[論文レビュー] Why Do My Blockchain Transactions Fail? A Study of Hyperledger Fabric (Extended version)*

Jeeta Ann Chacko, Ruben Mayer+1 more|arXiv (Cornell University)|Mar 8, 2021

Blockchain Technology Applications and Security参考文献 28被引用数 8

ひとこと要約

本論文は、Hyperledger Fabricにおけるトランザクション障害の形式的分類を提示し、4つの現実的なチェーンコードを備えたHyperLedgerLabベンチマークフレームワークを導入し、ブロックサイズ、エンドースメントポリシー、最適化手法（Fabric++、Streamchain、FabricSharp）などのパラメータが障害率に与える影響を包括的に分析する実験を実施した。その結果、最適なブロックサイズを設定することで、障害率を最大60％まで低減できることを明らかにした。これにより、実務家向けの実用的かつ有用な設定ガイドラインが得られるとともに、パフォーマンスチューニングにおける重要なトレードオフが特定された。

ABSTRACT

Permissioned blockchain systems promise to provide both decentralized trust and privacy. Hyperledger Fabric is currently one of the most wide-spread permissioned blockchain systems and is heavily promoted both in industry and academia. Due to its optimistic concurrency model, the transaction failure rates in Fabric can become a bottleneck. While there is active research to reduce failures, there is a lack of understanding on their root cause and, consequently, a lack of guidelines on how to configure Fabric optimally for different scenarios. To close this gap, in this paper, we first introduce a formal definition of the different types of transaction failures in Fabric. Then, we develop a comprehensive testbed and benchmarking system, HyperLedgerLab, along with four different chaincodes that represent realistic use cases and a chaincode/workload generator. Using HyperLedgerLab, we conduct exhaustive experiments to analyze the impact of different parameters of Fabric such as block size, endorsement policies, and others, on transaction failures. We further analyze three recently proposed optimizations from the literature, Fabric++, Streamchain and FabricSharp, and evaluate under which conditions they reduce the failure rates. Finally, based on our results, we provide recommendations for Fabric practitioners on how to configure the system and also propose new research directions.

研究の動機と目的

• Hyperledger Fabricにおける並行処理関連のトランザクション障害を形式的に定義・分類し、学術文献における重要な空白を埋める。
• 実際の使用事例を想定したチェーンコードとワークロード生成機能を備えた包括的かつオープンソースのベンチマークシステム（HyperLedgerLab）を構築し、再現可能な評価を可能にする。
• ブロックサイズ、エンドースメントポリシー、トランザクション到着レートといった、Fabricの設定パラメータがトランザクション障害率に与える影響を分析する。
• 制御された現実的条件下で、最近の3つのFabric最適化手法（Fabric++、Streamchain、FabricSharp）を評価・比較する。
• 生産環境でのFabricデプロイメントにおいて障害を最小限に抑えるための実用的設定推奨事項を導出し、新たな研究分野を同定する。

提案手法

• 著者らは、オプティミスティックな並行制御モデルに基づき、4つの形式的なトランザクション障害タイプ（エンドースメント障害、MVCC読み込み競合、書き込み競合、フェイントリード）を定義した。
• Caliperベンチマークフレームワークを拡張したHyperLedgerLabを設計・実装し、チェーンコードとワークロード生成モジュールを統合して、多様な現実世界のユースケースをシミュレートした。
• ベンチマークには、電子健康記録や資産移転などの実世界シナリオをモデル化した4つのドメイン固有のチェーンコードが含まれており、実験の妥当性を確保している。
• 実験では、ブロックサイズ、トランザクション到着レート、エンドースメントポリシー、チェーンコード論理といった主要なFabricパラメータを系統立てて変化させ、障害率とパフォーマンス指標を測定した。
• 著者らは、最近の最適化手法（Fabric++（トランザクション再順序化）、Streamchain（仮想ブロック境界）、FabricSharp（競合グラフシリアル化））を導入し、障害低減効果を評価した。
• 複数の構成における定量的分析を実施し、統計的妥当性を確認することで、顕著なトレンドとトレードオフを同定した。

実験結果

リサーチクエスチョン

• RQ1 Hyperledger Fabricにおける形式的かつ区別可能なトランザクション障害の種類は何か？ そして、オプティミスティックな並行制御下で、これらはどのように発生するのか？
• RQ2 特にブロックサイズ、エンドースメントポリシー、トランザクション到着レートといった主要なシステムパラメータは、現実世界のワークロードにおけるトランザクション障害率にどのように影響を与えるか？
• RQ3 最近のFabric最適化手法（Fabric++、Streamchain、FabricSharp）は、どれほど障害を低減できるのか？ また、どのような条件下で最も効果的か？
• RQ4 ブロックサイズと障害率の関係は何か？ また、この関係は異なるトランザクションワークロードや最適化手法によって変化するか？
• RQ5 生産環境でのFabricデプロイメントにおいて、トランザクション障害を最小限に抑えるための設定ガイドラインは何か？

主な発見

• ブロックサイズは、障害率に顕著で非線形的な影響を与える。最適なサイズ設定により、さまざまなトランザクション到着レートにおいて障害率を最大60％まで低減できる。
• ブロックサイズが障害率に与える影響は、Fabric 1.4とFabric++の間で逆転する。Fabric 1.4ではブロックサイズを増やすことで障害が減少するが、Fabric++では逆に増加する。これは、重要なトレードオフを示している。
• Fabric++はMVCC読み込み競合を効果的に低減できるが、他の障害タイプを増加させる可能性がある。これにより、包括的なパフォーマンスチューニングの重要性が浮き彫りになった。
• Streamchainはスタリネスを低減し、データの新鮮さを向上させるが、障害率への影響は遅延やスループットへの影響ほど顕著ではない。
• FabricSharpの競合グラフシリアル化は、書き込み競合の低減に有望であるが、ワークロードの特性やブロックサイズに非常に敏感である。
• データベースバックエンド（LevelDB 対 CouchDB）の選択がパフォーマンスに顕著な影響を与える。特に、範囲クエリにおけるレイテンシが低いため、LevelDBがCouchDBを上回る性能を示した。