EVM并行化优化:以Reddio为例探讨性能提升之路

众所周知,EVM是以太坊最核心的组件之一,担任着"执行引擎"和"智能合约运行环境"的重要角色。在区块链这样一个由成千上万节点组成的开放网络中,不同节点的硬件配置可能有很大差异。为了确保智能合约在各个节点上都能得到一致的执行结果,虚拟机技术成为了理想的解决方案。

EVM能够在不同操作系统和设备上以相同的方式运行智能合约,这种跨平台兼容性保证了每个节点执行合约后都能得到一致的结果。这与Java虚拟机JVM的原理类似。

我们在区块浏览器中看到的智能合约,都是先被编译为EVM字节码,然后存储在链上。EVM执行合约时,会按顺序读取这些字节码,每条指令都有相应的Gas成本。EVM会追踪每条指令执行过程中的Gas消耗,消耗量取决于操作的复杂程度。

作为以太坊的核心执行引擎,EVM采用串行方式处理交易,所有交易在单一队列中排队并按确定顺序依次执行。之所以不采用并行化方式,是因为区块链需要严格保证一致性,同一批交易在所有节点中都要按相同顺序处理。如果将交易处理并行化,很难精确预判交易顺序,除非引入复杂的调度算法。

2014-2015年,以太坊创始团队出于时间紧迫,选择了设计简单且易于维护的串行执行方式。然而,随着区块链技术的迭代和用户群体的扩大,对TPS和吞吐量的要求越来越高。在Rollup技术出现并成熟落地后,EVM串行执行带来的性能瓶颈在以太坊二层网络上已经明显暴露出来。

Sequencer作为Layer2的关键组件,以单个服务器的形式承担所有计算任务。如果与Sequencer配合的外部模块效率都足够高,最终的瓶颈将取决于Sequencer本身的效率,此时串行执行将成为巨大障碍。

某团队通过对DA层和数据读写模块进行极致优化,使Sequencer每秒最多可执行约2000多笔ERC-20转账。这个数字看似很高,但如果要处理的交易比ERC-20转账复杂得多,TPS数值必然会大幅下降。因此,交易处理的并行化将是未来的必然趋势。

以太坊交易执行的两大核心组件

除EVM外,go-ethereum中与交易执行相关的另一核心组件是stateDB,用于管理以太坊中的账户状态和数据存储。以太坊采用名为Merkle Patricia Trie的树状结构作为数据库索引,EVM每次交易执行都会改变stateDB中存储的某些数据,这些变更最终会反映在全局状态树中。

stateDB负责维护所有以太坊账户的状态,包括EOA账户和合约账户,存储的数据包括账户余额、智能合约代码等。在交易执行过程中,stateDB会对相应账户的数据进行读写。交易执行结束后,stateDB需要将新的状态提交到底层数据库中进行持久化处理。

总的来说,EVM负责解释和执行智能合约指令,根据计算结果改变区块链上的状态,而stateDB则充当全局状态存储,管理所有账户和合约的状态变化。两者协作构建了以太坊的交易执行环境。

串行执行的具体过程

以太坊的交易类型分为EOA转账和合约交易。EOA转账是最简单的交易类型,即普通账户之间的ETH转账,不涉及合约调用,处理速度很快,收取的gas费也很低。

合约交易则涉及智能合约的调用与执行。EVM处理合约交易时,需要逐条解释和执行智能合约中的字节码指令,合约逻辑越复杂,涉及的指令越多,消耗的资源也就越多。

例如,ERC-20转账的处理时间约为EOA转账的2倍,而更复杂的智能合约,如某DEX上的交易操作,耗时可能是EOA转账的十几倍。这是因为DeFi协议在交易时需要处理流动性池、价格计算、代币交换等复杂逻辑,需要进行大量计算。

在串行执行模式下,EVM与stateDB这两个组件协作处理交易的过程如下:

以太坊设计中,一个区块内的交易会按先后顺序被逐笔处理,每笔交易都有一个独立实例执行具体操作。尽管每笔交易使用不同的EVM实例,但所有交易共用同一个状态数据库stateDB。

交易执行过程中,EVM需要不断与stateDB交互,从stateDB中读取相关数据,并将变更后的数据写回stateDB。

当一个区块中所有交易都执行完毕后,stateDB中的数据会被提交到全局状态树,并生成新的状态根。状态根是每个区块中的重要参数,记录了区块执行后新的全局状态的"压缩结果"。

EVM的串行执行模式瓶颈明显:交易必须按顺序排队执行,如果出现耗时较长的智能合约交易,在其处理完毕前,其他交易只能等待,这显然无法充分利用CPU等硬件资源,效率受到较大限制。

EVM的多线程并行优化方案

串行执行与并行执行可以类比为只有一个柜台的银行和有多个柜台的银行。并行模式下可以开启多个线程同时处理多笔交易,效率可以得到几倍提升,但棘手的是状态冲突问题。

如果多笔交易都声明要修改某个账户的数据,当它们被同时处理时,就会产生冲突。比如某NFT只能铸造1个,而交易1和交易2都声明要铸造该NFT,如果两个请求都得到满足,显然会出错。实际操作中的状态冲突往往更频繁,所以并行化交易处理必须有应对状态冲突的措施。

Reddio对EVM的并行优化原理

某ZKRollup项目对EVM的并行优化思路是为每个线程分配一笔交易,并在每个线程中提供一个临时的状态数据库,称为pending-stateDB。具体细节如下:

1. 多线程并行执行交易:设置多个线程同时处理不同的交易,线程之间互不干扰。这可以几倍提升交易处理速度。

2. 为每个线程分配临时状态数据库:为每个线程都分配一个独立的临时状态数据库(pending-stateDB)。各个线程执行交易时,不直接修改全局stateDB,而是将状态变化结果暂时记录在pending-stateDB中。

3. 同步状态变更:在一个区块内的所有交易都执行完毕后,EVM会将每个pending-stateDB中记录的状态变更结果依次同步到全局stateDB中。如果不同交易在执行过程中没有发生状态冲突,就可以将pending-stateDB中的记录顺利合并到全局stateDB中。

该项目对读写操作的处理方式进行了优化,以确保交易能够正确访问状态数据并避免冲突:

• 读操作:当交易需要读取状态时,EVM首先检查Pending-state的ReadSet。如果ReadSet存在所需数据,直接从pending-stateDB中读取。如果ReadSet中没有找到对应的键值对,就从上一个区块对应的全局stateDB中读取历史状态数据。

• 写操作:所有写操作(即对状态的修改)都不会直接写入全局stateDB,而是先记录到Pending-state的WriteSet中。待交易执行完成后,通过冲突检测再尝试将状态变更结果合并到全局stateDB中。

并行执行的关键问题在于状态冲突,当多笔交易尝试读写相同账户的状态时,该问题尤为显著。为此引入了冲突检测机制:

• 冲突检测:在交易执行过程中,EVM会监测不同交易的ReadSet和WriteSet。如果发现多个交易尝试读写相同的状态项,则视为发生冲突。

• 冲突处理:当检测到冲突时,冲突交易将被标记为需要重新执行。

在所有交易都执行完成后,多个pending-stateDB中的变更记录会被合并到全局stateDB中。如果合并成功,EVM会将最终状态提交到全局状态树中,并生成新的状态根。

多线程并行优化对性能的提升是显著的,特别是在处理复杂智能合约交易时。研究显示,在低冲突工作负载(交易池中较少矛盾的或占用相同资源的交易)中,基准测试的TPS相比传统串行执行提升了3-5倍左右。在高冲突工作负载中,理论上如果将所有优化手段都用上,甚至可以达到60倍的提升。

总结

该项目的EVM多线程并行优化方案,通过为每个交易分配临时状态库,并在不同线程中并行执行交易,显著提高了EVM的交易处理能力。通过优化读写操作和引入冲突检测机制,EVM系公链能够在保证状态一致性的前提下,实现交易的大规模并行化,解决了传统串行执行模式带来的性能瓶颈。这为以太坊Rollup未来的发展奠定了重要基础。