分發(fā)至所有對(duì)等節(jié)點(diǎn)。對(duì)等節(jié)點(diǎn)在此架構(gòu)中扮演多重角色，包括背書、提交、主節(jié)點(diǎn)和錨節(jié)點(diǎn)，分別負(fù)責(zé)交易背書、賬本更新、區(qū)塊廣播及跨組織通信。賬本由“世界狀態(tài)\"和“區(qū)塊鏈\"構(gòu)成，前者存儲(chǔ)當(dāng)前賬本狀態(tài)，后者記錄所有交易變更。組織由信任的對(duì)等節(jié)點(diǎn)組成，至少包含一個(gè)背書節(jié)點(diǎn)，其背書行為體現(xiàn)了組織的交易認(rèn)可。背書策略明確了交易背書的組織要求，確保了交易的合法性和有效性。

HyperledgerFabric交易流程如圖1所示，包括執(zhí)行、排序和驗(yàn)證階段。

a）執(zhí)行階段：客戶端向組織內(nèi)的背書節(jié)點(diǎn)提交交易提案，提案中包括客戶端簽名、調(diào)用的鏈碼及其參數(shù)等信息。背書節(jié)點(diǎn)根據(jù)提案中的參數(shù)，調(diào)用本地部署的鏈碼與賬本進(jìn)行交互，模擬執(zhí)行交易提案，但在此階段不對(duì)賬本進(jìn)行更新。

b）排序階段：排序節(jié)點(diǎn)收到客戶端提交的交易后，不驗(yàn)證交易的有效性，而是根據(jù)交易所屬通道和到達(dá)時(shí)間等因素，對(duì)交易進(jìn)行排序并打包成區(qū)塊。排序節(jié)點(diǎn)之間就生成的區(qū)塊達(dá)成共識(shí)，隨后將區(qū)塊發(fā)送至各對(duì)等節(jié)點(diǎn)。

c）驗(yàn)證階段：對(duì)等節(jié)點(diǎn)接收排序節(jié)點(diǎn)發(fā)送的區(qū)塊，依次對(duì)區(qū)塊內(nèi)交易進(jìn)行驗(yàn)證。首先，執(zhí)行VSCC（驗(yàn)證系統(tǒng)鏈碼）以檢查交易是否符合背書策略。接著，利用MVCC機(jī)制，驗(yàn)證交易讀集中的鍵版本號(hào)是否與賬本中的世界狀態(tài)一致。驗(yàn)證通過后，對(duì)等節(jié)點(diǎn)將有效交易的寫集更新至世界狀態(tài)數(shù)據(jù)庫，并最終將區(qū)塊記錄到區(qū)塊鏈賬本中。

1.2 交易沖突問題分析

在進(jìn)行沖突問題分析前，先給出兩個(gè)基本概念：

a）讀寫集[18：在基于最新賬本狀態(tài)的背景下，背書節(jié)點(diǎn)通過模擬執(zhí)行交易提案中的參數(shù)，生成交易的讀寫集。讀集囊括了模擬執(zhí)行中訪問的所有唯一鍵及其對(duì)應(yīng)的已提交版本號(hào)。寫集記錄了模擬執(zhí)行期間對(duì)鍵的更新，包括鍵的新值和若被刪除的標(biāo)志。

b）交易依賴：如果有兩筆交易 T_Xi 和 Tx_j，Tx_i 寫集中的鍵與Tx_j 讀集中的鍵重疊，則交易 T_xi 和交易 Tx_j 之間存在交易依賴。

HyperledgerFabric在執(zhí)行階段支持節(jié)點(diǎn)并發(fā)處理來自一個(gè)或多個(gè)客戶端的交易。然而，在存在交易依賴的情況下，如果多筆交易同時(shí)執(zhí)行，系統(tǒng)中可能出現(xiàn)交易沖突問題，導(dǎo)致在驗(yàn)證階段大量交易被標(biāo)記為無效，從而影響系統(tǒng)性能。

產(chǎn)生上述現(xiàn)象的原因在于，當(dāng)存在依賴關(guān)系的兩筆交易T_Xi 和 Tx_j 并發(fā)執(zhí)行，若交易 Tx_i 在交易 Tx_j 之前完成驗(yàn)證并更新世界狀態(tài)數(shù)據(jù)庫，則交易 T_xj 在驗(yàn)證階段因讀集中鍵的版本與當(dāng)前世界狀態(tài)中的版本不一致，即交易 Tx_j 與交易 T_xi 產(chǎn)生“讀-寫\"沖突，從而被標(biāo)記為無效。當(dāng)這兩筆交易被納入同一區(qū)塊或分別進(jìn)人不同區(qū)塊時(shí)，將分別觸發(fā)區(qū)塊內(nèi)交易沖突和區(qū)塊間交易沖突問題。

2 融合映射與DAG的沖突消除機(jī)制FabricIMD

2.1 交易流程

FabricIMD機(jī)制分為背書和提交兩個(gè)階段。引入該機(jī)制后，交易流程如圖2所示。

2.2 FabricIMD機(jī)制-背書階段

該階段在背書節(jié)點(diǎn)部署映射和構(gòu)建DAG。

2.2.1 部署映射

1）映射背書節(jié)點(diǎn)根據(jù)交易背書結(jié)果讀寫集中的鍵來判斷當(dāng)前交易與之前的交易是否存在依賴。若只構(gòu)建DAG，背書節(jié)點(diǎn)需要遍歷DAG中所有頂點(diǎn)對(duì)應(yīng)的交易才能判斷依賴性，導(dǎo)致效率很低。通過構(gòu)建讀寫集映射，無須遍歷DAG中的所有頂點(diǎn)就能判斷當(dāng)前交易與之前交易的依賴關(guān)系，因此需要建立讀寫集映射以提高檢索效率。

此外，在交易背書結(jié)果中，還存在讀集和寫集中的鍵不一致的情況。如果僅構(gòu)建寫集鍵映射而不構(gòu)建讀集鍵映射，可能會(huì)產(chǎn)生沖突。例如，交易 Tx_i 因與之前交易存在依賴關(guān)系需等待DAG更新之后再執(zhí)行。背書節(jié)點(diǎn)收到新的交易 Tx_j ，其讀集中的鍵與之前所有待處理交易的寫集中的鍵均不相同，但其寫集中的鍵與交易 T_xi 讀集中的鍵相同。在僅構(gòu)建寫集鍵映射的情況下，該交易將會(huì)被判斷為沒有依賴性，直接進(jìn)入后續(xù)交易流程。但實(shí)際上，由于交易 Tx_j 寫集中的鍵與交易 T_xi 讀集中的鍵相同，若這兩筆交易同時(shí)執(zhí)行，將產(chǎn)生沖突?？紤]到這個(gè)問題，F(xiàn)abricIMD機(jī)制中不但建立寫集鍵映射，還需要建立讀集鍵映射。

2）構(gòu)建映射映射分為讀集鍵映射和寫集鍵映射，使用交易讀寫集中的鍵作為鍵，交易的集合作為值，從而追蹤當(dāng)前時(shí)刻的鍵讀寫操作。背書節(jié)點(diǎn)獲取新交易 T_xi 的背書結(jié)果后，對(duì)讀寫集映射進(jìn)行如下處理：

a）背書節(jié)點(diǎn)首先遍歷背書結(jié)果讀集中的鍵。

（a）在讀集鍵映射中獲取該鍵對(duì)應(yīng)的值，即當(dāng)前讀取該鍵狀態(tài)的交易集合 TxSet={Tx_a，Tx_b，Tx_c，…} ;

（b）將交易 Tx_i 加入到該交易集合中，即 TxSet={Tx_a ，Tx_b，Tx_c，…，Tx_i} ，并將其作為該鍵在讀集鍵映射中的值。

b）接下來，背書節(jié)點(diǎn)遍歷背書結(jié)果寫集中的鍵。

（a）在寫集鍵映射中獲取該鍵對(duì)應(yīng)的值，即當(dāng)前修改該鍵狀態(tài)的交易集合 TxSet₁={Tx_d，Tx_e，Tx_j，…} ：

（b）將交易 T_xi 加入到該集合中，即 TxSet₁={Tx_d，Tx_e ，Tx_j，…，Tx_i} ，并將其作為該鍵在寫集鍵映射中的值。

2.2.2 構(gòu)建DAG

令每筆交易對(duì)應(yīng)DAG中的每個(gè)頂點(diǎn)，背書節(jié)點(diǎn)根據(jù)交易的依賴關(guān)系在DAG中動(dòng)態(tài)添加有向邊，構(gòu)建并更新圖結(jié)構(gòu)。

如算法1所示流程，背書節(jié)點(diǎn)獲取新交易 T_xi 的背書結(jié)果后，在DAG中新增與其對(duì)應(yīng)的頂點(diǎn) V_n ，并將依賴關(guān)系檢測(cè)碼初始化為0，然后啟動(dòng)對(duì)此筆交易的處理。

a）背書節(jié)點(diǎn)首先遍歷背書結(jié)果讀集中的鍵。

（a）若寫集鍵映射中該鍵對(duì)應(yīng)的值存在，表明當(dāng)前交易T_Xi 與映射中交易 Tx_m 存在依賴關(guān)系。背書節(jié)點(diǎn)定位交易 T_Xm 在DAG中對(duì)應(yīng)的頂點(diǎn) V_m 。

（b）若頂點(diǎn) V_m 與新增頂點(diǎn) V_n 之間不存在有向邊，則在DAG中添加頂點(diǎn) V_m 指向頂點(diǎn) V_n 的有向邊，并將依賴關(guān)系檢測(cè)碼更新為1。

（c）遍歷過程中，背書節(jié)點(diǎn)對(duì)讀集鍵映射進(jìn)行更新。

b）接下來，背書節(jié)點(diǎn)遍歷背書結(jié)果寫集中的鍵：

（a）若讀集鍵映射中該鍵對(duì)應(yīng)的值非空，表明當(dāng)前交易與之前的交易存在依賴關(guān)系。背書節(jié)點(diǎn)執(zhí)行與上述相同的操作。

（b）遍歷過程中，背書節(jié)點(diǎn)對(duì)寫集鍵映射進(jìn)行更新。

c）遍歷結(jié)束后，如果依賴關(guān)系檢測(cè)碼為0，該筆交易的背書結(jié)果將返回至客戶端，否則等待后續(xù)處理。

算法1FabricIMD機(jī)制—背書階段

輸人：交易 T_xi 的讀寫集 TxRwSet ；讀集鍵映射RKM;寫集鍵映射WKM;交易間依賴關(guān)系 DAG 輸出：讀集鍵映射RKM；寫集鍵映射WKM;交易間依賴關(guān)系DAG；依賴關(guān)系檢測(cè)碼Code。初始化 Code=0，DAG 頂點(diǎn) V_n for鍵 key_i∈TxRwSet 的讀集doif鍵 key_i 在WKM中對(duì)應(yīng)的值非空dofor交易 T_xm∈ 鍵 key_i 在WKM中對(duì)應(yīng)的值doV_m 為交易 T_xm 在DAG中對(duì)應(yīng)的頂點(diǎn)；if V_m 與 V_n 之間不存在有向邊then在DAG中添加頂點(diǎn) V_m 指向頂點(diǎn) V_n 的有向邊；end ifend for（204號(hào) Code=1 ：end if將交易 T_xi 添加到鍵 key_i 在RKM對(duì)應(yīng)的值中；end forfor鍵 key_j∈TxRwSet 的寫集doif鍵keyj在RKM中對(duì)應(yīng)的值非空thenfor交易 T_xa∈ 鍵 key_j 在RKM中對(duì)應(yīng)的值doV_a 為交易 Tx_a 在DAG中對(duì)應(yīng)的頂點(diǎn)；if V_a 與 V_n 之間不存在有向邊then在DAG中添加頂點(diǎn) V_a 指向頂點(diǎn) V_n 的有向邊；endifend forCode=1 end if將交易 T_Xi 添加到鍵 key_j 在WKM對(duì)應(yīng)的值中；end forreturnRKM，WKM，DAG，Code;

c）下面將通過舉例和圖形化的方式展示DAG的變化過程。

背書節(jié)點(diǎn)先后收到交易1＼～5共5筆交易，每筆交易讀集與寫集中的鍵如表1所示。

DAG構(gòu)建過程如圖3所示。

（a）交易1為首筆交易，新建其對(duì)應(yīng)的頂點(diǎn) V₁ 后，該筆交易直接進(jìn)入后續(xù)交易流程。

（b）對(duì)于交易2，由于需要基于交易1對(duì)鍵 K₂ 和 K₃ 的狀態(tài)更新，所以在DAG中添加從頂點(diǎn) V₁ 指向頂點(diǎn) V₂ 的有向邊。同理，鑒于交易3依賴于交易1和2，因此在DAG中分別添加頂點(diǎn) V₁ 和 V₂ 指向頂點(diǎn) V₃ 的有向邊。

（c）交易4與前面三筆交易不存在交易依賴，因此新建該筆交易對(duì)應(yīng)的頂點(diǎn) V₄ 后，交易可以直接進(jìn)入后續(xù)交易流程。

（d）交易5分別與交易2和4存在交易依賴，因此在DAG中分別添加頂點(diǎn) V₂ 和 V₄ 指向頂點(diǎn) V₅ 的有向邊，同時(shí)交易5需要等待后續(xù)處理。

2.3 FabricIMD機(jī)制一提交階段

背書節(jié)點(diǎn)接收到區(qū)塊后，首先驗(yàn)證區(qū)塊內(nèi)交易并更新賬本，隨后對(duì)區(qū)塊內(nèi)交易進(jìn)行遍歷以更新映射和DAG。過程如下：

a）更新映射。背書節(jié)點(diǎn)分別遍歷交易讀集和寫集的鍵，并依據(jù)鍵在映射中移除該筆交易。

b）更新DAG。背書節(jié)點(diǎn)刪除DAG中該筆交易所對(duì)應(yīng)的頂點(diǎn)及其指向其他頂點(diǎn)的有向邊，然后檢查是否新增入度為0的頂點(diǎn)。若有，重新模擬執(zhí)行該新增頂點(diǎn)所對(duì)應(yīng)的交易并將背書結(jié)果返回給客戶端；否則，等待DAG的后續(xù)更新。

算法2FabricIMD機(jī)制—提交階段

輸人：區(qū)塊 B ；讀集鍵映射RKM;寫集鍵映射WKM;交易間依賴關(guān)系 DAG 輸出：讀集鍵映射RKM;寫集鍵映射WKM;交易間依賴關(guān)系 DAG 。for交易 T_Xi∈B dofor鍵 key_i∈Tx_i 的寫集do將 T_Xi 從鍵 key_i 在WKM對(duì)應(yīng)的值中刪除；end forfor鍵 key_i∈Tx_i 的讀集do將 T_Xi 從鍵 key_j 在RKM對(duì)應(yīng)的值中刪除；endforV_i 為交易 T_xi 在DAG中對(duì)應(yīng)的頂點(diǎn)；for頂點(diǎn) V_n 為 V_i 的后繼頂點(diǎn)do刪除DAG中頂點(diǎn) V_i 指向頂點(diǎn) V_n 的有向邊；if頂點(diǎn) V_n 的入度為0then模擬執(zhí)行頂點(diǎn) V_n 對(duì)應(yīng)的交易 T_xn ，并將背書結(jié)果返回給客戶端；end ifend for在DAG中刪除頂點(diǎn) V_i end forreturnRKM，WKM，DAG;c）圖形化示例DAG更新過程。DAG更新過程如圖4所示。

（a）背書節(jié)點(diǎn)在驗(yàn)證并提交包含交易1和4的區(qū)塊后，從DAG中移除頂點(diǎn) V₁ 和 V₄ 及這兩個(gè)頂點(diǎn)指向其他頂點(diǎn)的有向邊。

（b）此時(shí)頂點(diǎn) V₂ 不再有來自其他頂點(diǎn)的有向邊，即入度為0，表明此時(shí)交易2與系統(tǒng)中正在執(zhí)行的交易不存在沖突。因此，交易2可以重新執(zhí)行。頂點(diǎn) V₃ 和 V₅ 的入度不為0，所對(duì)應(yīng)的交易3和5需要等待后續(xù)處理。

（c）當(dāng)交易2完成后，在DAG中刪除頂點(diǎn) V₂ 指向其他頂點(diǎn)的有向邊及該頂點(diǎn)自身，此時(shí)頂點(diǎn) V₃ 和 V₅ 的人度變?yōu)?，可以同時(shí)執(zhí)行交易3和5。

2.4FabricIMD機(jī)制的復(fù)雜度和安全性分析

2.4.1 復(fù)雜度分析

設(shè)每筆交易讀集和寫集中鍵的數(shù)量分別為 n₁ 和 n₂ 。對(duì)于任意特定鍵，通過讀寫集映射進(jìn)行值的查找操作具有 O（1） 的時(shí)間復(fù)雜度。該值是一個(gè)交易集合，反映了當(dāng)前正在讀取或者修改該鍵狀態(tài)的交易，設(shè)該交易集合的大小平均為 m 。

在構(gòu)建讀寫集映射和DAG階段，外層循環(huán)首先遍歷 n₁ 個(gè)讀集中的鍵，對(duì)于每個(gè)鍵，內(nèi)層循環(huán)遍歷其在寫集鍵映射中關(guān)聯(lián)的 ∣m∣ 筆交易，判斷每筆交易對(duì)應(yīng)的頂點(diǎn)是否與當(dāng)前交易對(duì)應(yīng)的頂點(diǎn)間存在有向邊。若無，則在DAG中添加有向邊；若有，則向下進(jìn)行。此判斷步驟旨在防止因當(dāng)前交易讀取的兩個(gè)或多個(gè)鍵與之前某筆交易需要修改的鍵相同，從而導(dǎo)致在對(duì)鍵遍歷的過程中重復(fù)添加有向邊的情況出現(xiàn)。內(nèi)循環(huán)中每次進(jìn)行判斷和添加有向邊操作的時(shí)間復(fù)雜度為 O（1） 。在整個(gè)循環(huán)過程中進(jìn)行判斷操作的次數(shù)為 n₁?m_* 每次內(nèi)層循環(huán)結(jié)束后將當(dāng)前交易添加到讀集鍵映射中，所需的時(shí)間復(fù)雜度為 O（1） 。綜上所述，對(duì)每筆交易讀集中鍵的操作所需的時(shí)間復(fù)雜度為 O（n₁? m ）。對(duì)交易寫集中鍵的操作與讀集中類似。因此，在該階段對(duì)每筆交易操作的整體時(shí)間復(fù)雜度為 O（（n₁+n₂）?m） 。

在更新讀寫集映射和DAG階段，外層循環(huán)首先遍歷 n₁ 個(gè)讀集中的鍵，對(duì)于每個(gè)鍵，內(nèi)層循環(huán)遍歷其在讀集鍵映射中關(guān)聯(lián)的 m 筆交易，以移除當(dāng)前已完成的交易。類似地，遍歷寫集中的鍵，其數(shù)量為 n₂ 。對(duì)于每個(gè)鍵，循環(huán)遍歷其在寫集鍵映射中關(guān)聯(lián)的 m 筆交易，以移除當(dāng)前已完成的交易。因此，在更新讀寫集映射時(shí)所需的時(shí)間復(fù)雜度為 。接下來，在DAG中遍歷當(dāng)前交易對(duì)應(yīng)頂點(diǎn)指向其他頂點(diǎn)的有向邊，其數(shù)量為 Q ，并逐一刪除這些邊。刪除每條有向邊的操作所需的時(shí)間復(fù)雜度為 O（1） ，因此總的時(shí)間復(fù)雜度為 O（Q） 。最后，刪除當(dāng)前交易對(duì)應(yīng)的頂點(diǎn)，所需的時(shí)間復(fù)雜度為 O（1） 。綜上所述，在此階段對(duì)每筆交易操作的整體時(shí)間復(fù)雜度為 O（（n₁+ 。

2.4.2安全性分析

在HyperledgerFabric中，背書節(jié)點(diǎn)接收到來自客戶端的交易提案后將進(jìn)行一系列驗(yàn)證。這些驗(yàn)證包括交易提案的格式是否正確、通過核對(duì)賬本數(shù)據(jù)檢查交易是否被重復(fù)提交過以防范重放攻擊、交易提案簽名是否有效以及客戶端是否有權(quán)限執(zhí)行鏈碼操作[18]。如果驗(yàn)證通過，背書節(jié)點(diǎn)將調(diào)用智能合約模擬執(zhí)行交易提案。本文所提的FabricIMD機(jī)制是在模擬執(zhí)行交易提案步驟后實(shí)施，即該交易提案已經(jīng)被驗(yàn)證通過。因此，該機(jī)制不會(huì)對(duì)系統(tǒng)的安全性問題造成影響。而且，無論是經(jīng)過沖突消除機(jī)制處理后直接進(jìn)人后續(xù)交易流程的交易，還是等待DAG更新后重新執(zhí)行的交易，都將和未引人該機(jī)制時(shí)的系統(tǒng)一樣需要經(jīng)過排序和驗(yàn)證階段，從而減少對(duì)系統(tǒng)的安全性影響。

3 實(shí)驗(yàn)和分析

為驗(yàn)證所提出方法的有效性，構(gòu)建了一個(gè)實(shí)驗(yàn)系統(tǒng)。該系統(tǒng)基于HyperledgerFabric的“執(zhí)行-排序-驗(yàn)證”架構(gòu)，由以下主要組件構(gòu)成：

a）客戶端：用于與系統(tǒng)進(jìn)行交互。b）排序部分：五個(gè)節(jié)點(diǎn)組成，負(fù)責(zé)交易的排序打包過程。c）組織：三個(gè)組織，每個(gè)組織內(nèi)各包含一個(gè)背書節(jié)點(diǎn)，用

于交易背書。d）共識(shí)算法：排序節(jié)點(diǎn)間采用Raft共識(shí)算法。系統(tǒng)部署在服務(wù)器上，具體配置如下：a）處理器：Intel@ CoreTMi7-9700 CPU @ ，共8

個(gè)核心；b）內(nèi)存：16GBDDR4RAM;c）操作系統(tǒng)：Ubuntu22.04.2LTS;d）開發(fā)環(huán)境：使用Go1.21.3Linux/amd64;此外，通過端口映射技術(shù)，在單一服務(wù)器上模擬多節(jié)點(diǎn)運(yùn)

行環(huán)境。鑒于本文主要關(guān)注“讀-寫\"交易沖突問題且只讀交易

通常不會(huì)被提交至排序服務(wù)節(jié)點(diǎn)[18]，因此在實(shí)驗(yàn)中設(shè)置的交

易均涉及對(duì)賬本的讀寫操作。為了量化實(shí)驗(yàn)效果，采用以下指

標(biāo)作為系統(tǒng)性能評(píng)價(jià)指標(biāo)：a）有效交易吞吐量：一段時(shí)間內(nèi)，系統(tǒng)平均每秒提交的有

效交易數(shù)量。b）平均有效交易時(shí)延：客戶端發(fā)起交易到收到交易成功

上鏈信息所需的時(shí)間。

c）無效交易數(shù)量：一段時(shí)間內(nèi)，系統(tǒng)內(nèi)產(chǎn)生的無效交易數(shù)量。

本章測(cè)試了在不同交易沖突程度和背書策略下，引入FabricIMD機(jī)制后系統(tǒng)性能的變化。

3.1 無交易沖突

在組織中的節(jié)點(diǎn)處初始化生成10000個(gè)賬戶。令客戶端在同一時(shí)間發(fā)送的交易訪問不同的賬戶，因此避免了交易沖突。系統(tǒng)參數(shù)配置如表2所示。

如圖5所示，無交易沖突時(shí)，引入FabricIMD機(jī)制后，系統(tǒng)有效交易吞吐量略有下降。這是因?yàn)橐薋abricIMD機(jī)制后，在背書階段增加了沖突消除的操作，而此時(shí)系統(tǒng)中又沒有沖突交易，導(dǎo)致相比于未引入時(shí)，系統(tǒng)在相同時(shí)間內(nèi)完成的交易數(shù)量減少。盡管如此，當(dāng)區(qū)塊大小從20增加至100時(shí)，有效交易吞吐量的降低幅度最高僅為 2.94% 。原因在于本文提出的Fab-ricIMD機(jī)制能夠有效地處理交易，同時(shí)對(duì)系統(tǒng)資源的占用保持在較低水平。如表3所示，F(xiàn)abricIMD機(jī)制對(duì)每筆交易的處理時(shí)間在 6～9μs ，且該機(jī)制所占用的內(nèi)存空間較小且保持穩(wěn)定。

如圖6所示，引人FabricIMD機(jī)制后，有效交易的平均時(shí)延未有顯著波動(dòng)。上述表明，盡管引人FabricIMD機(jī)制可能會(huì)引入額外的處理開銷，但其對(duì)系統(tǒng)整體性能的影響是有限的。

3.2 不同程度交易沖突

3.2.1不同Zipfian分布參數(shù)對(duì)系統(tǒng)性能的影響

本實(shí)驗(yàn)旨在測(cè)試在不同程度交易沖突條件下，引入Fa-bricIMD機(jī)制后系統(tǒng)的性能。此外，實(shí)驗(yàn)還將評(píng)估無沖突消除機(jī)制的兩種情況（無效交易不重發(fā)和無效交易重發(fā)），以及Fabric ++^[8] 和FabricDT[10]兩種方案的性能，作為對(duì)比分析。其中，F(xiàn)abric ⁺⁺ 為在排序節(jié)點(diǎn)處進(jìn)行交易沖突處理的經(jīng)典方法，F(xiàn)abricDT與FabricIMD一樣，均在背書節(jié)點(diǎn)對(duì)交易進(jìn)行處理。

在表2的系統(tǒng)配置基礎(chǔ)上，本實(shí)驗(yàn)將區(qū)塊內(nèi)最大交易數(shù)量固定為20，通過Zipfian分布函數(shù)[19選擇交易訪問的賬戶。表4為不同Zipfian分布參數(shù)下的交易沖突程度。隨著Zipfian分布參數(shù)的增加，交易間出現(xiàn)沖突的概率增加。

如圖7所示，隨著Zipfian分布參數(shù)的增加，五種方案下的有效交易吞吐量均呈現(xiàn)下降趨勢(shì)。這一現(xiàn)象的根源在于系統(tǒng)處理交易的能力是有限的。在無沖突處理機(jī)制時(shí)，無效交易的數(shù)量隨著交易間沖突概率的增大而增多，導(dǎo)致有效交易占比下降。加人沖突處理機(jī)制后，由于需要分配額外的資源來檢測(cè)和消除沖突交易，也導(dǎo)致了有效交易吞吐量的下降。盡管如此，在FabricIMD機(jī)制下，系統(tǒng)有效交易吞吐量下降最少，隨著Zipfian分布參數(shù)從1.01增加到10，吞吐量僅下降了 10.93% ，遠(yuǎn)低于無沖突消除機(jī)制（無效交易不重發(fā)）的 47.46% 和Fa-bricDT的 30% 。當(dāng)Zipfian分布參數(shù)為10時(shí)，引入FabricIMD機(jī)制后，系統(tǒng)的有效交易吞吐量是無沖突消除機(jī)制且無效交易不重發(fā)時(shí)的1.96倍，是FabricDT的1.44倍。如表5所示，交易在FabricIMD機(jī)制部分的處理耗時(shí)始終在微秒級(jí)別。

如圖8所示，無沖突消除機(jī)制（無效交易不重發(fā)）、FabricDT和Fabric ++ 方案的平均有效交易時(shí)延隨Zipfian分布參數(shù)的增加而降低，而FabricIMD機(jī)制的平均有效交易時(shí)延隨Zipfian分布參數(shù)的增加而略微增加。這是因?yàn)閷?duì)比方案在交易流程的驗(yàn)證階段或之前因交易沖突而提前中止了大量交易，從而加速了有效交易的處理。而引入FabricIMD機(jī)制后，由于部分沖突交易的背書順序被調(diào)整，需等待其前置交易執(zhí)行完畢，導(dǎo)致處理時(shí)延增加。與無效交易重發(fā)相比，當(dāng)Zipfian分布參數(shù)小于4時(shí)，引人FabricIMD后的時(shí)延與其相當(dāng)；當(dāng)Zipfian分布參數(shù)大于4時(shí)，引入該機(jī)制下的額外時(shí)延約為 2s （20

盡管如此，引人FabricIMD機(jī)制的系統(tǒng)在無效交易產(chǎn)生數(shù)量上始終為零，優(yōu)于其他方案，如圖9所示。這是因?yàn)镕abric-IMD機(jī)制通過優(yōu)化交易背書順序，確保交易在無沖突環(huán)境下進(jìn)行背書。這一策略不僅避免了因交易沖突而產(chǎn)生無效交易，還減少了無效交易重發(fā)導(dǎo)致的系統(tǒng)交易沖突加劇問題，從而提高了系統(tǒng)的整體效率。

3.2.2區(qū)塊大小對(duì)系統(tǒng)性能的影響

為評(píng)估區(qū)塊大小對(duì)系統(tǒng)性能的影響，實(shí)驗(yàn)以步長40將區(qū)塊內(nèi)最大交易數(shù)量從40增加到200，觀察五種方案下系統(tǒng)各項(xiàng)指標(biāo)。在測(cè)試過程中以Zipfian分布參數(shù)為4來選擇交易修改的賬戶，使系統(tǒng)中保持一定的交易沖突。

圖10和11為系統(tǒng)在不同區(qū)塊大小下的有效交易吞吐量和無效交易數(shù)量。隨著區(qū)塊內(nèi)最大交易數(shù)量的增加，系統(tǒng)的有效交易吞吐量上升。然而，區(qū)塊大小的增大也加劇了交易間的沖突，從而增加了無效交易的產(chǎn)生，此情形在無沖突消除機(jī)制的系統(tǒng)中尤為明顯。

在資源受限的環(huán)境下，對(duì)區(qū)塊內(nèi)交易采用交易重排序策略的Fabric +θ+θ 方案由于需要更多的計(jì)算資源而遭遇了性能瓶頸。與此同時(shí)，F(xiàn)abricDT方案通過在背書節(jié)點(diǎn)拒絕對(duì)更多的沖突交易背書來減少無效交易的產(chǎn)生，展現(xiàn)出良好性能。相比之下，引入FabricIMD機(jī)制的系統(tǒng)在背書節(jié)點(diǎn)處通過對(duì)交易背書順序進(jìn)行調(diào)整，相比于其他方案擁有更好的表現(xiàn)。

實(shí)驗(yàn)結(jié)果表明，當(dāng)區(qū)塊大小從40增加到120時(shí)，引入Fa-bricIMD機(jī)制的系統(tǒng)其有效交易吞吐量是無該機(jī)制時(shí)的1.48倍，并且相較于FabricDT方案提升了 24%～28% 。然而，當(dāng)區(qū)塊大小超過120時(shí)，由于FabricIMD需要更多時(shí)間來調(diào)整交易背書順序以滿足出塊條件，使有效交易吞吐量有所下降。盡管如此，在區(qū)塊大小為160和200時(shí)，引入FabricIMD機(jī)制的系統(tǒng)的有效交易吞吐量仍然比無沖突消除機(jī)制且無效交易不重發(fā)時(shí)高出 30% 以上。此外，該機(jī)制確保系統(tǒng)不產(chǎn)生無效交易，避免了其他方案中因無效交易而需進(jìn)行的后續(xù)處理，從而減少了資源浪費(fèi)。

3.2.3共識(shí)節(jié)點(diǎn)數(shù)量對(duì)系統(tǒng)性能的影響

在本項(xiàng)實(shí)驗(yàn)中將共識(shí)節(jié)點(diǎn)數(shù)量從3個(gè)逐步增加到15個(gè)，Zipfian分布參數(shù)固定為4，以評(píng)估共識(shí)節(jié)點(diǎn)數(shù)量對(duì)系統(tǒng)性能的影響。隨著共識(shí)節(jié)點(diǎn)數(shù)量從3增加至15，如圖12和13所示，五種方案下系統(tǒng)的有效交易吞吐量均降低，同時(shí)平均時(shí)延均增加。這是因?yàn)殡S著共識(shí)節(jié)點(diǎn)數(shù)量的增加，排序節(jié)點(diǎn)達(dá)成交易共識(shí)的時(shí)間延長。對(duì)于FabricIMD機(jī)制來說，共識(shí)時(shí)間的延長導(dǎo)致背書節(jié)點(diǎn)處的映射和DAG更新速度減緩。但是如圖12所示，F(xiàn)abricIMD機(jī)制的有效交易吞吐量遠(yuǎn)優(yōu)于對(duì)比方案。與無沖突消除機(jī)制（無效交易不重發(fā)）相比，所提方案有效交易吞吐量提升了 37%～77% ;與FabricDT相比，有效交易吞吐量增加了 16%～50% 。

3.3 不同背書策略

本節(jié)實(shí)驗(yàn)旨在評(píng)估引人沖入消除機(jī)制后，不同背書策略對(duì)系統(tǒng)性能的影響。實(shí)驗(yàn)環(huán)境擴(kuò)展至包含三個(gè)客戶端和五個(gè)組織，Zipfian分布參數(shù)固定為2。變量 k 表示需要對(duì)交易進(jìn)行背書的組織數(shù)量。如圖14和15所示，引人FabricIMD機(jī)制顯著增強(qiáng)了系統(tǒng)在不同背書策略下的有效交易吞吐量，提升幅度為13.08%～36.79% ，并且顯著降低了無效交易產(chǎn)生數(shù)量。此外，如圖16所示，由于增加FabricIMD機(jī)制對(duì)交易的處理，系統(tǒng)的平均有效交易時(shí)延略有上升。在背書策略調(diào)整過程中，引人FabricIMD機(jī)制對(duì)系統(tǒng)的有效交易吞吐量和無效交易數(shù)量產(chǎn)生了以下影響：

在 k=1 時(shí)，有效交易吞吐量相比無沖突消除機(jī)制時(shí)有所提升，同時(shí)也有無效交易產(chǎn)生。這歸因于在此背書策略下，每個(gè)背書節(jié)點(diǎn)僅收到部分交易信息，限制了FabricIMD機(jī)制識(shí)別交易依賴的能力，導(dǎo)致部分交易在驗(yàn)證階段被中止。隨著 k 值的增加，F(xiàn)abricIMD機(jī)制對(duì)交易間依賴關(guān)系識(shí)別能力得到增強(qiáng)。例如，當(dāng) k=2 時(shí)，系統(tǒng)的有效交易吞吐量比 k=1 時(shí)提高了5.26% ，無效交易數(shù)量減少了 54.5% 。

當(dāng) k=3 時(shí)，至少有一個(gè)組織的背書節(jié)點(diǎn)能夠收到所有客戶端發(fā)出的交易信息，從而全面識(shí)別交易間依賴關(guān)系并調(diào)整背書順序，避免了交易沖突。然而，由于交易僅需部分組織背書，某些交易可能需要多輪背書。具體而言，當(dāng)交易提交至三個(gè)組織時(shí)，兩個(gè)組織的背書節(jié)點(diǎn)可能因缺少全部交易信息而對(duì)該交易進(jìn)行背書。但第三個(gè)組織中的背書節(jié)點(diǎn)由于擁有全部交易信息，若識(shí)別該筆交易與之前交易存在交易依賴，則調(diào)整其背書順序。隨著DAG的更新，第三個(gè)組織中的背書節(jié)點(diǎn)基于最新賬本狀態(tài)對(duì)該筆交易重新背書，但可能與前兩個(gè)背書節(jié)點(diǎn)的背書結(jié)果不一致，導(dǎo)致交易需要重新背書。因此， k=3 和 k=4 時(shí)，系統(tǒng)有效交易吞吐量出現(xiàn)下降。

當(dāng) k=5 時(shí)，每個(gè)組織中的背書節(jié)點(diǎn)都擁有來自客戶端的全部交易信息，避免了部分交易需多次背書的情況。相比 k= 4時(shí)，有效交易吞吐量提高了 17.01% 。

4結(jié)束語

本文對(duì)HyperledgerFabric中交易并發(fā)沖突產(chǎn)生的原因進(jìn)行了分析，并提出一種無須修改現(xiàn)有系統(tǒng)架構(gòu)的沖突消除機(jī)制FabricIMD。該機(jī)制在背書節(jié)點(diǎn)處引入，通過融合映射與DAG，對(duì)交易間依賴關(guān)系進(jìn)行識(shí)別，并使用DAG對(duì)此關(guān)系進(jìn)行構(gòu)建，以調(diào)整交易背書順序，從而使無依賴關(guān)系的交易并發(fā)執(zhí)行，存在依賴的交易等待后續(xù)處理。引入此機(jī)制顯著提升了系統(tǒng)性能，相比無此機(jī)制時(shí)，有效交易吞吐量的增幅最高提升至96.08% ，同時(shí)顯著降低了無效交易的數(shù)量。此外，本文還探討了不同背書策略下該機(jī)制的性能表現(xiàn)。分析表明，無論采用何種背書策略，引人該機(jī)制均能有效提升有效交易吞吐量，減少無效交易。當(dāng)背書策略要求超過組織數(shù)量的 60% 需對(duì)交易進(jìn)行背書時(shí)，引入FabricIMD機(jī)制可完全消除因交易沖突導(dǎo)致的無效交易。在后續(xù)工作中，筆者計(jì)劃針對(duì)多樣化的交易場景，進(jìn)一步驗(yàn)證FabricIMD機(jī)制的優(yōu)勢(shì)和局限性，并進(jìn)行優(yōu)化，例如采用圖形數(shù)據(jù)庫來構(gòu)建DAG，以此減少對(duì)系統(tǒng)內(nèi)存的占用并保證數(shù)據(jù)的訪問速度，或者采用動(dòng)態(tài)識(shí)別DAG規(guī)模的方法，當(dāng)其達(dá)到設(shè)定的閾值后對(duì)后續(xù)識(shí)別到依賴關(guān)系的交易拒絕背書，待DAG的規(guī)模隨著不斷的更新減小后再重新對(duì)交易進(jìn)行FabricIMD機(jī)制處理。此外，還將深入分析該機(jī)制在不同網(wǎng)絡(luò)規(guī)模下的有效性和適用性。

參考文獻(xiàn)：

[1]Nakamoto S.Bitcoin：a peer-to-peer electronic cash system[EB/OL]. （2008-10-31）[2024-10-31].https：//bitcoin.org/bitcoin.pdf.

[2]MollahMB，ZhaoJun，NiyatoD，etal.Blockchain for future smart grid：a comprehensive survey[J]. IEEE Internet of Things Journal， 2021，8（1）：18-43.

[3]包俊，張新有，馮力，等.一種基于區(qū)塊鏈的車聯(lián)網(wǎng)安全認(rèn)證協(xié)議 [J].計(jì)算機(jī)應(yīng)用研究，2023，40（10）：2908-2915，2921.（Bao Jun，ZhangXinyou，F(xiàn)engLi，etal.Securityauthenticationprotocol for Internet ofVehiclesbased onblockchain[J].ApplicationResearch ofComputers，2023，40（10） ：2908-2915，2921.）

[4]Li Lang，Huang Dongyan，Zhang Chengyao.An eficient DAG blockchain architecture for IoT[J]. IEEE Internet of Things Journal， 2022，10（2） ：1286-1296.

[5]Fan Wenhao，Hao Zhibo，Tang Bihua，et al. Resource matching for blockchain-assted edge computing networks[J]. IEEE Internet of Things Jourmal，2024，11（8）：14460-14471.

[6]Androulaki E，Barger A，Bortnikov V，et al. Hyperledger Fabric ：a distributed operating system for permissioned blockchains[C]//Proc of the13th EuroSys Conference.New York：ACM Press，2018：1-15.

[7]馬超群，姚錚，盧新國，等.Hyperledger Fabric 分布式賬本技術(shù)原 理與應(yīng)用[M].北京：科學(xué)出版社，2022．（MaChaoqun，Yao Zheng，Lu Xinguo，etal.Hyperledger Fabric： principlesandapplications of distributed ledger technology[M]. Beijing： China Science Publishing amp; Media Ltd.，2022.）

[8]Sharma A，Schuhknecht FM，Agrawal D，et al. Bluring the lines between blockchains and database systems：the case of Hyperledger Fabric[C]//Proc of International Conference on Management of Data. New York：ACM Press，2019：105-122.

[9]Zhang Shenbin，Zhou Ence，Pi Bingfeng，et al. A solution for the risk ofnon-deterministic transactionsinHyperledgerFabric[C]//Proc of IEEE International Conference on Blockchain and Cryptocurrency. Piscataway，NJ： IEEE Press，2019：253-261.

[10］王盛姣，董建亮，熊航，等.基于緩存機(jī)制的 Hyperledger Fabric 并 發(fā)沖突檢測(cè)方法[J].信息技術(shù)與網(wǎng)絡(luò)安全，2022，41（6）：94-101， 108.（Wang Shengjiao，Dong Jianliang，Xiong Hang，etal. Hyperledger Fabric concurrency conflict detection method based on caching mechanism[J].Information Technology and Network Security，2022，41（6） ：94-101，108.）

[11]Xu Lu，Chen Wei，Li Zhixu，et al. Solutions for concurrency conflict problem on Hyperledger Fabric[J].World Wide Web，2021，24 （1）：463-482.

[12] Xu Xiaoqiong，Wang Xiaonan，Li Zonghang，et al. Mitigatingconflicting transactions in Hyperledger Fabric-permissoned blockchain for delay-sensitive IoT applications[J]. IEEE Internet of Things Journal，2021，8（13） ：10596-10607.

[13］吳海博，劉輝，孫毅，等.一種面向聯(lián)盟鏈 Hyperledger Fabric 的并 發(fā)沖突事務(wù)優(yōu)化方法[J].計(jì)算機(jī)研究與發(fā)展，2024，61（8）：2110- 2126.（Wu Haibo，Liu Hui，Sun Yi，et al.A concurrent conflict transaction optimization method for consortium blockchain Hyperledger Fabric[J].Journal of Computer Research and Development， 2024，61（8）：2110-2126.）

[14]Gorenflo C，Golab L，Keshav S.XOX Fabric：a hybrid approach to blockchain transaction execution[C]//Proc of IEEE International Conference on Blockchain and Cryptocurrency.Piscataway，NJ：IEEE Press，2020：1-9.

[15]Nasirifard P，Mayer R，Jacobsen HA.FabricCRDT：a conflict-free replicated datatypes approach to permissioned blockchains[C]//Proc of the0thInteatioalidlewareConerec.NeYork：Cres， 2019：110-122.

[16]李輝忠，李陳希，李昊軒，等.FISCO BCOS 技術(shù)應(yīng)用實(shí)踐[J].信 息通信技術(shù)與政策，2020，46（1）：52-60.（Li Huizhong，Li Chenxi，Li Haoxuan，et al.An overview on practice of FISCO BCOS technology and application[J]. Information and Communications Technology and Policy，2020，46（1）：52-60.）

[17]王行行，鄧浩，丘志杰，等.基于沖突檢測(cè)的區(qū)塊鏈交易執(zhí)行方法： 中國，CN202210718485.2[P]. 2022-10-11.（Wang Hanghang，Deng Hao，Qiu Zhijie，et al.Blockchain transaction execution method based on conflict detection：China，CN202210718485.2[P].2022-10-11.）

[18]Hyperledger.Hyperledger Fabric documentation[EB/OL].[2024-10- 31]. ttps ：//hyperledger-fabric. readthedocs.io/en/release-2.5.

[19]Go Authors. zipf. go[EB/OL].[2024-10-31]. htps：//github.com/ golang/go/blob/master/src/math/rand/zipf. go？ name release#37 .