Los sistemas Blockchain enfrentan desafíos importantes en la gestión y actualización eficiente del almacenamiento de estado debido a la alta amplificación de escritura (WA) y las extensas operaciones de E/S. En la arquitectura tradicional, como Merkle Patricia Tries (MPT), las interacciones de disco frecuentes y costosas generan ineficiencias que restringen el rendimiento y la escalabilidad. Estos problemas son uno de los mayores obstáculos para las aplicaciones descentralizadas que requieren altas tasas de transacción y bajos costos de infraestructura. Superar estas limitaciones es fundamental para respaldar una adopción más amplia y desbloquear todo el potencial de la tecnología blockchain.
Los métodos existentes para la gestión del estado de blockchain, como MPT, AVL Trees y NOMT, adolecen de ineficiencias inherentes que limitan su escalabilidad y rendimiento. Los MPT se utilizan ampliamente porque pueden generar pruebas de manera eficiente, pero generan una gran sobrecarga de escritura y requieren una DRAM sustancial para mitigar las lecturas excesivas de SSD. Los árboles AVL ofrecen mejoras marginales al depender de estructuras de autoequilibrio, pero dependen de operaciones basadas en rutas, lo que los hace intensivos en recursos e inadecuados para las demandas en tiempo real. NOMT, un desarrollo más reciente, mejora aún más el rendimiento del almacenamiento flash para las operaciones del árbol Merkle, pero adolece de una alta amplificación de escritura y un manejo deficiente de claves escasamente distribuidas. Estas limitaciones presentan impedimentos importantes para lograr un equilibrio entre escalabilidad, eficiencia y rendimiento.
QMDB introduce un enfoque revolucionario para gestionar el estado en toda la cadena de bloques al unificar el almacenamiento de valores clave y la funcionalidad del árbol Merkle dentro de una arquitectura. Este diseño aborda las ineficiencias de sistemas anteriores con un conjunto de características novedosas. Un mecanismo de compresión de subárbol basado en twig reduce significativamente los requisitos de memoria al comprimir 2048 entradas en un único hash y mapa de bits, logrando una reducción del 99,9 % en la huella de DRAM. Al implementar Merkleization en memoria, QMDB elimina la necesidad de E/S de disco durante las actualizaciones de estado, lo que permite que el sistema funcione de manera óptima incluso en hardware de consumo. Su arquitectura de solo agregar para actualizaciones de estado minimiza la amplificación de escritura al tiempo que permite modificaciones de estado eficientes. Además, incluir capacidades de prueba histórica facilita la verificación y reconstrucción eficiente de los estados de blockchain en cualquier altura de bloque, mejorando así la transparencia y la funcionalidad de las aplicaciones descentralizadas. Por lo tanto, estos desarrollos colocan a QMDB a la vanguardia como una alternativa escalable y de alto rendimiento a los métodos tradicionales.
El sistema utiliza un diseño de árbol Merkle binario con ramitas de tamaño fijo y un indexador modular optimizado para conjuntos de datos a gran escala. Un indexador capaz de manejar solo 2,3 bytes de DRAM por entrada permite escalar QMDB a miles de millones de entradas con el mayor rendimiento posible. Se han utilizado fragmentación y una canalización de tres etapas para la captación previa, la actualización y el vaciado para aprovechar al máximo los recursos de hardware disponibles y el mecanismo de procesamiento paralelo. También proporciona operaciones CRUD con la menor interacción con SSD para administrar el estado de manera eficiente en la diversidad de configuraciones de hardware. Los avances tecnológicos permiten que QMDB maneje conjuntos de datos mucho más grandes que el tamaño estatal proyectado de Ethereum para 2024, al mismo tiempo que funciona de manera excelente en hardware de nivel empresarial y de consumo.
QMDB ofrece mejoras notables en la gestión del estado de blockchain, logrando hasta 2,28 millones de actualizaciones por segundo y manejando conjuntos de datos con miles de millones de entradas. Supera constantemente a los sistemas existentes, ofreciendo seis veces el rendimiento de RocksDB y ocho veces el de NOMT, incluso cuando se prueba en condiciones exigentes. Es flexible y eficiente: puede alcanzar 150.000 actualizaciones por segundo en una configuración de consumo de bajo costo y escalar a 280 mil millones de entradas en servidores de alta capacidad. Estos resultados demuestran la capacidad de QMDB para disminuir las barreras de hardware a la participación de blockchain, manteniendo una escalabilidad y un rendimiento excepcionales, lo que constituye un gran logro en el diseño de sistemas descentralizados.
Al abordar las ineficiencias críticas en las arquitecturas blockchain, QMDB presenta una solución sólida y escalable para gestionar las actualizaciones y el almacenamiento de estado. Su enfoque innovador, que incluye compresión basada en twig, merkleización en memoria y actualizaciones de estado de solo agregar, redefine los límites del rendimiento y la eficiencia en los sistemas blockchain. Estas innovaciones reducen los requisitos de hardware y permiten una participación más amplia en redes descentralizadas, allanando el camino para aplicaciones avanzadas que requieren altas tasas de transacción y una gestión estatal eficiente. Sus capacidades únicas hacen de QMDB un hito, superando todos los demás puntos de referencia en cuanto a escalabilidad y rendimiento en el sistema de gestión estatal en blockchain.
Verificar el Papel. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de telegramas y LinkedIn Grarriba. No olvides unirte a nuestro SubReddit de más de 65.000 ml.
🚨 Recomendar plataforma de código abierto: Parlant es un marco que transforma la forma en que los agentes de IA toman decisiones en escenarios de cara al cliente. (Promovido)
Aswin AK es pasante de consultoría en MarkTechPost. Está cursando su doble titulación en el Instituto Indio de Tecnología de Kharagpur. Le apasiona la ciencia de datos y el aprendizaje automático, y aporta una sólida formación académica y experiencia práctica en la resolución de desafíos interdisciplinarios de la vida real.