[論文レビュー] An Empirical Study of Speculative Concurrency in Ethereum Smart Contracts

Vikram Saraph, Maurice Herlihy|arXiv (Cornell University)|Jan 5, 2019

Blockchain Technology Applications and Security参考文献 5被引用数 19

ひとこと要約

この論文は、歴史的取引トレースを用いて、イーサリアムスマートコントラクト実行における予測的並列実行の評価を行う。2段階の予測的実行モデル（並列実行の後、競合する取引を逐次再実行）を提案し、2016年には8倍の高速化を達成したが、2017年には2倍に低下した。主な競合原因は、CryptoKittiesのような高トラフィックのコントラクトの少数に起因する。

ABSTRACT

We use historical data to estimate the potential benefit of speculative techniques for executing Ethereum smart contracts in parallel. We replay transaction traces of sampled blocks from the Ethereum blockchain over time, using a simple speculative execution engine. In this engine, miners attempt to execute all transactions in a block in parallel, rolling back those that cause data conflicts. Aborted transactions are then executed sequentially. Validators execute the same schedule as miners. We find that our speculative technique yields estimated speed-ups starting at about 8-fold in 2016, declining to about 2-fold at the end of 2017, where speed-up is measured using either gas costs or instruction counts. We also observe that a small set of contracts are responsible for many data conflicts resulting from speculative concurrent execution.

研究の動機と目的

• 実際の歴史的データを用いて、イーサリアムスマートコントラクトにおける予測的並列実行の実用的性能向上を評価すること。
• 特に取引負荷の増加に伴って生じるデータ競合の程度と原因を特定すること。
• 増加する競合にもかかわらず、単純な予測的技術が有意義な高速化をもたらすかを評価すること。
• 意味的認識に基づく実行やインcentivesを用いた競合低減が、スケーラビリティの向上に寄与するかを検討すること。

提案手法

• 読み取り-書き込みセットの重複を介して競合を検出する予測的実行エンジンを用いて、サンプルされたイーサリアムブロックを再実行する。
• 競合検出に基づき、取引を「並列実行用」と「逐次実行用」の2つのグループに分類：競合のない取引は並列実行、競合のあるものは逐次再実行する。
• 実行時間の推定にガスコストまたはEVM命令数を実行時間の代理指標として用い、高速化率を逐次実行時間と予測的実行時間の比として計算する。
• 競合検出のオーバーヘッドを最小限に抑えるために、グリーディーバインニングを用いて取引を並列または逐次フェーズに分類する。
• 高トラフィックコントラクト（例：CryptoKitties）を隔離して分析し、それらが競合と高速化に与える影響を評価する。
• コア数（16〜64）の変化や、意味的認識に基づく競合モデル化などの代替競合検出戦略の影響を評価する。

実験結果

リサーチクエスチョン

• RQ1 イーサリアムスマートコントラクトにおける予測的並列実行の実現可能な高速化率は、時間経過とともにどのように変化するか？
• RQ2 イーサリアムの取引負荷の変化に伴い、競合率と競合パターンはどのように変化するか？
• RQ3 予測的実行におけるデータ競合の大部分を占める主なスマートコントラクトはどれか？
• RQ4 複数の実行フェーズを含む攻撃的予測戦略は、性能向上にどの程度寄与するか？
• RQ5 意味レベルの競合分析やVMレベルのアトミック操作により、誤検出を低減し、スケーラビリティを向上できるか？

主な発見

• 予測的実行による高速化は、2016年初頭の約8倍から2017年末には約2倍に低下し、負荷増加に伴う収益の逓減が顕著になった。
• 少数の非常に人気のあるコントラクト（特にCryptoKitties）が、データ競合の大部分を占めており、ピーク期には30％の競合ストレージアドレスが5回以上の競合を経験していた。
• CryptoKittiesのような高競合コントラクトを除外することで、高競合アドレスの割合は30％から14％に低下し、競合ヒストограмと高速化の可能性が著しく改善された。
• 読み取りセットと書き込みセットを別々に分割することで、競合率が顕著に低下した。これは、単純な競合検出が真の依存関係を過大評価している可能性を示唆している。
• シミュレートコア数を16から64に増加させることで高速化が向上したが、64コアを超えてのスケーリングは追加の恩恵をほとんど得られなかった。
• 複数の並列フェーズを含むより攻撃的な予測戦略は、1つの競合取引が多数の他の取引と競合するバースト型の競合パターンのため、追加の恩恵をほとんど得られなかった。