Skip to main content
QUICK REVIEW

[論文レビュー] Blockchain Goes Green? Part II: Characterizing the Performance and Cost of Blockchains on the Cloud and at the Edge

Dumitrel Loghin, Tien Tuan Anh Dinh|arXiv (Cornell University)|May 14, 2022
Blockchain Technology Applications and Security被引用数 4
ひとこと要約

本論文は、x86/64およびARMアーキテクチャのクラウドおよびエッジシステムを対象に、Hyperledger FabricおよびConsenSys Quorumのパフォーマンスとコストを評価しており、ARMベースのAmazon GravitonインスタンスがIntel Xeonサーバーを上回るスループットとコスト効率を示していることを実証している。一方、エッジデバイスはパフォーマンスは低いが、人的コストを除いた長期的なコスト削減効果が顕著である。

ABSTRACT

While state-of-the-art permissioned blockchains can achieve thousands of transactions per second on commodity hardware with x86/64 architecture, their performance when running on different architectures is not clear. The goal of this work is to characterize the performance and cost of permissioned blockchains on different hardware systems, which is important as diverse application domains are adopting t. To this end, we conduct extensive cost and performance evaluation of two permissioned blockchains, namely Hyperledger Fabric and ConsenSys Quorum, on five different types of hardware covering both x86/64 and ARM architecture, as well as, both cloud and edge computing. The hardware nodes include servers with Intel Xeon CPU, servers with ARM-based Amazon Graviton CPU, and edge devices with ARM-based CPU. Our results reveal a diverse profile of the two blockchains across different settings, demonstrating the impact of hardware choices on the overall performance and cost. We find that Graviton servers outperform Xeon servers in many settings, due to their powerful CPU and high memory bandwidth. Edge devices with ARM architecture, on the other hand, exhibit low performance. When comparing the cloud with the edge, we show that the cost of the latter is much smaller in the long run if manpower cost is not considered.

研究の動機と目的

  • クラウドおよびエッジ環境におけるx86/64およびARMアーキテクチャを含む多様なハードウェアアーキテクチャ上での許可ブロックチェーンのパフォーマンスとコストを評価すること。
  • 特にクラウドおよびエッジ環境で急速に普及しているARMベースのシステムにおいて、非x86/64プラットフォームでのブロックチェーンワークロードに対する体系的な評価が不足しているという問題を解決すること。
  • ハードウェア、エネルギー消費、人的コストを含む、ブロックチェーンノードの総所有コスト(TCO)を定量的に評価し、意思決定に役立てるためのもの。
  • 異なるコンSENSUSメカニズムとハードウェアプラットフォーム上で、Hyperledger FabricおよびQuorumの両方の効率を比較すること。
  • パフォーマンス、エネルギー効率、長期的コストに基づいて、アプリケーション設計者およびシステムアーキテクトがブロックチェーンワークロードに最適なハードウェアを選択できるように支援すること。

提案手法

  • AWS Xeon(x86/64)、AWS Graviton(ARM)、エッジXeon、NVIDIA Jetson TX2(ARM)、Raspberry Pi 4(ARM)の5つのハードウェアプラットフォームで、Hyperledger FabricおよびQuorumの広範なベンチマークを実施した。
  • スループット(1秒あたりのトランザクション数)および遅延(95百分位数)を、ワークロードおよびノード数を変化させた条件下で測定した。
  • 3年間のライフサイクルを想定し、ハードウェア取得コスト、エネルギー消費(平均消費電力に基づく)、人的コストを含むTCOモデルを用いて、総所有コストを定量化した。
  • 標準化されたTCO式を用いた:$ C = N \cdot C_s + N \cdot T \cdot P_a \cdot C_{ph} + T \cdot C_{mh} $、ここで$ N $はノード数、$ C_s $はノードコスト、$ T $は時間(時間単位)でのライフサイクル、$ P_a $は平均消費電力、$ C_{ph} $は1kWhあたりの電気料金、$ C_{mh} $は人的コスト(時間単位)である。
  • QuorumのRaft(CFT)およびIBFT(BFT)コンセンサスを評価し、異なる耐障害要件を反映した。
  • 運用の持続可能性を評価するため、人的コストを含む・含まない2つのシナリオで、クラウド(IaaS)およびエッジデプロイメントを比較した。

実験結果

リサーチクエスチョン

  • RQ1クラウドおよびエッジ環境におけるx86/64およびARMベースのハードウェア上での許可ブロックチェーンのパフォーマンスとコストは、どのように変化するか?
  • RQ2ARMベースのGravitonインスタンスとx86/64 Xeonサーバーを比較した場合、Hyperledger FabricおよびQuorumの相対的パフォーマンスはどの程度か?
  • RQ3人的コストを含む・含まない状況で、クラウドとエッジデプロイメントのブロックチェーンノードのTCOはどのように異なるか?
  • RQ4ARMプロセッサ搭載のエッジデバイスは、スループットが低いにもかかわらず、どの程度のコスト優位性を示すか?
  • RQ5Quorumにおける異なるコンセンサスメカニズム(Raft対IBFT)が、ハードウェアプラットフォーム全体でパフォーマンスとコストに与える影響はどの程度か?

主な発見

  • ARMベースのAmazon Gravitonクラウドインスタンスは、Hyperledger FabricにおいてXeonインスタンスを上回る最大10%のスループットを達成し、主にCPU性能の向上とメモリ帯域幅が2倍であるため、35%安価であった。
  • Quorumでは、GravitonインスタンスのスループットはXeonインスタンスより25%低いが、依然として35%のコスト削減を達成しており、パフォーマンスがやや低いにもかかわらず、コスト効率が優れていることが示された。
  • Raspberry Pi 4やJetson TX2などのエッジデバイスは、CPUおよびメモリリソースが限られているため、クラウドインスタンスに比べて最大10倍も遅延が高く、顕著に低いパフォーマンスを示した。
  • 人的コストを除いた場合、エッジデプロイメントは大幅に安価であった:Xeon(エッジ)は1.5倍安価、Jetson TX2は10倍安価、Raspberry Pi 4は75倍安価だった。
  • 人的コストを含めた場合、エッジのコスト優位性は逆転し、平均してクラウドデプロイメントが2倍安価になった(例:Xeon(クラウド)は1時間あたり$0.476、Xeon(エッジ)は1時間あたり$0.884)。
  • 結果から、エッジデプロイメントの長期的コスト削減効果は、TCOに人的コストを含めるかどうかに強く依存しており、低メンテナンス・低スループットのアプリケーションにはエッジがより実用的である可能性があると示唆された。

より良い研究を、今すぐ始めましょう

論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。

クレジットカード登録不要

このレビューはAIが作成し、人間の編集者が確認しました。