区块链的可扩展性还面临哪些问题

清华X-LAB区块链公开课上，OK区块链工程院负责人SHINE JIANG现场讲述了OK公链（OKCHAIN）的创新架构设计和实现其高性能的解决方案：

当前，比特币以太坊等为代表的传统公链，每笔交易都需要全网验证和存储，可扩展性受到很大的限制，导致目前的区块链底层平台上很难支撑大规模的应用。

而OK公链的设计理念就是在保障安全性和去中心化的提前下，提升区块链的可扩展性。设计上OKCHAIN采用多链状态分片方案和基于BLS多签方案的改进版PBFT快速共识算法大幅提升可扩展性和交易处理能力。

此外，OK区块链工程院技术负责人SHINE JIANG还表示，我们要抛开“浮躁”的讨论（比如颠覆互联网、下一代技术革命等等），从技术层面出发，研究一下区块链有哪些技术的特点，为什么会受到这样的关注，它目前的一些制约点是什么，以及现今在技术研究上都有哪些进展。

区块链技术的发展历程

区块链1.0时代是以比特币为代表，2008年这个概念被首次提出，2009年正式启动了比特币的网络。这个网络有别于普通意义上互联网，因为它在互联网上面实现了价值的转移。

之前互联网经历几十年发展，主要解决的问题是信息的互联互通，我们在使用互联网服务的同时，后面是一个个的服务商和中心化的节点。

在区块链网络里，它有这样几个特点：一是去中心化、二是不可篡改、三是可信任。它用到了计算机科学、密码学、网络和经济学的博弈论等等，同时加了一些创新性的设计。

区块链的2.0是以以太坊为代表，主要特点是加入智能合约（智能合约是1995年提出的概念）。

受限于当时的环境，计算机依赖于可信的第三方，加上数据的不可篡改，操作涉及到多方会有一些限制。区块链的诞生，带来了天然的运行基础平台，区块链技术与以太坊进行结合，同时扩大了场景。溯源、经济领域、游戏等很多应用，都可以在以太坊为代表的区块链2.0上去做。

了区块链3.0时代，是区块链的大规模应用。尽管区块链技术发展了近十年，但真正走到我们身边的应用很少，可以说几乎是寥寥无几。

目前很多的应用，是基于联盟链的企业级应用，像天猫跨境物流的跟踪、跨境的支付，还有像我们前面公布的疫苗溯源方案。

掣肘规模化应用的根源

为什么发展了那么久，炒的也很热，但区块链在应用上还没有深入到用户的身边去？我们认为主要是它的可扩展性受到很大的限制，这也是目前绝大多数公链所努力攻破的一个点。

区块链的可扩展性到底有哪些问题呢？比如去年年底风靡全球的一个游戏“加密猫”，直接导致了以太坊的严重堵塞。原因就是以太坊从设计上，不能支撑大规模的交易，导致了它在打包、入块的流程上受到了阻碍。

而传统中心化的交易平台，比如Visa和支付宝，Visa的处理能力是2.4万的TPS，支付宝“双十一”峰值32.5万TPS的峰值，和比特币和以太坊最大理论的峰值（比特币是7，以太坊是15）相比有天壤之别。

什么原因让它的性能这么低下呢？区块链里有“三元悖论”，这是以太坊提出的概念，意思是说区块链领域不可能在同一时间、同一层面从去中心化、安全性和可扩展性三个方面做到提升。

2008年比特币设计的时候，主要解决是资产的价值转移，而在资产里面很重要的一个特点就是要安全性。比如说要理财、投资，肯定考虑资金的安全性，这是首要的。

在安全上的基础上，我们才能考虑的是它的收益，如果你的本金都没了，其实你投资的价值也就很少。

像比特币和以太坊，为了提升去中心化和安全性，设计的时候每一个节点、每一笔交易都需要全网去广播，全网节点去做验证，每一个块也是需要全网去同时争取这样一个记账的过程。

当然，从这两个点上就失去了它的可扩展性，全网的性能制约点就相当于取决于每个节点单点性。加入的节点越多，性能不仅没有得到提升，消息的扩大、通信的复杂度反而更高，让它的可扩展性受到了极大的限制。

比如EOS比较“聪明”，牺牲了去中心化，用了21个超级节点的概念，但前提认为这21个超级节点是可信的。共识基于21个超级节点之间去达成，虽然提供可扩展性，性能也得到比较大的提升，但是牺牲了去中心化区块链本质的特点。

另外有一些区块链公链，为了提升去中心化和可扩展，只用了一些分散的存储计算，从全网里面选出一小部分节点来做共识，选出一小部分节点，不同的节点之间存储的账本不一样，这就让去中心化和扩展性有一定的提升。但是这样的话就会让它的安全性降低，攻击的难度也降低。

四大扩容方案

目前在区块链的扩容方案里，可扩展性有四种方法：DAG、二层扩容、共识创新和分片技术。

DAG（有向无环图）：

DAG也叫有向无环图，是计算机领域里一个比较重要的数据结构。意思是从一个节点出发，沿着箭头的方向，不管从哪个路径走都不会回到这个节点本身。

我们看到在传统区块链，比如比特币和以太坊里面，存储方面是一条主链的结构，按照时间顺序由一个个的区块组成，当一个区块入块了，剩下所有的节点去竞选下一个区块的记账权，从而来获取记账的分红。

我们可以认为，这是一个同步的过程，一是全网同步的去出同一个区块，另外对每一笔交易全网都要去做验证，并且每个节点存储区块链的信息，带来的好处就是保证了严格的一致性。

而DAG里面它改变了这样一个存储结构，它认为区块链里面比特币、以太坊等，每一个块包含了多笔交易，并且基于时间顺序来做的。

在DAG这个网络里面，每一个这样的节点只是一笔交易，不是一个块的概念。后面的一笔交易通过一定的策略，会连到前面的多笔交易上面去，并且会对前面这样一个交易做一个验证。

这样做的好处，就是它把这样一个原来同步的存储改成了异步，理论上来说是支持无限的扩展。TPS也可以无限的大，但是它有一个问题，就是如果有一个节点，后面没有人链接到他，相当于没有人验证他这一笔交易的有效性，就永远得不到确认。

另外由于没有使用强一致性，尤其是智能合约运行的时候，它运行一段时间有可能会导致出现“双花”、不一致的现象，安全性并没有得到广泛的验证。在这种存储结构里，由于比特币和以太坊都是这种存储结构，运行了十年，也没出现问题，它的安全性经过了实际工程的检验。

另外在DAG里，每一笔交易之间的溯源，因为它的图复杂度极高，和区块链里单链的结构来比，它的复杂度极高。

二层扩容：

其中的逻辑是把链分成两种，原来的链还是比特币、以太坊的主链，但另外又生成了侧链，将复杂的交易和频繁的交易放到链下，最终的确认放到主链上去做，这样做的好处就是减少了主链的压力。

但最后总体的性能瓶颈很明显还是主链，最高像以太坊来说也就是15，对性能的提升很有限。

Algorand是图灵奖得主Micali提出公链的设计方案，他认为这个方案突破了“不可能三角”，共识算法采用了VRF+POS+BA*的算法。

它的设计的思路是，比特币和以太坊里每一笔交易要全网广播、全网做验证，这里只是随机选出来一小部分节点，让一小部分节点去做出块的提名人、验证人和出块节点。

共识的范围降到了几个节点之间，用一些算法保证节点选取的随机性，得到了一定的安全保证，所以说加快了交易的吞吐量。但是这个方案目前并不完善，可扩展性也是有限的，它的理论值是2000，但最终的理论值是200，实测会到1000左右。

Dfinity是另外一个从共识方法上去改进区块链可扩展性的一条公链，一度被认为是区块链的3.0。它的思路和Algorand有点相似，也是将整个网络选举出一小块的局域的几个节点，在这个节点之间再选出共识的委员会，在这个委员会用了BLS多签的方法出块。

一定程度上来说，两个方面，一是共识组由全网变成局部的网络，第二是在共识的方法上做了创新，用了BLS多签的方案，也是提升了交易量。

分片技术（Sharding）：

和前面两个共识相比，随机选取一小个节点来说，就更近了一步。在比特币、以太坊里性能取决于单点的性能，加入的节点越多，网络没有更好，反而更坏。

是不是存在这样一种方案让它可以并行？比如说把它切分到一块，这就有了分片技术。分片是数据库里面的概念，提供数据库横向扩展的方法，通过将数据库切分到不同的数据库上，来提升服务器对数据库访问IO的可扩展性。

把分片用在区块链里面，通过一定的机制和方法，将整个区块链网络分成若干的共识组，每个共识组交易量之和，就是整个这条链的整体吞吐量。

这个地方设计了几个重点，第一是如何进行共识组的选举？选出来的共识组，如果里面有大量的拜占庭节点（可以理解为坏的节点），相当于在这个节点组里安全性受到极大的挑战。

另外，就是分片的大小是不是合理。如果分片太小了，几个拜占庭节点有可能影响分片的安全性。如果分片太大，影响片内的交易太多，也会影响一定的吞吐量。当然，分片太小还有一个问题，就是跨片的交易会多，跨片的交易还不如原来的一个网络。

分片技术目前分为三个：网络分片、交易分片和状态分片。

交易分片是在网络分片的基础上去实现，通过将整体网络分成若干分片，每个分片并行进行交易，但是全网所存储的还是一个账本。

每个节点的存储压力依然是存在，状态分片的好处就是每个分片只存储本分片的部分账本，这样的话从交易和存储两方面去提升它的扩展性。随着分片的越多，整体网络性能也就越大。这也是OK公链选择的方式，也是我们选择分片的原因之一。

这是我们的设计目标，我们在“不可能三角”这个理论下做的一些工作。保证一定的去中心化和一定安全的前提下，去提升公链的可扩展性。其实在比特币和以太坊里面，也尝试过有很多其他的方法，比如说是增加区块的大小，一个区块是不是能打包更多的交易，第二个是缩短区块的出块时间，时间缩短。但是这些方案一是有一定问题，二是对性能的提升也极其有限。

五大角度解读OK公链技术选型

关于OK公链的技术选型，我们选择了这样的分片技术，理由有二：

其一，它能够从存储和交易两个方面去提升区块链的可扩展性；

其二，它的理论模型并不复杂，在可推导的理论模型里面，我们能证明它是能满足一定的去中心化和安全性，并且还能够对可扩展性做一定的提升。

它的难点我们在前文已经介绍了，而且其在工程上也是非常复杂，目前在整个业界里还没有一个公开出来的分片技术。

我们可以从网络分片、交易分片、状态分片、片内共识、分片伸缩等五个方面来具体解释和了解。

第一，网络分片；

在P2P网络里我们分成了若干的共识组，在每个共识组里再去运行一定的共识机制。这些共识组内有一个Leader节点。

我们再把这些共识组分成两类：一是委员会、二是普通分片，也可以称之为交易分片。

委员会扮演两个作用：一是对整个网络进行管理；二是管理自身委员会内部的成员。而所有委员会的内部成员，可以分为三种：委员会的成员、分片的矿工、普通矿工。

逻辑上比较复杂的是，究竟如何选举委员会、如何进行分片，来保证整个公链的安全性，同时实现片内的交易更多，跨片的交易更少？

这里共分为4大阶段，首先是准备阶段。

我们定义为一个epoch（在下面有两个管理区块，两次委员会的轮替之间的间隔）一个epoch结束时，各分片统计本分片内符合条件的账户作为侯选矿工，上报给委员会。

这是为了防止女巫攻击，我们使用了PoS股权证明的方法，每一个参与挖矿的矿工，必须交一定的保证金，这样想注册大量矿工节点去执行拜占庭攻击的时候，成本会有一定的提升，这也是我们对安全性的第一步保证。

其次分别是开始和POW阶段，委员会收集到矿工的集合，然后广播竞选的消息，各个矿工开始计算自己的PoW，并将计算结果提交给委员会，此处计算PoW不是为了挖矿，只是为了算随机值，作为分片和选举的依据。

最后是确定阶段，委员会搜集到PoW的消息，按照哈希值的排序选出新的委员会节点和分片节点（哈希值最小的节点是委员会的节点），并且将竞选结果写入管理区块，这个管理区块是在委员会里面进行共识，全网广播，同时宣布新一轮的epoch开始。

这里我们需要着重强调的有几个地方。第一，我们用了PoS来抵制女巫攻击；第二，PoW不是进行挖矿，只是计算随机值，对资源的消耗也比较少一些。

第二，交易分片；

进行网络分片只是第一步 ，只有实现了交易分片，才能使各个分片能并行处理，减少冗余计算和增加整个系统的吞吐性。

在交易分片里面会涉及到两方，一个是发送方，一个是接收方。我们采用的方法就是以发送方的地址进行分片，这样的好处就是发送方进行双发消息的时候，交易在同一个区块里进行打包共识，很容易被发现，一定程度上是让双花攻击的难度变大。

同时，我们允许一个用户用一对公钥在每一个分片里面创建账户（可以简单理解为一个用户用一个公钥可以在每一个分片里面建账户，文章后面我们会介绍它的好处）。

第三，状态分片；

状态分片里面的设计思路，是让片内的交易逐步增多，让跨片的交易逐步减少，而并不是排斥这种跨片的交易。一个跨片交易所执行的步骤，就是分片a和分片b，分片a里的用户a和分片b里的用户b进行交易，有两个步骤减少a的余额和增加b的余额。

现在，我们提出了一个支票的概念，就是分片a里出块以后，通过一个“支票”发给分片b处理，分片a在出块以后通过一个区块，会发出支票的消息。

在这个里面有三个分片，分片a、分片b和分片c，其中有三个是跨分片交易。为了减少通信复杂度，在区块里面，每个分片相关的交易会打包成一个支票区块。

将多笔支票打包成一个支票的区块，发给分片a和分片b，分片b里面两笔支票打包成一个支票区块，发给分片b，c里面有一笔，这样的话整个系统在跨分片交易的时候，通信复杂度是O（n）方，在跨分片交易足够少，因为分片也不会特别大，这是一个很容易实现的方案。

另外，我们在存储上面使用了双链的结构，每个分片内存储两条链，一个是状态区块，一个是交易区块，交易区块是只存储本分片的交易，而状态区块它是由交易区块和支票区块派生而来的。

那一笔跨分片的交易是如何进行的？我们将其分成了两个阶段：

第一个阶段，假设a和b之间转账，这里有一个分片派生出来三个“支票”区块，分别是C12和C13、C21和C23，C31和C32，六个跨分片的支票区块和三个交易区块；

第二个阶段，通过广播将支票区块发送到对应的分片里去，对应的分片接收支票区块，通过交易区块和支票区块生成最终的状态区块。

另外，分片里面智能合约和以太坊里面的智能合约有不一样的地方，就是它有跨分片的智能合约调用。

如何理解跨分片的智能合约调用？首先，调用分片2里面的交易区块，锁定账户余额，发送调用信息到分片b，分片b调用相应的合约，修改合约的状态，收取交易的gas费用，将剩余的gas费用返回给分片1，涉及到三次更新和两次的跨分片交易。

为了减少跨分片调用，我们在设计的时候，只支持分片内的调用，而不支持跨分片的调用。原因是相互关联、相互调用的合约不会部署在同一个分片上，这对于开发者来说是比较合理，也是容易做到的。

另外用户可以在任意分片里创建自己的账户。比如说分片1里的用户，要想调用分片2里合约的话，可以在分片2里面去建账户，把跨分片变成了一个片内智能合约的调用交易。这从一定程度上我们希望把相关的业务都放在一个分片里，这样相关性越高，片内交易也就越高，并发性也就越好。相当于我们支持了一个片内的合约调用：用户到合约、合约到合约、合约到用户。

还有一个方法是在分片2里建一个用户，我们可以用跨分片的交易来做到。首先分片1里面的用户，调用分片2里的合约，给分片2里面的用户做一笔转账交易，然后分片2里面的用户再调用这个合约，这就是跨分片之间智能合约的调用的流程。

第四，片内共识；

分片技术有一个值得注意的点，每个分片里节点数是固定的，比较方便用其他的共识算法。缺点是它存在51%的算力的攻击，因为它是一个开放的网络，谁都可以动态接入、动态退出，而分片里面每一个分片的用户数是一定的，比较方便用其他的共识算法，比如PBFT算法的好处，第一它能抵三分之一的拜占庭节点，它的网络依然能保证安全运行。

我们进一步改进了PBFT。首先，Leader打包一个区块（我们前面介绍的分片里面都有一个Leader的角色，PBFT共识里面需要有一个Leader，他是负责发起共识的一个发起方。），广播给其他节点，每个节点去验证这个区块，验证通过的其他节点再广播这个区块摘要。

如果一个节点收到2f+1（f是容忍的拜占庭节点的个数）个其它节点发来的摘要都和自己相等，就向全网广播一条Commit消息，即可提交新区块及其交易到本地的区块链的状态数据库。在这里，我们可以告诉他们通信的复杂度，假设节点数是n的话，这个复杂度就是O（n²）方。

另外，我们用了BLS的签名，有两个特点。一是聚合、一是短签名，可以将多笔交易聚合成一个签名，这样把消息通信的复杂度和存储签名的大小做到了降低，而且不需要进一步通信就能生成一个多重签名，减少通信的次数。

我们改进了PBFT的算法，这里的逻辑首先同样是Leader打包区块，广播给其他的节点，每个节点来验证这个区块，验证通过区块签名发送给Leader。

leader收集到2f+1个签名之后，可以聚合成一个多重签名sig1，leader将sig1和sig1参与方bitmap1广播给其他节点，其他节点对sig1和bitmap1的合法性进行验证。

为了确保全网账本一致，还需对block+sig1+bitmap1进行一轮多签；leader收集到2f+1个签名之后，可以聚合成一个多重签名sig2。leader将sig1，sig2和对应的bitmap2发送给其他节点，其他节点验证通过后将block+sig1+bitmap1写入账本，通过改进PBFT的算法，将消息的复杂度从O（n²）方变成了O（n）。

还有一个就是Leader的轮替，如果Leader是拜占庭节点的话，会阻碍区块的产生，常用方案第一个是Round-Robin顺序选取的方法，一个是VRF生成随机生成区块。

第五，分片伸缩；

在分片里比较难的就是分片伸缩，这里有两个操作：一是新增分片，一是冻结分片。

新增分片的时候，各个分片会出现负载过重的情况，网络中有足够多的矿工可以安全性的去维护这个分片，达到一个新分片所安全运行的理论值，这个时候我们通过线上的委员会的监控和线下社区的投票，由委员会修改参数，来增加这分片。

冻结分片是在状态分片里比较难做的，相当于在每个状态分片里，每个分片存储的局部账本，如果一个分片砍掉的话，这个分片里的账本有可能失效。

在这种情况下，每个分片的节点少，不满足安全性的时候，也是通过委员会和社区共识之后，该分片迁移到其他分片。这个分片里面的账本由委员会来维护。下一次新建的时候再有委员会交给分片，这从一定程度上保证了全局账本的一致性。