圖結(jié)構(gòu)算法研究背景

眾所周知，現(xiàn)有的共識算法并不完美。以比特幣為例，比特幣采用的是PoW共識算法，而PoW算法面臨著嚴重的效率問題，而比特幣受限于共識算法和區(qū)塊容量，每分鐘只能處理約2000筆交易(一說是每秒7筆，主要取決于交易大小)，相對緩慢的速率使得比特幣網(wǎng)絡(luò)上的擁堵成為常事。

比特幣的效率瓶頸，主要在于其驗證需基于最長鏈的串行簽名。因為在一維度的鏈狀結(jié)構(gòu)中，區(qū)塊的產(chǎn)生嚴格按照時間順序產(chǎn)生，需要上一個區(qū)塊進行廣播后才能產(chǎn)生下一個區(qū)塊，并且需要所有節(jié)點共同認證，而這個過程較為漫長。

為解決這個問題，可以引入圖結(jié)構(gòu)DAG，降低了區(qū)塊產(chǎn)生過程的順序要求，有利于區(qū)塊產(chǎn)生過程的并行性，也就是說，可能有兩個甚至更多的區(qū)塊共同產(chǎn)生。

提高并行性將會大大提高計算速率，突破共識算法的效率瓶頸，但同時也會帶來產(chǎn)生冗余或錯誤區(qū)塊等不良影響，需要進行總的排序和驗證對它進行篩選。因此基于DAG的共識算法的關(guān)鍵之處在于節(jié)點之間的聯(lián)系關(guān)系和最終正確區(qū)塊的選擇辦法。

下面我們分析一些具體的項目算法。

由以色列學者提出，可被視為最基本的DAG共識算法。它和最長鏈共識算法的唯一區(qū)別在于引入了DAG圖狀結(jié)構(gòu)。區(qū)塊之間由最基本的父子節(jié)點進行連接，并遵循最長鏈算法，按照區(qū)塊的時間關(guān)系，當鏈長度相同時選擇時間較早的區(qū)塊。

其效率可以如上圖所示，紅色代表最優(yōu)效果，藍色表示采用圖計算的實際效果，綠色代表未采用的效果。

phantom

最大K聚類算法選擇區(qū)塊，其概要可歸納為：只有一個帶加入?yún)^(qū)塊的DAG圖的反錐面的節(jié)點數(shù)<=K，即除該區(qū)塊鏈能到達的路徑上的區(qū)塊和能達到該區(qū)塊的路徑上的區(qū)塊外的其它區(qū)塊數(shù)，該區(qū)塊才能夠加入DAG。

在下圖中，加入DAG的是正確區(qū)塊，標為藍色，而不加入DAG圖的是非正確區(qū)塊鏈，即可能是惡意或冗余區(qū)塊，標注為紅色。

以該圖為例，比如節(jié)點I，I的錐面包括A，B，F(xiàn)，C，D，即能到達的節(jié)點數(shù)，而反錐面節(jié)點即是所有藍色節(jié)點減去錐面節(jié)點，只剩下G和J，只有2個。而E，H，K三個被認為是冗余的，不予以采信。

一言以蔽之，一個節(jié)點的反錐面越小，該節(jié)點與其它節(jié)點的聯(lián)系性越強。其優(yōu)點在于具有良好的擴展性，但不能保證強的線性排序和livebess。即難度杜絕惡意挖礦，延遲發(fā)布的情況，在抵抗這種攻擊的能力略顯不足。

Specture

區(qū)塊間也是通過基本連接方式(即父子節(jié)點連接方式)，主要通過一種區(qū)塊鏈投票算法，并優(yōu)先選擇所在錐面節(jié)點總數(shù)多的區(qū)塊排在前面，對區(qū)塊進行總排序，如果兩個區(qū)塊相沖突，它將選擇總排序后未知靠前的區(qū)塊。

對于已經(jīng)有兩個區(qū)塊，X，Y，是將X還是Y放在前面呢?因為區(qū)塊6-8可以看到區(qū)塊X，看不到區(qū)塊Y，他們會把X排在前面，同樣的，區(qū)塊9-11只能看到區(qū)塊Y，它們會把區(qū)塊Y排在前面，區(qū)塊12根據(jù)圖結(jié)構(gòu)認為X排在前面，而區(qū)塊1-5一致認為X在前面是因為結(jié)構(gòu)中更多的區(qū)塊都認為X應(yīng)該在前面。

Conflux

該項目算法的連接方式在基本連接的基礎(chǔ)上，又加進了索引連接。所謂索引連接，指的是此區(qū)塊之前發(fā)現(xiàn)其他區(qū)塊(非父子)也會連接在一起，在此基礎(chǔ)上也能大幅度提升效率。據(jù)悉，清華姚班曾參與一次實驗，在亞馬遜EC2云用2萬臺機器節(jié)點實驗，達到5.76GB/h的吞吐率，每秒實現(xiàn)了6400個交易，吸引了國內(nèi)外許多資本的關(guān)注。

其算法依然是GHOST算法，與以太坊相似，GHOST算法是一種主鏈選擇協(xié)議，以包括子樹數(shù)目最多為基本原則，即根據(jù)這條路徑從根區(qū)塊對應(yīng)鏈上節(jié)點連接的節(jié)點總數(shù)決定。

Snowflake to Avalanche

該項目區(qū)塊之間由基本的連接方式(父子區(qū)塊)所連接，根據(jù)隨機查詢和基于DAG圖的二著色的顏色信心值選擇正確的交易。

每個節(jié)點初始化都是無色的，每個節(jié)點隨機查詢周圍的其他節(jié)點，對周邊節(jié)點的顏色(紅色或藍色)進行統(tǒng)計，在查詢K次之后，選擇顏色統(tǒng)計大的作為自己的顏色，并對改變的顏色信心值加1.

在引入DAG圖之后，其中的每個節(jié)點在改變顏色的同時，都會更新祖先交易的信心值(加1)，并更新祖先提交的優(yōu)先(perfer)交易。

倘若交易中的所有祖先交易(父節(jié)點，或父節(jié)點之上的節(jié)點)均為優(yōu)先(prefer)，則該交易為強優(yōu)先，系統(tǒng)隨機選擇一個節(jié)點查詢一個交易，如果返回的是強優(yōu)先交易，則投票數(shù)量加1.

當該交易投票數(shù)達到一定的閾值，或者交易通過到達一定數(shù)量的成功查詢，則該交易被判定為正確。

結(jié)語

方躍堅副教授對上述5個項目算法進行了簡明的介紹，并表示現(xiàn)在的國內(nèi)外基于圖結(jié)構(gòu)的算法研究方興未艾，還有很多極具創(chuàng)意的新興算法有待研究。Trias CTO 魏明也指出，現(xiàn)在硅谷的許多投資機構(gòu)都已經(jīng)把注意力從人工智能轉(zhuǎn)移到區(qū)塊鏈。