[논문 리뷰] Why Do My Blockchain Transactions Fail? A Study of Hyperledger Fabric (Extended version)*

Jeeta Ann Chacko, Ruben Mayer외 1명|arXiv (Cornell University)|2021. 03. 08.

Blockchain Technology Applications and Security참고 문헌 28인용 수 8

한 줄 요약

이 논문은 하이퍼레지스트 프리브릿의 거래 장애에 대한 공식적 분류 체계를 제시하고, 네 가지 현실적인 체인코드를 갖춘 HyperLedgerLab 벤치마킹 프레임워크를 도입하며, 블록 크기, 엔드오르멘트 정책, 최적화 기법(Fabric++, Streamchain, FabricSharp) 등의 매개변수들이 장애율에 미치는 영향을 체계적으로 분석한다. 실험 결과, 최적의 블록 크기를 설정하면 거래 장애율을 최대 60%까지 감소시킬 수 있으며, 실무자들이 활용할 수 있는 구성 가이드라인을 제공하고 성능 튜닝 시 고려해야 할 핵심 트레이드오프를 규명한다.

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.

연구 동기 및 목표

• 하이퍼레지스트 프리브릿에서 발생하는 동시성 관련 거래 장애를 공식적으로 정의하고 분류하여 문헌에서 간과된 핵심 격차를 보완한다.
• 재현 가능한 평가를 위해 현실적인 체인코드와 워크로드 생성 기능을 갖춘 포괄적인 오픈소스 벤치마킹 시스템(HyperLedgerLab)을 개발한다.
• 블록 크기, 엔드오르멘트 정책, 거래 도착률 등의 프리브릿 구성 매개변수들이 거래 장애율에 미치는 영향을 분석한다.
• 제어된 현실적인 조건에서 최근의 세 가지 프리브릿 최적화 기법(Fabric++, Streamchain, FabricSharp)을 평가하고 비교한다.
• 실제 프리브릿 배포 환경에서 거래 장애를 최소화하기 위한 실용적인 구성 권고 사항을 도출하고, 허가된 블록체인 성능 튜닝 분야의 새로운 연구 방향을 규명한다.

제안 방법

• 저자들은 프리브릿에서 발생하는 거래 장애의 네 가지 공식적 유형을 정의한다: 엔드오르멘트 실패, MVCC 읽기 충돌, 쓰기 충돌, 패러사이트 읽기 충돌로, 이는 옵티미스틱 동시성 제어 모델에 기반한다.
• 저자들은 캘리퍼 벤치마킹 프레임워크를 확장한 HyperLedgerLab을 설계하고 구현하였으며, 다양한 실제 사례를 시뮬레이션하기 위해 체인코드와 워크로드 생성기와 통합하였다.
• 벤치마킹 시스템에는 전자 건강 기록 및 자산 이전과 같은 실제 시나리오를 모델링하는 도메인 특화의 네 가지 체인코드를 포함하여 실험의 관련성을 확보하였다.
• 실험은 블록 크기, 거래 도착률, 엔드오르멘트 정책, 체인코드 로직 등 핵심 프리브릿 매개변수를 체계적으로 변화시키며, 장애율과 성능 지표를 측정하였다.
• 저자들은 프리브릿 최적화 기법 세 가지—Fabric++(거래 재정렬), Streamchain(가상 블록 경계), FabricSharp(충돌 그래프 직렬화)—를 구현하고, 이들의 장애 감소 효과를 평가하였다.
• 다양한 구성 조건에서 정량적 분석을 수행하였으며, 통계적 검증을 통해 유의미한 추세와 트레이드오프를 규명하였다.

실험 결과

연구 질문

• RQ1 하이퍼레지스트 프리브릿에서 발생하는 공식적이고 구분 가능한 거래 장애 유형은 무엇이며, 옵티미스틱 동시성 제어 환경에서 어떻게 발생하는가?
• RQ2 특히 블록 크기, 엔드오르멘트 정책, 거래 도착률 등의 핵심 시스템 매개변수가 실제 워크로드에서 거래 장애율에 미치는 영향은 어떠한가?
• RQ3 최근의 프리브릿 최적화 기법(Fabric++, Streamchain, FabricSharp)은 거래 장애를 어느 정도 감소시키며, 어떤 조건에서 가장 효과적인가?
• RQ4 블록 크기와 장애율 간의 관계는 어떠한가? 이 관계는 다양한 거래 워크로드와 최적화 기법에 따라 달라지는가?
• RQ5 생산 환경의 프리브릿 배포에서 거래 장애를 최소화하기 위한 구성 가이드라인은 무엇인가?

주요 결과

• 블록 크기는 거래 장애율에 상당한 비선형적 영향을 미치며, 최적의 크기로 설정하면 다양한 거래 도착률에서 장애율을 최대 60%까지 감소시킬 수 있다.
• 블록 크기의 영향은 프리브릿 1.4와 Fabric++ 간에 반대 방향을 보인다: 프리브릿 1.4에서는 블록 크기를 늘릴수록 장애가 감소하지만, Fabric++에서는 블록 크기를 늘릴수록 장애가 증가하여 중요한 트레이드오프를 드러낸다.
• Fabric++는 MVCC 읽기 충돌을 효과적으로 줄이지만, 다른 장애 유형은 증가시킬 수 있어 종합적인 성능 튜닝의 필요성을 강조한다.
• Streamchain는 정체성 감소와 데이터 신선도 향상을 개선하지만, 장애율에 미치는 영향은 지연과 처리량에 비해 다소 뚜렷하지 않다.
• FabricSharp의 충돌 그래프 직렬화 기법은 쓰기 충돌 감소에 잠재력을 보이지만, 워크로드 특성과 블록 크기에 민감하게 영향을 받는다.
• 데이터베이스 백엔드 선택(LSMDB vs. CouchDB)은 성능에 상당한 영향을 미치며, 범위 쿼리에서의 낮은 지연으로 인해 LevelDB가 CouchDB를 능가한다.