LOC:一文详解连续型数据高效存储之道

在《打破K/V存储的性能瓶颈》中,我们提到区块链中的数据可以分为「连续型数据」和「K/V型数据」,并对K/V型数据的特点及读写进行了阐述。我们以leveldb为例,了解到K/V数据在存储时采用LSM-Tree的组织形式,存储方式相对而言比较复杂,数据读写的复杂度也较高,且在数据量大的情况下会遇到性能下降的问题。针对这些问题,我们已经提出了一些优化思路,但这种数据格式读写的性能存在天然的缺陷。而优化思路里也提到,leveldb的归并操作是为了让SSLTable的key变得有序,说明有序的数据在读写方面有天然优势。

区块链中也有很多数据是有序的。因此,本文将重点讨论连续型数据的特点和连续型数据的读写方式,并根据实际场景中会遇到的问题提出我们的优化思路。

连续型数据,顾名思义,最大的特点就是连续。我们可以把连续型数据当做一种特殊的K/V数据,只不过其key值是单调递增的。

“那么在区块链中,什么样的数据是连续的呢?”

区块链中有一个重要的概念:区块号,就是单调递增的。区块链是一个账本,记下来的账是只增不减的,区块也是不断向后追加的。因此,以区块号为单位存储的数据就可以认为是连续型数据。在上一篇推文中,我们提到除了区块数据以外,回执数据、修改集数据也是连续型数据,这是因为每一条回执,每一条世界状态修改记录,都对应于一笔交易,而交易是区块的组成部分,因此这些数据也可以以区块为单位来存储。

数据:以太坊信标链非机构质押占ETH质押总量近四分之一:金色财经报道,Dune Analytics数据显示,以太坊信标链非机构质押占ETH质押总量的24.9%。

在机构质押占比数据上,Lido占质押总量29.3%,位居首位;Coinbase占比12.5%,排名第二;Kraken以7.4%的占比排名第三。[2023/2/9 11:56:48]

任何数据存储的目的都是为了查询,因此我们在存储连续型数据的同时,需要考虑对这些数据的查询需求。一般来说,对于区块和交易数据,会有以下查询需求:

1)给定一个区块号,查询对应的整个区块数据;

2)给定一个区块哈希,查询对应的整个区块数据;

3)给定一个交易哈希,查询这笔交易的详细信息;

面对这样的查询需求,我们在设计数据库时需要考虑如何支持这些查询。

▲?以太坊

连续型数据作为一种特殊的K/V型数据,自然也可以用K/V数据库来存储,例如以太坊就是这样存的。在以太坊中,所有数据均存储在leveldb中,区块和交易相关的数据存储方式如下:

(H)+BlockHash->BlockNumber

(h)+BlockNumber+(n)->BlockHash

(h)+BlockNumber+BlockHash->BlockHeader

(b)+BlockNumber+BlockHash->BlockBody

(l)+TxHash->BlockNumber

区块数据直接存储在leveldb当中,以区块号和区块哈希为key来进行查询。这样的存储方式很方便,可以根据区块哈希或区块号快速查询到区块内容。但这种方式存储下,leveldb的数据量会很大,数据的读写速度也会受到影响。

加拿大第三大养老基金Teachers或在FTX事件中面临大额投资损失:金色财经报道,加拿大第三大养老基金Teachers在2021年10月份参与了FTX以250亿美元估值完成的4.2亿美元融资,且在融资公告中被列为第一名,目前该基金拒绝透露投资规模,但指出FTX未被列入其2021年年度报告中超过2亿美元的投资清单中。

据悉这并非加拿大养老基金的第一次失误,加拿大另一家最大的养老金管理公司之一CDPQ此前已注销其对破产的加密借贷平台Celsius Network的1.5亿美元投资。(环球邮报)[2022/11/9 12:38:12]

▲?HyperledgerFabric

超级账本也是使用键值对数据库存储检索信息,但是额外使用了文件存储系统管理区块数据。通过内存映射文件的方式提高了数据查询的性能,但在多个索引或撤消历史记录的功能上存在局限。对于Fabric的数据存储来说,一般都包含两种方式,如下图所示:

?文件形式存储,用于记录交易日志信息,所有的交易都是有序地连接在一起;

?NoSQL形式存储,使用LevelDB数据库实现保存索引信息的历史记录。

HyperledgerFabric中,账本目录中由blockfile_000000、blockfile_000001命名格式的文件名组成。为了快速检索区块数据,每个文件的大小是64M。每个区块的数据都会序列化成字节码的形式追加写入blockfile文件中。在Fabric中,其索引组织格式如下:

Elrond创始人:Maiar DEX已全面恢复,所有用户及资金是安全的:金色财经消息,Elrond创始人兼首席执行官Beniamin Mincu发推称,Maiar DEX已全面恢复完成,DEX和API均已重启上线,所有用户及资金是安全的,将继续在接下来数小时内谨慎监控。[2022/6/8 4:11:17]

(h)+BlockHash->BlockLoc

(n)+BlockNumber->BlockLoc

(t)+len(TxID)+TxID+BlockNumber+TxNumber->TxIDIndexValue

这里的BlockLoc表示数据在哪个blockfile中以及其偏移量。在Fabric中要根据区块号或区块哈希查询一个区块,将先在leveldb中查询索引,获取BlockLoc之后在文件系统中查询区块。

相比于以太坊而言,Fabric将区块数据存在文件中,大大降低了NoSQL数据库的存储压力,且索引中直接标识数据位置,可以很快在文件中读取到区块数据。

事实上,无论是以太坊还是Fabric,都没有完全利用连续型数据的特点:根据key值来计算偏移量。例如我们知道key为100的数据的位置,就能够推断出,key为200的数据与该位置相差100条数据,这个特点有利于我们快速查找数据。因此,根据偏移量的特点,我们可以进一步减少读写数据的开销。

Optimism首批空投中有近62%的OP被申领:6月2日消息,据Dune Analytics数据,Optimism首批OP空投中已有61.65%的代币(超1.3亿枚)被申领,另外,目前有超7.17万个地址持有OP。[2022/6/2 3:58:51]

连续型数据库的整体结构图

数据库由多个logsegment组成,每一个logsegment由一个后缀为.log和一个后缀为.idx的文件组成,分别用于存储数据和对应的索引数据。

logsegment的结构图

数据以文件的方式记录到磁盘中,log为后缀的文件记录原数据的信息,idx为后缀的文件记录以log文件为单位的文件索引信息,用于快速定位需要查找的数据位置,每一个log文件都配套有一个相同前缀的idx文件。文件名前缀均为文件中存储的第一条数据的偏移量数值。每一个log文件都有大小限制,当文件超过该限制时,新打开一个文件用于后续数据写入。

我们采用logsegment里的第一条数据的key值作为文件名,也是利用到了数据有序这个特点,使用时间复杂度更低的二分查找来快速确认某一条数据位于哪个logsegment中。在这样的数据结构下,数据的读写效率将变得非常高。

对于一次写入操作,就根据数据构造一条LogEntity和一条IndexEntity,直接追加写入到最后一个文件末尾即可。对于一次读取操作,首先根据要读取的数据的key值,使用二分查找找到该数据所在的log文件中,然后根据该key值相对于文件名的偏移量,计算索引所在位置。计算方式如下:

美政府机构警告来自朝鲜的 IT 工作者可能从事虚拟货币相关的恶意网络攻击:5月17日消息,美国国务院、财政部和联邦调查局发布联合指导文件,警告称来自朝鲜的 IT 工作者常常冒充来自朝鲜以外国家并试图获得工作,他们设计了虚拟货币交易所或为虚拟货币交易者创建了分析工具和应用程序,并自己推销他们的产品,虽然通常从事正常的 IT 工作,他们利用作为承包商获得的特权进行朝鲜的恶意网络入侵。[2022/5/17 3:20:43]

索引位置=偏移量*IndexEntitySize

其中IndexEntitySize的值是一个常量,在我们的设计里大小为17byte,偏移量表示key值相对于文件名的差值。通过计算,可以快速定位到当前key对应数据在文件中位置。通过位置信息,可以读取IndexEntity,得到其中的position字段,找到log文件中的真实读取位置,然后根据log字段中的size得到应该读取的字节范围。

在这样的设计之下,一次数据写入操作只需要两次磁盘IO,一次读取操作只需要三次磁盘IO。相比于LeveDB复杂的数据组织格式,读写效率大大提高。此外,数据量的增大只会增加文件个数,即稍微增加二分查找的时间,但这点计算时间几乎可以忽略不计,也就是说,该数据库随着数据的增大性能不会衰减。

下图为我们设计的连续型数据库相比于LevelDB,可以看出连续型数据库的读写性能远高于LevelDB。

设计这样一个数据库时,初衷是为了能更高效地存储区块数据,让我们的平台拥有更高的性能。随着平台逐渐成熟,我们也不断完善数据库,使其不仅读写效率高,还具有很好的鲁棒性和健壮性,因此我们还从多个角度对我们的数据库进行功能完善和优化,期望能够适应更复杂的存储环境以及更安全地存储数据。

▲?句柄池

在数据库使用过程中,不知道大家会不会经常遇到toomanyopenfiles的问题?那是因为,我们的操作系统对程序中可打开的「句柄数量」是有限制的。为了解决内存中打开的文件句柄过多的问题,更高效地利用句柄,我们引入了一种句柄池的机制来解决上述问题。句柄池的设置能够保证单位时间内句柄的占用内存小,在并发读取下也是线程安全的。

整体架构设计

图中每个句柄entry维护文件名、句柄以及一个引用计数。我们用引用计数表示在当前时间,该句柄在多少个地方正在被使用。只有没有进程在使用该句柄,即句柄引用计数为0的时候句柄才能被关闭。句柄池对外只提供句柄的申请与归还接口。

实际使用过程中,句柄的申请和归还是一个频繁的并发操作,单个句柄池难以同时维护高并发情况下各个句柄的申请与归还。例如刚好要清理句柄时,又出现了该句柄的申请请求,单个句柄池只能通过加读写锁来控制并发,但这势必会降低性能。因此句柄的打开和清理最好分离,所以我们句柄池的设计采用了两个列表轮替的形式,其中一个处于活跃状态,另一个处于清理状态。活跃状态的列表负责维护当前正在使用的句柄,而清理状态的列表则负责将无用句柄关闭。新打开的句柄全部放入活跃列表中,清理列表则负责将所以引用计数为0的句柄关闭。当外部需要获取句柄时,首先在句柄池中查看该句柄是否已经被打开:

如果已经打开,则将其引用计数加1;如果没有打开,则打开句柄,也将引用计数加1,并把句柄放入活跃列表中;外部使用完毕后,归还句柄至句柄池,即句柄的引用计数减1。每隔固定时间,数据库将切换两个列表,原本处于活跃状态的列表将进入后台进行清理,被清理过的列表则转为活跃列表,负责下一阶段里数据库中要使用的句柄的维护。

与此同时,处于清理状态的列表在后台遍历列表,对于引用计数为0的句柄进行关闭。这样的设计能够保证内存不会泄露的同时,更加高效地利用句柄,在频繁读取的情况下保证数据库的性能。

▲?文件完整性

一般来说,成熟的数据库都会保证存入数据的完整性,以防止数据库被篡改或丢失数据却不被发现。在区块链系统中,这一点尤为重要。因此,在上述数据库结构设计的基础上,我们还设计了文件完整性的保证方案。数据库在运行过程中会记录数据状态,当数据库重启时,我们会对数据状态进行校验,以防止数据被篡改。

单条数据的完整性我们已经通过CRC校验码保证了,但单个文件的完整性,我们需要设计其他的机制来保证。我们使用一个EDITLOG文件,用于持久记录存储文件发生的更改。当一个文件写满或者发生变更时,在该文件里追加写入一条记录。记录的格式如下:

文件名变更类型哈希校验码CRC校验码

其中变更类别表示该条记录对应的文件变更操作,由于数据库支持数据归档,因而文件有可能会被新增、删除或切分。

而哈希校验码,我们并没有采用对整个文件内容进行哈希,而是采用对文件名、文件大小和文件修改时间这些信息做哈希计算。因为文件的内容较大,一次哈希的时间会很长,而事实上,防止文件损坏或被篡改,用这几个文件属性就可以基本满足。

CRC校验码则进一步对对文件名和文件变化位计算CRC值,用于保证该条记录不被修改。

本文是存储系列推文的延续,对区块链中连续型数据存储的讲解,着重介绍K/V型数据的存储特点和优化思路,分析了连续型数据的特点,结合以太坊、Fabric存储区块和交易数据的模式,介绍我们设计的连续型数据存储引擎。

通过研究发现,如果利用好连续型数据的特点,其读写效率将远远高于K/V型数据。由此受到启发,在设计或选择数据库的时候,一定要分析我们需要存储的数据特点,根据其特点来设计数据库,才能将性能发挥到极致。

当然,我们在为区块链设计特定的数据库的同时,也希望该数据库能够更加完备与通用,因此也在以一个成熟数据库的标准来优化拓展我们的功能,希望能够应用在更多的场景中。

作者简介

金鹏、王晨璐趣链科技基础平台部区块链存储研究小组

参考文献

https://github.com/ethereum/go-ethereum

https://github.com/hyperledger/fabric

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

地球链

[0:15ms0-0:904ms