高稳定性区块链节点存储容量检测仿真技术

李 凡，高 琳

(成都信息工程大学区块链产业学院，四川 成都 610225)

1 引言

区块链是一个信息技术领域的术语，从结构上来讲，区块链就是一个共享数据库，是分布式数据储存与点对点传输的新型应用模式，高稳定性区块链具有全程留痕、追溯性强且公开透明等特征[1-2]。区块链节点能够按照数据的时间顺序，采用链式结构对数据进行组织，改变了原有信息数据的储存传输方式。

国外在检测仿真区块链节点储存容量起步较早，现已经设计得到的一种点对点分布式的节点结构，研究得到了多种储存容量的检测方法和检测算法，初步建立了一种分布式的节点储存生态[3]。国内在研究节点储存容量检测仿真起步较晚，当下的研究水平还处于起步阶段，目前得到的检测仿真技术只存在于理论阶段，在实际应用层面上，还需要不断地学习研究[4]。文献[5]提出基于双区块链的医疗记录安全存储与共享方法，用两个联盟链分别对医疗记录进行存储和共享。该方案解决了传统单链应用扩展性差、吞吐量低、医疗记录共享和存储分离等问题，利用区块链的去中心化特性和智能合约的链上代码实现对不可信任环境下的访问控制，有效保护了存储和共享过程中患者的隐私数据安全。文献[6]提出区块链技术的城市智能交通大数据平台及仿真，以雾霾条件下道路网交通流数据丢失为模拟实例，提出了基于区块链技术的道路网交通流数据丢失的具体应用方法。以北京地区部分道路网为例进行模拟，结果表明，由于设备配置、分属管理机构等因素的限制，获取的道路网数据覆盖率受客观环境的影响较大，可能导致数据丢失；所有数据采集系统都要独立运行，无法在网络底层共享数据；基于区块链技术的城市智能交通大数据平台架构，突破了组织机构的局限性，实现了城市智能交通数据共享，进一步解决了传统网络架构中的数据丢失问题。虽然上述研究取得一定进展，但在节点存储容量检测存在一定局限性，为此设计一种高稳定性区块链节点储存容量检测仿真技术。在区块链分布式储存方式的控制下，能够充分的利用硬盘空间，避免资源浪费。

2 高稳定性区块链节点存储容量检测仿真技术

2.1 计算高稳定性区块链节点性能

在计算高稳定性区块链节点性能时，受到节点硬件的影响，各个节点参数的量纲不同，所以在计算节点性能前，标准化处理节点性能参数，可表示为

(1)

(2)

其中，ki表示节点i的性能数值，si表示硬盘储存容量，ci表示CPU处理的频率，Di表示磁盘IO的速率，Mi表示内存大小，Wi表示互联网带宽。区块链在实际运用过程中，划分区块为不同的分片单位，对应区块数据被划分为众多分片数据并储存在节点上，根据上述计算式(2)中计算得到的性能数值，得到区块链中所有组中节点的性能总和，可表示为

(3)

其中，Pt表示区块链组中普通节点的性能总和，l表示节点数量，其余参数含义不变。以上述计算得到的节点总性能数值为基础[7]，根据高稳定性区块链工作时节点的分配情况，计算得到储存组中待分配的虚节点个数，可表示为

(4)

在图1构建的更新处理过程下，以节点评价处理得到的数值作为处理对象，构建一个节点储存容量检测方法。

图1 构建的更新处理过程

2.2 构建节点储存容量检测方法

以上述处理得到的节点信息作为处理对象，计算各个节点的权重，计算公式可表示为

(5)

其中，T表示整数常量，fn表示区块链节点缓存数据的大小，其余参数含义不变。定义上述得到的权重数值为节点储存空间PSN数值，在构建节点储存容量检测方法时，将得到的PSN数值作为区块链终端请求数据[9]，得到数据在节点表现出的储存命中率，可表示为

(6)

其中，hi表示节点i一次就储存满的次数，ri表示区块链的总访问次数。在该命中率数值的控制下，区块链储存数据直接从云端获取命令，省去了区块链其它的节点路径[10]，将上述计算公式得到的命中数值作为检测参数，构建一个检测响应过程，可表示为

(7)

其中，Ri表示节点i的检测数量，其余参数含义不变。当区块链不同节点产生交互时，节点之间产生一定的储存迁移，实际检测过程会产生一些检测错误，为了处理该部分检测错误，设定一个检测平衡架构，设定的检测平衡架构如图2所示。

图2 设定的检测平衡架构

根据上图设定的平衡架构可知，为了消除检测过程产生的错误，使用哈希算法处理各个节点产生的数据负载，根据区块链产生的交互周期，定时更新节点储存状态[11]。节点储存容量检测方法构建完毕后，以上图中设定的平衡架构作为仿真进程，完成检测仿真技术的设计。

2.3 实现检测仿真

将图2中的平衡架构处理过程看作仿真的实际进程，实际检测仿真时，定义节点的权重数值小于计算式(5)中的数值即为敏感，提取区块链中的敏感节点，可表示为

(8)

其中，mi(w)表示超过(5)中的敏感节点数量，C表示惩罚参数。计算该部分敏感节点产生的储存容量损耗，损耗可表示为

(9)

其中，b表示敏感参数，其余参数含义不变。将上述计算得到的损耗参数作为仿真链路参数，设定的仿真链路结构如图3所示。

图3 设定的仿真链路结构

在图3设定的仿真链路结构下，首先分组处理获取得到的敏感节点，记录敏感节点起始地址的偏移量，将该偏移量作为仿真检测的起点，在区块链节点协议的控制下，将复制器生成多个分组，并将检测过程整合为一个仿真执行任务，根据区块链工作的时间顺序，设定节点储存容量的检测仿真顺序[12]。综合上述处理，最终完成对高稳定性区块链节点储存容量检测仿真技术的设计。

3 实验研究

3.1 实验准备

为了验证高稳定性区块链节点存储容量检测仿真技术，采用实验室的主机以及服务器模拟区块链网络中的节点，使用一台主机配备7台服务器，使用的服务器参数如表1所示。

表1 服务器参数

在表1所示的服务器参数控制下，采用一个仿真数字通讯接口板卡，连接上述参数的服务器，使用的板卡硬件参数以及功能如表2所示。

表2 使用的硬件板卡组成以及功能

使用表2参数控制的仿真数字通讯接口板，控制板卡上存在两种收发独立的数据、地址以及控制总线实现服务器与主机间的双向通讯，实现节点数据间的交互。硬件结构连接完毕后，调试主机与仿真接口板间处于正常工作状态，模拟区块链实验环境后，分别使用文献[5]中的检测仿真技术、文献[6]中的检测仿真技术以及文中设计的检测仿真技术进行实验，对比三种检测仿真技术的性能。

3.2 结果及分析

基于上述实验准备，设置实验环境中区块的数量为500～5000个，统计在三种检测仿真技术下，不同区块数量控制下，节点的储存容量大小，节点储存容量结果如表3所示。

表3 三种检测仿真方法得到的节点储存容量结果

由表3所示的实验结果可知，在三种检测仿真方法控制下，不断增加区块链中的区块数量，根据上述数值可知，节点增加相同数量的区块时，文献[5]中的检测仿真方法节点储存容量数值较小，节点数据产生的冗余较多。文献[6]中的检测仿真方法得到的节点储存数值较大，对应节点产生的数据冗余较少，而文中设计的检测仿真技术最终产生的节点储存数值最大，可知对应区块链节点产生的冗余数据最少。文中设计的检测仿真技术在实验环境中产生的检测数据最少。

保持上述实验环境不变，设置三种检测仿真技术请求节点数据量为1000个，设定节点数据请求的频率为固定数值，改变三种检测仿真技术的请求检测数据量的大小为0.5×106～2.0106，统计在不同数据量的检测仿真请求下，三种检测仿真技术执行检测命令的时间，结果如表4所示。

表4 三种检测仿真技术执行检测命令的时间

由表4所示检测仿真任务的请求时间结果可知，三种检测仿真方法表现出了不同大小的请求时间，根据上表统计得到的时间数值可知，文献[5]中的检测仿真技术产生的检测仿真任务的时间最长，当检测指令数据量在2.0×106bit时，所需的检测时间在1.49min左右，消耗的检测时间最长。文献[6]中的检测仿真技术在相同检测仿真指令数据下，产生的检测时间在1.19min左右，所需的时间较短。而文中设计的检测仿真方法在相同检测指令数据的控制下，实际产生的检测仿真时间在0.69min左右，与两种文献中的检测仿真方法相比，文中设计的检测仿真方法实际产生的检测时间最少。

在上述实验环境下，定义模拟节点环境中服务器出错的错误率代表仿真检测出现的错误概率，该错误概率可表示为

(10)

表5 三种检测仿真方法产生的错误率

由表5所示的错误率结果可知，三种检测仿真方法表现出了不同数值的错误率结果，在相同数量的区块控制下，文献[5]中的检测仿真技术产生的检测错误率最大，数值在45～50%之间，文献[6]中的检测仿真方法最终产生的错误率数值在30～40%之间，错误率数值较小。而文中设计的检测仿真技术最终产生的错误率数值在8～12%之间，实际检测仿真时产生的错误率最小。综合上述实验结果可知，文中设计的检测仿真方法实际仿真产生的数据冗余量最小、检测仿真执行时间最短且检测产生的错误率数值最下，适合在实际仿真过程中运用。

4 结束语

针对文献中检测仿真方法存在储存容量数值错误率较高的问题，设计一种高稳定性区块链节点储存容量检测仿真技术，改善了文献检测仿真方法执行检测命令时间过长的不足，为今后检测仿真区块链节点储存容量提供了一定的研究方向。