概要 ● L2不受与 L1 相同的吞吐量限制。这为 L2 Validity Rollup带来更高的TPS。 ● StarkNet 性能路线图解决了系统中的一个关键元素：定序器。 ● 我们在此展示性能改进的路线图： 定序器并行化Cairo-VM 的新 Rust 实现Rust中的定序器重新实现● 验证者，可以处理比现在更多的事情。 介绍 大约一年前，StarkNet在主网发布。一开始，我们主要集中构建StarkNet功能性。目前，我们将重点转移至通过一系列步骤提高性能，而这将有助于增强StarkNet体验。 在这篇文章中，我们将解释为什么广泛的优化只适用于Validity Rollup，并分享我们在 StarkNet 上实施这些步骤的计划。其中一些步骤已经在 StarkNet Alpha 0.10.2 中实现，该版本于测试网（ 11 月 16 日上线）和主网（11月28日上线）发布。但在我们讨论解决方案之前，让我们回顾一下区块受限问题及其原因。 区块空间限制：Validity Rollup 与 L1 在保持出块时间不变的情况下，提高区块链可扩展性和 TPS 的一种潜在方法是解决区块限制（在Gas/大小方面）。这将需要区块生产者（L1 上的验证器，L2 上的排序器）付出更多努力，需要更有效地实施这些组件。为此，我们现在将重点转移到 StarkNet 定序器优化上，我们将在以下部分中对此进行更详细的描述。 这里自然而然会出现一个问题。为什么定序器优化仅限于Validity Rollup，也就是说，为什么我们不能在 L1 上实现相同的改进并完全避免Validity Rollup的复杂性？在下一部分，我们将解释两者之间存在的根本区别，允许对不适用于 L1 的 L2 进行广泛的优化。 为什么 L1 吞吐量有限？ 不幸的是，解除对 L1 的区块限制会遇到一个重大陷阱。通过提高区块链的增长率，我们也增加了对全节点的需求，他们试图跟上最新的状态。由于 L1 全节点必须重新执行所有历史记录，区块区间的大幅增加（就Gas而言）会给它们带来巨大压力，再次导致较弱的机器（节点）退出系统并将保留运行全节点的能力归向足够大的实体。最终，用户将无法自己验证状态，以及以去信任方式参与网络。 这让我们明白 L1 吞吐量应该受到限制，以维护一个真正去中心化和安全的系统。 为什么相同的问题不会影响Validity Rollup？ 只有从全节点的角度考虑，我们才能看到Validity Rollup所提供的真正力量。L1 全节点需要重新执行整个交易历史，以确保当前状态的正确性。StarkNet 节点只需要验证 STARK 证明，而该验证所占用的计算资源量呈指数级下降。特别是，从头开始同步不一定涉及执行；一个节点可能会从其对等节点接收到当前状态的转储，并且只能通过 STARK 证明来验证该状态是否有效。这使我们能够在不增加全节点要求的情况下增加网络的吞吐量。 因此，我们得出结论，L2 定序器会对整个优化范围带来影响，但这在 L1 上是不可能的。 未来的性能路线图 在接下来的部分中，我们将讨论目前哪些计划用于 StarkNet 定序器。 定序器并行化 我们路线图的第一步是将并行化引入交易执行。这是在昨天在主网上发布的 StarkNet alpha 0.10.2 中引入的。我们现在深入了解什么是并行化（这是半技术部分，要继续关注路线图，请跳至下一节）。 那么“交易并行化”是什么意思？并行执行一个交易块是不可能的，因为不同的交易可能是相互依赖的。这在以下示例中进行了说明。一个包含来自同一用户的三笔交易的区块： ● 交易A：将USDC换成ETH ● 交易 B：为 NFT 支付 ETH ● 交易C：USDT换BTC 显然，Tx A 必须在 Tx B 之前发生，但 Tx C 完全独立于两者并且可以并行执行。如果每笔交易需要 1 秒来执行，那么通过引入并行化，出块时间可以从 3 秒减少到 2 秒。 问题的症结在于我们事先并不知道交易的依赖关系。实际上，只有当我们从示例中执行事务 B 时，我们才能看到它依赖于事务 A 所做的更改。进一步说，这一依赖性源于事务 B 从事务 A 写入的存储单元中读取这一事实。我们可以将交易画成一个依赖图，其中存在从交易 A 执行至交易 B ，当且仅当 A 写入一个由 B 读取的存储单元，因此必须在 B 之前执行。下图显示了依赖图的示例： 在上面的示例中，每一列都可以并行执行，这是最佳安排（天真地，我们会顺序执行事务 1-9）。 为克服事先不知道依赖图的事实，我们本着 Aptos Labs 开发的BLOCK-STM的精神，将optimistic并行化引入到 StarkNet 定序器中。在该范式下，我们乐观地尝试并行运行事务并在发现冲突时重新执行。例如，我们可以并行执行图 1 中的交易 1-4，之后才发现 Tx4 依赖于 Tx1。因此，它的执行是无用的（我们相对于运行 Tx1 所针对的相同状态运行它，而我们应该针对应用 Tx1 所产生的状态运行它）。在这种情况下，我们将重新执行 Tx4。https://malkhi.com/posts/2022/04/block-stm/ 请注意，我们可以在optimistic并行化之上添加许多优化。例如，与其天真地等待每次执行结束，我们转而可以在发现使它无效的依赖项时中止执行。 另一个例子是优化重新执行哪些交易的选择。假设包含图 1 中所有事务的块被送入具有五个 CPU 内核的定序器。首先，我们尝试并行执行交易 1-5。如果完成顺序是Tx2，Tx3，Tx4，Tx1，最后是Tx5，那么只有在Tx4已经执行完之后，我们才会发现依赖Tx1→Tx4——说明应该重新执行。天真地，我们可能也想重新执行 Tx5，因为考虑到 Tx4 的新执行，它的行为可能会有所不同。然而，我们可以遍历由执行已经终止的交易构建的依赖图，只重新执行依赖于 Tx4 的交易，而不是仅仅重新执行现在无效的 Tx4 之后的所有交易。 Cairo-VM 的新 Rust 实现 StarkNet 中的智能合约是在 Cairo 中编写的，并在 Cairo-VM 中执行，该规范出现在Cairo白皮书中。目前，定序器正在使用 Cairo-VM 的python 实现。为优化 VM 实现性能，我们发起使用 Rust 重写 VM 的工作。感谢 Lambdaclass 的出色工作，他们现在是 StarkNet 生态系统中一个非常宝贵的团队，这项工作很快就会取得成果。 VM 的 rust 实现，cairo-rs，现在可以执行原生 Cairo 代码。下一步是处理智能合约的执行，以及与 pythonic 定序器的集成。一旦与 cairo-rs 集成，定序器的性能有望显着提高。 Rust 中的定序器重新实现 我们从 python 到 rust 以提高性能的转变不仅限于 Cairo VM。除了上述改进之外，我们还计划用 Rust 从头开始，重写定序器。除了 Rust 的先天优势之外，这还为序列器的其他优化提供了想象空间。举几个例子，我们可以享受 cairo-rs 的好处，而无需为 python-rust 通信支付费用，我们可以完全重新设计状态的存储和访问方式。 证明者 在整篇文章中，我们都没有提到Validity Rollup中最知名的元素——证明者。可以想象，作为可以说是架构中最复杂的组件，它应该是瓶颈，因此也是优化的重点。有趣的是，现在 StarkNet 的瓶颈是更“标准”的组件。今天，特别是对于递归证明，我们可以将比测试网/主网上的当前流量更多的交易放入证明中。事实上，目前，StarkNet 区块与 StarkEx 交易一起得到证明，后者有时会产生数十万 NFT 铸造交易。 总结 并行化、Rust 等——为即将到来的 StarkNet 版本中改进的 TPS 做好准备。