并行交易

FISCO BCOS提供了可并行合约开发框架，开发者按照框架规范编写的合约，能够被FISCO BCOS节点并行地执行。并行合约的优势有：

  • 高吞吐：多笔独立交易同时被执行，能最大限度利用机器的CPU资源，从而拥有较高的TPS
  • 可拓展：可以通过提高机器的配置来提升交易执行的性能，以支持不断扩大业务规模接下来，我将介绍如何编写FISCO BCOS并行合约，以及如何部署和执行并行合约。

预备知识

并行互斥

两笔交易是否能被并行执行，依赖于这两笔交易是否存在互斥。互斥，是指两笔交易各自操作合约存储变量的集合存在交集。

例如，在转账场景中，交易是用户间的转账操作。用transfer(X, Y) 表示从X用户转到Y用户的转账接口，则互斥情况如下。

交易互斥对象交集是否互斥
transfer(A, B) 和 transfer(A, C)[A, B] 和 [A, C][A]互斥，不可并行执行
transfer(A, B) 和 transfer(B, C)[A, B] 和 [B, C][B]互斥，不可并行执行
transfer(A, C) 和 transfer(B, C)[A, C] 和 [B, C][C]互斥，不可并行执行
transfer(A, B) 和 transfer(A, B)[A, B] 和 [A, B][A, B]互斥，不可并行执行
transfer(A, B) 和 transfer(C, D)[A, B] 和 [C, D]无无互斥，可并行执行

此处给出更具体的定义：

  • 互斥参数：合约接口中，与合约存储变量的“读/写”操作相关的参数。例如转账的接口transfer(X, Y)，X和Y都是互斥参数。
  • 互斥对象：一笔交易中，根据互斥参数提取出来的、具体的互斥内容。例如转账的接口transfer(X, Y), 一笔调用此接口的交易中，具体的参数是transfer(A, B)，则这笔操作的互斥对象是[A, B]；另外一笔交易，调用的参数是transfer(A, C)，则这笔操作的互斥对象是[A, C]。判断同一时刻两笔交易是否能并行执行，就是判断两笔交易的互斥对象是否有交集。相互之间交集为空的交易可并行执行。

编写并行合约

FISCO BCOS提供了可并行合约开发框架，开发者只需按照框架的规范开发合约，定义好每个合约接口的互斥参数，即可实现能被并行执行的合约。当合约被部署后，FISCO BCOS会在执行交易前，自动解析互斥对象，在同一时刻尽可能让无依赖关系的交易并行执行。

目前，FISCO BCOS提供了solidity与预编译合约两种可并行合约开发框架。

solidity合约并行框架

编写并行的solidity合约，开发流程与开发普通的solidity合约的流程相同。在基础上，只需要将ParallelContract 作为需要并行的合约的基类，并调用registerParallelFunction()，注册可以并行的接口即可。

先给出完整的举例，例子中的ParallelOk合约实现了并行转账的功能

  1. pragma solidity ^0.4.25;
  2.  
  3. import "./ParallelContract.sol";  // 引入ParallelContract.sol
  4.  
  5. contract ParallelOk is ParallelContract // 将ParallelContract 作为基类
  6. {
  7.     // 合约实现
  8.     mapping (string => uint256) _balance;
  9.  
  10.     function transfer(string from, string to, uint256 num) public
  11.     {
  12.         // 此处为简单举例，实际生产中请用SafeMath代替直接加减
  13.         _balance[from] -= num;
  14.         _balance[to] += num;
  15.     }
  16.  
  17.     function set(string name, uint256 num) public
  18.     {
  19.         _balance[name] = num;
  20.     }
  21.  
  22.     function balanceOf(string name) public view returns (uint256)
  23.     {
  24.         return _balance[name];
  25.     }
  26.  
  27.     // 注册可以并行的合约接口
  28.     function enableParallel() public
  29.     {
  30.         // 函数定义字符串（注意","后不能有空格）,参数的前几个是互斥参数（设计函数时互斥参数必须放在前面
  31.         registerParallelFunction("transfer(string,string,uint256)", 2); // critical: string string
  32.         registerParallelFunction("set(string,uint256)", 1); // critical: string
  33.     } 
  34.  
  35.     // 注销并行合约接口
  36.     function disableParallel() public
  37.     {
  38.         unregisterParallelFunction("transfer(string,string,uint256)");
  39.         unregisterParallelFunction("set(string,uint256)"); 
  40.     } 
  41. }

具体步骤如下：

（1）将ParallelContract作为合约的基类

  1. pragma solidity ^0.4.25;
  2.  
  3. import "./ParallelContract.sol"; // 引入ParallelContract.sol
  4.  
  5. contract ParallelOk is ParallelContract // 将ParallelContract 作为基类
  6. {
  7.    // 合约实现
  8.  
  9.    // 注册可以并行的合约接口
  10.    function enableParallel() public;
  11.  
  12.    // 注销并行合约接口
  13.    function disableParallel() public;
  14. }

（2）编写可并行的合约接口

合约中的public函数，是合约的接口。编写可并行的合约接口，是根据一定的规则，实现一个合约中的public函数。

确定接口是否可并行

可并行的合约接口，必须满足：

  • 无调用外部合约
  • 无调用其它函数接口确定互斥参数

在编写接口前，先确定接口的互斥参数，接口的互斥即是对全局变量的互斥，互斥参数的确定规则为：

  • 接口访问了全局mapping，mapping的key是互斥参数
  • 接口访问了全局数组，数组的下标是互斥参数
  • 接口访问了简单类型的全局变量，所有简单类型的全局变量共用一个互斥参数，用不同的变量名作为互斥对象确定参数类型和顺序

确定互斥参数后，根据规则确定参数类型和顺序，规则为：

  • 接口参数仅限：string、address、uint256、int256（未来会支持更多类型）
  • 互斥参数必须全部出现在接口参数中
  • 所有互斥参数排列在接口参数的最前
  1. mapping (string => uint256) _balance; // 全局mapping
  2.  
  3. // 互斥变量from、to排在最前，作为transfer()开头的两个参数
  4. function transfer(string from, string to, uint256 num) public
  5. {
  6.     _balance[from] -= num;  // from 是全局mapping的key，是互斥参数
  7.     _balance[to] += num; // to 是全局mapping的key，是互斥参数 
  8. }
  9.  
  10. // 互斥变量name排在最前，作为set()开头的参数
  11. function set(string name, uint256 num) public
  12. {
  13.     _balance[name] = num;
  14. }

（3）在框架中注册可并行的合约接口

在合约中实现 enableParallel() 函数，调用registerParallelFunction()注册可并行的合约接口。同时也需要实现disableParallel()函数，使合约具备取消并行执行的能力。

  1. // 注册可以并行的合约接口
  2. function enableParallel() public
  3. {
  4.     // 函数定义字符串（注意","后不能有空格）,参数的前几个是互斥参数
  5.     registerParallelFunction("transfer(string,string,uint256)", 2); // transfer接口，前2个是互斥参数
  6.     registerParallelFunction("set(string,uint256)", 1); // transfer接口，前1个四互斥参数
  7. }  
  8.  
  9. // 注销并行合约接口
  10. function disableParallel() public
  11. {
  12.     unregisterParallelFunction("transfer(string,string,uint256)");
  13.     unregisterParallelFunction("set(string,uint256)"); 
  14. }

（4）部署/执行并行合约

用控制台或Web3SDK编译和部署合约，此处以控制台为例。

部署合约

  1. [group:1]> deploy ParallelOk.sol

调用 enableParallel()接口，让ParallelOk能并行执行

  1. [group:1]> call ParallelOk.sol 0x8c17cf316c1063ab6c89df875e96c9f0f5b2f744 enableParallel

发送并行交易 set()

  1. [group:1]> call ParallelOk.sol 0x8c17cf316c1063ab6c89df875e96c9f0f5b2f744 set "jimmyshi" 100000

发送并行交易 transfer()

  1. [group:1]> call ParallelOk.sol 0x8c17cf316c1063ab6c89df875e96c9f0f5b2f744 transfer "jimmyshi" "jinny" 80000

查看交易执行结果 balanceOf()

  1. [group:1]> call ParallelOk.sol 0x8c17cf316c1063ab6c89df875e96c9f0f5b2f744 balanceOf "jinny"
  2. 80000

用SDK发送大量交易的例子，将在下文的举例中给出。

预编译并行合约框架

编写并行的预编译合约，开发流程与开发普通预编译合约的流程相同。普通的预编译合约以Precompile为基类，在这之上实现合约逻辑。基于此，Precompile的基类还为并行提供了两个虚函数，继续实现这两个函数，即可实现并行的预编译合约。

（1）将合约定义成支持并行

  1. bool isParallelPrecompiled() override { return true; }

（2）定义并行接口和互斥参数

注意，一旦定义成支持并行，所有的接口都需要进行定义。若返回空，表示此接口无任何互斥对象。互斥参数与预编译合约的实现相关，此处涉及对FISCO BCOS存储的理解，具体的实现可直接阅读代码或询问相关有经验的程序员。

  1. // 根据并行接口，从参数中取出互斥对象，返回互斥对象
  2. std::vector<std::string> getParallelTag(bytesConstRef param) override
  3. {
  4.     // 获取被调用的函数名（func）和参数（data）
  5.     uint32_t func = getParamFunc(param);
  6.     bytesConstRef data = getParamData(param);
  7.  
  8.     std::vector<std::string> results;
  9.     if (func == name2Selector[DAG_TRANSFER_METHOD_TRS_STR2_UINT]) // 函数是并行接口
  10.     {  
  11.         // 接口为：userTransfer(string,string,uint256)
  12.         // 从data中取出互斥对象
  13.         std::string fromUser, toUser;
  14.         dev::u256 amount;
  15.         abi.abiOut(data, fromUser, toUser, amount);
  16.  
  17.         if (!invalidUserName(fromUser) && !invalidUserName(toUser) && (amount > 0))
  18.         {
  19.             // 将互斥对象写到results中
  20.             results.push_back(fromUser);
  21.             results.push_back(toUser);
  22.         }
  23.     }
  24.     else if ... // 所有的接口都需要给出互斥对象，返回空表示无任何互斥对象
  25.  
  26.      return results;  //返回互斥
  27. }

（3）编译，重启节点

手动编译节点的方法，参考：这里

编译之后，关闭节点，替换掉原来的节点二进制文件，再重启节点即可。

举例：并行转账

此处分别给出solidity合约和预编译合约的并行举例。

配置环境

该举例需要以下执行环境：

  • Web3SDK客户端

  • 一条FISCO BCOS链Web3SDK用来发送并行交易，FISCO BCOS链用来执行并行交易。相关配置，可参考：

  • Web3SDK的配置

  • 搭链若需要压测最大的性能，至少需要：

  • 3个Web3SDK，才能产生足够多的交易

  • 4个节点，且所有Web3SDK都配置了链上所有的节点信息，让交易均匀的发送到每个节点上，才能让链能接收足够多的交易

并行Solidity合约：ParallelOk

基于账户模型的转账，是一种典型的业务操作。ParallelOk合约，是账户模型的一个举例，能实现并行的转账功能。ParallelOk合约已在上文中给出。

FISCO BCOS在Web3SDK中内置了ParallelOk合约，此处给出用Web3SDK来发送大量并行交易的操作方法。

（1）用SDK部署合约、新建用户、开启合约的并行能力

  1. # 参数：<groupID> add <创建的用户数量> <此创建操作请求的TPS> <生成的用户信息文件名>
  2. java -cp conf/:lib/*:apps/* org.fisco.bcos.channel.test.parallel.parallelok.PerformanceDT 1 add 10000 2500 user
  3. # 在group1上创建了 10000个用户，创建操作以2500TPS发送的，生成的用户信息保存在user中

执行成功后，ParallelOk被部署到区块链上，创建的用户信息保存在user文件中，同时开启了ParallelOk的并行能力。

（2）批量发送并行转账交易

注意：在批量发送前，请将SDK的日志等级请调整为ERROR，才能有足够的发送能力。

  1. # 参数：<groupID> transfer <总交易数量> <此转账操作请求的TPS上限> <需要的用户信息文件> <交易互斥百分比：0~10>
  2. java -cp conf/:lib/*:apps/* org.fisco.bcos.channel.test.parallel.parallelok.PerformanceDT 1 transfer 100000 4000 user 2
  3.  
  4. # 向group1发送了 100000比交易，发送的TPS上限是4000，用的之前创建的user文件里的用户，发送的交易间有20%的互斥。

（3）验证并行正确性

并行交易执行完成后，Web3SDK会打印出执行结果。TPS 是此SDK发送的交易在节点上执行的TPS。validation 是转账交易执行结果的检查。

  1. Total transactions:  100000
  2. Total time: 34412ms
  3. TPS: 2905.9630361501804
  4. Avg time cost: 4027ms
  5. Error rate: 0%
  6. Return Error rate: 0%
  7. Time area:
  8. 0    < time <  50ms   : 0  : 0.0%
  9. 50   < time <  100ms  : 44  : 0.044000000000000004%
  10. 100  < time <  200ms  : 2617  : 2.617%
  11. 200  < time <  400ms  : 6214  : 6.214%
  12. 400  < time <  1000ms : 14190  : 14.19%
  13. 1000 < time <  2000ms : 9224  : 9.224%
  14. 2000 < time           : 67711  : 67.711%
  15. validation:
  16.      user count is 10000
  17.      verify_success count is 10000
  18.      verify_failed count is 0

可以看出，本次交易执行的TPS是2905。执行结果校验后，无任何错误(verify_failed count is 0)。

（4）计算总TPS

单个Web3SDK无法发送足够多的交易以达到节点并行执行能力的上限。需要多个Web3SDK同时发送交易。在多个Web3SDK同时发送交易后，单纯的将结果中的TPS加和得到的TPS不够准确，需要直接从节点处获取TPS。

用脚本从日志文件中计算TPS

  1. cd tools
  2. sh get_tps.sh log/log_2019031821.00.log 21:26:24 21:26:59 # 参数：<日志文件> <计算开始时间> <计算结束时间>

得到TPS（2 SDK、4节点，8核，16G内存）

  1. statistic_end = 21:26:58.631195
  2. statistic_start = 21:26:24.051715
  3. total transactions = 193332, execute_time = 34580ms, tps = 5590 (tx/s)

并行预编译合约：DagTransferPrecompiled

与ParallelOk合约的功能一样，FISCO BCOS内置了一个并行预编译合约的例子（DagTransferPrecompiled），实现了简单的基于账户模型的转账功能。该合约能够管理多个用户的存款，并提供一个支持并行的transfer接口，实现对用户间转账操作的并行处理。

注意：DagTransferPrecompiled为并行交易的举例，功能较为简单，请勿用于线上业务。

（1）生成用户

用Web3SDK发送创建用户的操作，创建的用户信息保存在user文件中。命令参数与parallelOk相同，不同的仅仅是命令所调用的对象是precompile。

  1. # 参数：<groupID> add <创建的用户数量> <此创建操作请求的TPS> <生成的用户信息文件名>
  2. java -cp conf/:lib/*:apps/* org.fisco.bcos.channel.test.parallel.precompile.PerformanceDT 1 add 10000 2500 user
  3. # 在group1上创建了 10000个用户，创建操作以2500TPS发送的，生成的用户信息保存在user中

（2）批量发送并行转账交易

用Web3SDK发送并行转账交易

注意：在批量发送前，请将SDK的日志等级请调整为ERROR，才能有足够的发送能力。

  1. # 参数：<groupID> transfer <总交易数量> <此转账操作请求的TPS上限> <需要的用户信息文件> <交易互斥百分比：0~10>
  2. java -cp conf/:lib/*:apps/* org.fisco.bcos.channel.test.parallel.precompile.PerformanceDT 1 transfer 100000 4000 user 2
  3. # 向group1发送了 100000比交易，发送的TPS上限是4000，用的之前创建的user文件里的用户，发送的交易间有20%的互斥。

（3）验证并行正确性

并行交易执行完成后，Web3SDK会打印出执行结果。TPS 是此SDK发送的交易在节点上执行的TPS。validation 是转账交易执行结果的检查。

  1. Total transactions:  80000
  2. Total time: 25451ms
  3. TPS: 3143.2949589407094
  4. Avg time cost: 5203ms
  5. Error rate: 0%
  6. Return Error rate: 0%
  7. Time area:
  8. 0    < time <  50ms   : 0  : 0.0%
  9. 50   < time <  100ms  : 0  : 0.0%
  10. 100  < time <  200ms  : 0  : 0.0%
  11. 200  < time <  400ms  : 0  : 0.0%
  12. 400  < time <  1000ms : 403  : 0.50375%
  13. 1000 < time <  2000ms : 5274  : 6.592499999999999%
  14. 2000 < time           : 74323  : 92.90375%
  15. validation:
  16.      user count is 10000
  17.      verify_success count is 10000
  18.      verify_failed count is 0

从图中可看出，本次交易执行的TPS是3143。执行结果校验后，无任何错误(verify_failed count is 0)。

（4）计算总TPS

单个Web3SDK无法发送足够多的交易以达到节点并行执行能力的上限。需要多个Web3SDK同时发送交易。在多个Web3SDK同时发送交易后，单纯的将结果中的TPS加和得到的TPS不够准确，需要直接从节点处获取TPS。

用脚本从日志文件中计算TPS

  1. cd tools
  2. sh get_tps.sh log/log_2019031311.17.log 11:25 11:30 # 参数：<日志文件> <计算开始时间> <计算结束时间>

得到TPS（3 SDK、4节点，8核，16G内存）

  1. statistic_end = 11:29:59.587145
  2. statistic_start = 11:25:00.642866
  3. total transactions = 3340000, execute_time = 298945ms, tps = 11172 (tx/s)

结果说明

本文举例中的性能结果，是在3SDK、4节点、8核、16G内存、1G网络下测得。每个SDK和节点都部署在不同的VPS中，硬盘为云硬盘。实际TPS会根据你的硬件配置、操作系统和网络带宽有所变化。