Stellar Core提名领导者算法的优化与公平性改进
2025-06-25 04:33:06作者:范靓好Udolf
背景与问题分析
在分布式共识协议中,提名阶段领导者选举算法的公平性至关重要。Stellar Core当前实现中存在一个潜在问题:提名算法对拥有更多验证节点的机构(如Lobstr)存在偏好。这种偏好源于不同机构采用了不同的验证节点配置结构。
当前网络配置中,大多数机构采用"2/3"模式(3个验证节点中选择2个),而Lobstr机构则采用"3/5"模式(5个验证节点中选择3个)。这种差异导致在提名阶段,Lobstr机构节点被选为领导者的概率高于其他机构节点。
技术原理深入解析
Stellar Core的提名领导者选举算法基于IETF技术规范实现,核心机制包括:
- 权重计算函数
weight(v):表示节点v出现在法定人数切片中的比例 - 邻居节点集合
neighbors(n):通过哈希函数确定哪些节点可能成为邻居 - 优先级函数
priority(n,v):决定节点v在轮次n中的优先级
当前实现中,权重计算函数利用了法定人数集结构,但在处理不同阈值配置时存在计算偏差。特别是对于"5/7"这样的配置,计算结果与理论预期不符。
解决方案设计
为解决这一问题,我们提出以下改进方案:
-
权重分配策略:
- 相同质量级别的机构间平均分配权重
- 将低质量级别的验证节点组视为单个"虚拟机构"
-
实现优化:
- 将默认权重计算逻辑移至SCPDriver基类
- 在HerderSCPDriver中实现基于配置的质量级别感知权重计算
- 引入协议版本控制,平滑过渡到新算法
-
权重归一化处理:
- 针对权重总和为1.0导致单个权重值过小的问题
- 以最高质量级别的机构权重为基准进行归一化
实现细节与测试验证
改进后的算法实现考虑了多种配置场景:
-
对于当前7个机构的配置:
- SDF节点权重:UINT64_MAX/21
- Lobstr节点权重:UINT64_MAX/35
-
对于扩展配置(如4个中等机构+2个低质量机构):
- SDF节点权重:UINT64_MAX/24
- 中等机构节点权重:UINT64_MAX/96
- 低质量机构节点权重:UINT64_MAX/192
为确保算法正确性,我们进行了:
- 蒙特卡洛模拟测试,验证新算法在各种配置下的行为
- 超级集群测试,验证从旧算法到新算法的升级过程
- 文档更新,清晰说明新算法原理和配置方式
技术影响与未来展望
这一改进显著提升了Stellar网络提名阶段的公平性,消除了对特定机构的偏好。从技术架构角度看:
- 增强了系统的去中心化特性
- 提高了共识过程的抗操纵能力
- 为未来支持更复杂的机构结构和质量级别配置奠定了基础
未来可进一步优化本地节点权重的计算逻辑,使其更好地融入机构架构中,实现更对称的领导者选择机制。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C037
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0114
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
433
3.29 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
352
Ascend Extension for PyTorch
Python
237
271
暂无简介
Dart
690
162
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
仓颉编程语言运行时与标准库。
Cangjie
143
881
React Native鸿蒙化仓库
JavaScript
266
327
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
211
114
仓颉编译器源码及 cjdb 调试工具。
C++
138
869