Hyperledger Fabric 排序服务(Ordering Service)深入解析:Raft 与 BFT 共识架构、交易流程与生产部署指南

原创2026-09-21 14:52:161,961 阅读
文章标签:区块链后端企业应用身份认证密码学微服务

Hyperledger Fabric 排序服务(Ordering Service)深入解析:Raft 与 BFT 共识架构、交易流程与生产部署指南

Hyperledger Fabric 采用"执行-排序-验证"(execute-order-validate)分离架构,其中排序服务(ordering service) 由一组被称为 orderer(排序节点) 的节点构成,是决定交易最终顺序、打包区块并保证账本最终一致性的核心组件。本文基于当前仓库 docs/source/orderer/ordering_service.md 展开,深入讲解排序服务的定位、orderer 与 peer 的交互、三阶段交易流程,以及当前受支持的 Raft(etcdraft) 与 BFT(SmartBFT) 两种排序服务实现的核心概念、架构原理与生产部署要点,帮助架构师、排序服务管理员和通道创建者快速建立可落地的技术认知。

什么是排序(ordering)?

许多非许可型区块链(如 Ethereum、Bitcoin)允许任何节点参与共识过程,即对交易进行排序并打包进区块。由于无法预知哪些节点会参与,这类系统只能依赖概率性共识算法,最终以较高的概率保证账本一致性,但仍可能出现分叉(fork)——即网络中不同参与方对交易的接受顺序持有不同视图。

Hyperledger Fabric 的工作方式截然不同。它专门设置了一种名为 orderer(又称"排序节点")的节点负责交易排序,多个 orderer 节点共同组成 排序服务。由于 Fabric 的设计依赖确定性共识算法,任何被 peer 验证通过的区块都保证是最终且正确的,账本不会像许多其他分布式、非许可型区块链那样发生分叉。

除了提升最终性(finality),将链码执行的背书(发生在 peer 上)与排序(发生在 orderer 上)相分离,还为 Fabric 带来了性能和可扩展性方面的优势,消除了由同一组节点同时承担执行与排序任务时可能出现的瓶颈。

从仓库源码来看,排序服务通过 orderer/consensus/consensus.go 中定义的 Consenter 与 Chain 接口抽象出来:

  • Consenter.HandleChain 为给定通道创建并返回 Chain 引用;
  • Chain 接口定义了 Order(处理普通交易)、Configure(处理配置更新)、WaitReady、Start、Halt 等方法,供 etcdraft、smartbft 等具体共识实现去满足。
// Consenter defines the backing ordering mechanism.
type Consenter interface {
	HandleChain(support ConsenterSupport, metadata *cb.Metadata) (Chain, error)
}

type Chain interface {
	Order(env *cb.Envelope, configSeq uint64) error
	Configure(config *cb.Envelope, configSeq uint64) error
	WaitReady() error
	Errored() <-chan struct{}
	Start()
	Halt()
}

(节选自 orderer/consensus/consensus.go)

Orderer 节点与通道配置

Orderer 还为通道执行基础的访问控制,限制谁能读取、写入通道数据,以及谁能配置通道。请记住:谁有权修改通道中的某个配置元素,取决于通道创建时相关管理员设定的策略(policies)。

配置交易由 orderer 处理,因为它需要知道当前策略集合才能执行这种基础访问控制。处理流程如下:

  1. Orderer 处理配置更新请求,确认请求方拥有相应的管理权限;
  2. 若权限通过,orderer 依据现有配置校验更新请求;
  3. 生成新的配置交易并打包进区块;
  4. 该区块被中继(relay)给通道上的所有 peer;
  5. Peer 依次处理配置交易,验证 orderer 批准的那些修改确实满足通道中定义的策略。

对应地,Fabric 的 Chain 接口为配置更新提供了专门入口 Configure(config *cb.Envelope, configSeq uint64) error,与普通交易入口 Order 相互独立,体现了配置交易在排序服务中被特殊对待的设计(详见 orderer/consensus/consensus.go)。

Orderer 节点与身份(Identity)

一切与区块链网络交互的主体——包括 peer、应用、管理员和 orderer——都从其数字证书与 MSP(成员服务提供者) 定义中获得组织身份。更多身份与 MSP 背景可参考 Identity 与 Membership 主题。

与 peer 类似,排序节点也归属于某个组织,且每个组织应使用独立的证书颁发机构(CA)。这个 CA 是作为根 CA 运行,还是部署根 CA 后再挂接与其关联的中间 CA,完全由你决定。

Orderer 与交易流程

Fabric 的交易流程分为三个阶段,确保网络中所有 peer 的账本彼此保持一致。

第一阶段:交易提案与背书(Transaction Proposal and Endorsement)

在第一阶段,客户端应用通过可信 peer 向 Fabric Gateway 服务提交交易提案。该 peer 执行被提案的交易,或将其转发给本组织内的另一个 peer 执行。

Gateway 还会把交易转发给背书策略要求的各组织中的 peer。这些背书 peer 运行交易并向 Gateway 服务返回交易响应,但此时不会把提议的更新应用到自己的账本副本上。已被背书的交易提案最终会在第二阶段被排序进区块,并在第三阶段分发给所有 peer 做最终验证与账本提交。

注:Fabric v2.3 SDK 将 v2.4 Fabric Gateway 服务的逻辑内嵌到了客户端应用中。本仓库对应的交易提案实现可参考 core/endorser/endorser.go,其中 Endorser 负责在 peer 侧接收并模拟执行提案,生成背书响应。

第二阶段:交易提交与排序(Transaction Submission and Ordering)

第一阶段成功后,客户端应用会从 Fabric Gateway 服务拿到已背书的交易提案响应用于签名。对于已背书的交易,Gateway 服务将其转发给排序服务,排序服务将其与其他已背书交易一起排序,并打包进一个区块。

排序服务创建这些交易区块,最终在第三阶段分发给通道上所有 peer 进行验证并提交到账本。区块本身也是有序的,它们是区块链账本的基本组成单元。

  • 排序服务节点会并发地从许多不同客户端应用(经由 Gateway)接收交易;
  • 这些排序服务节点共同构成排序服务,可被多个通道共享;
  • 一个区块中的交易数量取决于通道配置中关于区块期望大小与最大等待时长的参数(即 BatchSize 与 BatchTimeout 参数);
  • 区块随后被保存到 orderer 的账本,并分发给通道上的所有 peer;
  • 如果某个 peer 当时恰好宕机,或稍后才加入通道,它会通过与其他 peer gossip 来获取错过的区块。

值得强调的是:区块内交易的先后顺序,未必与排序服务接收交易的顺序一致,因为可能有多个排序服务节点在同一时间附近收到交易。重要的是:排序服务把交易放进了严格顺序,peer 将依据这个顺序验证和提交交易。

这种区块内交易的严格排序,使 Hyperledger Fabric 不同于其他区块链——在其他链上,同一笔交易可能被打包进多个相互竞争的区块以形成链。在 Fabric 中,排序服务生成的区块是最终的:一旦交易被写入区块,它在账本中的位置就不可变地确定了。正如前文所说,Fabric 的最终性意味着没有账本分叉——已验证并提交的交易永远不会被回滚或丢弃。

还可以看到:peer 执行智能合约(链码)并处理交易,而 orderer 绝不这么做。到达 orderer 的每笔被授权交易都被机械地打包进区块——orderer 对交易内容不做任何判断(前面提到的通道配置交易除外)。

第二阶段结束时,orderer 负责的正是这些简单但至关重要的过程:收集被提议的交易更新、对其进行排序、打包成区块,为分发给通道 peer 做好准备。

从源码看,区块的切割(block cutting)由 orderer/common/blockcutter 实现,区块大小与时间由通道配置中的 BatchSize 与 BatchTimeout 控制;默认示例配置见 sampleconfig/configtx.yaml:

Orderer: &OrdererDefaults
  # 可用类型为 "etcdraft" 与 "BFT",solo/kafka 已不再支持
  OrdererType: etcdraft
  # 创建批次前等待的时间
  BatchTimeout: 2s
  BatchSize:
    # 一个批次中允许的最大消息数,任何区块都不会超过该数目
    MaxMessageCount: 500
    # 批次中序列化消息的绝对最大字节数,建议不超过 49 MB
    AbsoluteMaxBytes: 10 MB
    # 批次的最优最大字节数(尽力而为的最大尺寸)
    PreferredMaxBytes: 2 MB

第三阶段:交易验证与提交(Transaction Validation and Commitment)

第三阶段涉及排序服务把已排序并打包的区块分发给通道 peer,由 peer 验证并提交到账本。

第三阶段开始时,排序服务将区块分发给所有通道 peer。值得注意的是,并非每个 peer 都需要直连 orderer——peer 可以使用 gossip 协议把区块级联传给其他 peer——尽管直接从排序服务接收区块是推荐做法。

每个 peer 会独立验证分发的区块,确保账本保持一致。具体而言,通道中每个 peer 都会验证区块中的每笔交易,确保:

  • 交易已由要求的组织背书;
  • 各背书相互匹配;
  • 交易未被其他最近提交的交易作废。

被判定无效的交易仍会保留在 orderer 创建的不可变区块中,但 peer 会将其标记为无效,且不会更新账本的世界状态。

Orderer 向 peer 分发区块

排序节点的第二个角色是向 peer 分发区块。在此示例中,orderer O1 将区块 B2 分发给 peer P1 与 peer P2。P1 处理区块 B2,在 P1 的账本 L1 上新增一个区块;与此同时 P2 也处理区块 B2,在其账本 L1 上新增一个区块。该过程完成后,账本 L1 在 P1 与 P2 上得到了一致更新,二者可通知连接的应用交易已被处理。

总结而言,第三阶段完成了由排序服务创建的交易区块在 peer 账本上的一致性应用。交易被严格排序进区块,使得每个 peer 都能验证交易更新在通道内被一致地应用。

排序服务实现

尽管目前可用的排序服务都以相同方式处理交易与配置更新,但在排序服务节点之间达成"交易严格排序"共识的方式却有多种实现。无论节点用于哪种实现,搭建排序节点的通用步骤可参考 生产环境排序服务部署。

Raft(etcdraft)

Raft 自 v1.4.1 引入,是一种基于 Raft 协议,核心文件包括:

  • chain.go:Chain 接口的 etcdraft 实现,负责把交易接入 Raft 节点、切割区块、提交账本;
  • node.go:封装 go.etcd.io/raft/v3 的 Raft 节点,处理心跳、选举、日志复制;
  • storage.go:基于 etcd wal 的日志与快照存储。
// node.go 中 Raft 节点启动的关键逻辑
if fresh {
    if join {
        n.Node = raft.RestartNode(n.config) // 加入既有通道
    } else {
        // 新通道:hash(channelID) % cluster_size + 1 的节点率先发起竞选
        sha := sha256.Sum256([]byte(n.chainID))
        ...
        n.Node = raft.StartNode(n.config, raftPeers)
    }
} else {
    n.Node = raft.RestartNode(n.config) // 重启既有节点
}

(节选自 orderer/consensus/etcdraft/node.go)

BFT(SmartBFT,v3.0 新增)

BFT(拜占庭容错)排序服务不仅能承受崩溃故障,还能承受一部分节点恶意行为。现在可以基于 SmartBFT,其 BFTChain 通过 chain.go 与 SmartBFT 库对接。

Kafka 与 Solo(已废弃)

  • Kafka:已在 v2.x 中废弃,v3.x 不再支持。
  • Solo(v2.x 中废弃):Solo 排序服务实现仅用于测试,只包含单个排序节点,已废弃,并可能在未来的版本中完全移除。Solo 现有用户应迁移到单节点 Raft 网络以获得同等功能。

当前仓库 sampleconfig/configtx.yaml 的文件头注释也明确说明:"Since release V3.0 Solo, Kafka and the System Channel have been removed and are no longer supported."(自 V3.0 起,Solo、Kafka 与系统通道已被移除,不再支持。)

Raft 深入解析

生产网络的首选排序服务,是 Fabric 对成熟 Raft 协议的实现。它采用"领导者-跟随者"模型:通道内的排序节点(这一节点集合称为 consenter set)动态选出一个领导者,领导者把消息复制给跟随者节点。只要剩余排序节点仍构成多数(quorum),系统就能承受节点(包括领导者节点)的丢失,因此 Raft 被称为"崩溃容错(CFT)"。

  • 若通道有 3 个节点,可承受丢失 1 个节点(剩 2 个);
  • 若通道有 5 个节点,可丢失 2 个节点(剩 3 个)。

这一特性是制定排序服务高可用策略时的重要因素。生产环境中,你还会希望把这些节点分散到不同的数据中心乃至不同地理位置。例如把 3 个节点分别部署到 3 个不同的数据中心——这样即使某个数据中心或整个地理位置不可用,其他数据中心的节点仍能继续工作。

Fabric Raft 实现的补充要点:

  • Fabric Raft 实现在 Fabric 开发者社区及其支持体系内开发和维护;
  • Raft 允许用户指定哪些排序节点被部署到哪个通道。这样,如果 peer 组织自己也拥有 orderer,就可以确保该节点成为该通道排序服务的一部分,而不必信任并依赖中心化管理员来管理节点;
  • Raft 是 Fabric 开发拜占庭容错(BFT)排序服务的第一步,Raft 开发中的一些决策正是为此驱动的。如果你对 BFT 感兴趣,学习使用 Raft 会让过渡更平滑。

注意:与 Solo 类似,Raft 排序服务在向客户端发送"已收到"确认之后仍可能丢失交易。例如,领导者在某个跟随者确认收到交易的同时崩溃。因此,应用客户端无论如何都应监听 peer 上的交易提交事件(以检查交易有效性),并额外小心地确保客户端能优雅地容忍"交易未在配置时限内提交"的超时。根据应用场景,超时后可以选择重新提交交易或收集一组新的背书。

Raft 核心概念

Raft 以简单易用的方式提供了许多特性,并为 Fabric 引入了一些新概念或对既有概念的变体:

日志条目(Log entry)。Raft 排序服务的基本工作单元是"日志条目",完整的条目序列称为"日志"。若多数(即 quorum)成员对条目及其顺序达成一致,日志即被认为一致,各 orderer 上的日志因此被复制。

Consenter set。为给定通道积极参与共识机制、并接收该通道复制日志的排序节点集合。在 etcdraft 中,membership.go 负责维护这一集合对应的 Raft 配置。

有限状态机(Finite-State Machine,FSM)。Raft 中的每个排序节点都有一个 FSM,它们共同用于确保各排序节点上日志序列是确定性的(以相同顺序写入)。

Quorum。描述需要多少 consenter 认可一项提案才能使交易被排序。对每个 consenter set 而言,这是节点的多数。在一个 5 节点集群中,必须有 3 个节点可用才能构成 quorum。若 quorum 因故不可用,排序服务集群对通道的读写操作都将不可用,也无法提交新的日志。

领导者(Leader)。这不是新概念,但关键是理解:在任意时刻,通道的 consenter set 会选出单个节点作为领导者。领导者负责接收新日志条目、将其复制给跟随者排序节点,并管理条目何时被视为已提交。这并不是一种特殊的 orderer 类型,而只是 orderer 在特定时刻扮演的角色,随情况变化而切换。

跟随者(Follower)。关键点在于:跟随者从领导者处接收日志并确定性地复制,确保日志保持一致。在后面的领导者选举章节我们会看到,跟随者还接收领导者发送的"心跳"消息。如果领导者在可配置的一段时间内停止发送心跳,跟随者会发起领导者选举,其中一个跟随者将被选为新的领导者。

Raft 在交易流程中的角色

每个通道都运行在独立的 Raft 协议实例上,这使得每个实例可以选出不同的领导者。这种配置还允许在集群由不同组织控制的排序节点构成时进一步去中心化服务。只要一次只添加或移除一个节点,排序节点就可以按需加入或离开通道。虽然这种配置以冗余心跳消息和 goroutine 的形式带来更多开销,但它为 BFT 奠定了必要的基础。

在 Raft 中,交易(以提案或配置更新的形式)会由接收交易的排序节点自动路由到该通道当前的领导者。这意味着 peer 和应用无需知道任意时刻谁是领导者节点——只有排序节点自己需要知道。

当 orderer 的验证检查完成后,交易被排序、打包进区块、达成共识并分发,正如交易流程第二阶段所描述的那样。

架构笔记

Raft 中的领导者选举如何工作

尽管选举过程发生在 orderer 内部进程中,理解其机制仍然有价值。Raft 节点始终处于三种状态之一:跟随者(follower)、候选者(candidate)、领导者(leader)。

  • 所有节点初始为跟随者。在此状态下,它们可以接受来自领导者(如果已选出)的日志条目,或为领导者投出选票;
  • 若在设定时间(例如 5 秒)内未收到日志条目或心跳,节点自我提升为候选者;
  • 候选者状态中,节点向其他节点请求选票。若候选者获得 quorum 的选票,则被提升为领导者;
  • 领导者必须接受新日志条目并复制给跟随者。

从源码看,node.go 中计算选举超时的逻辑是:

electionTimeout := n.tickInterval.Seconds() * float64(n.config.ElectionTick)

(节选自 orderer/consensus/etcdraft/node.go)

其中 TickInterval 与 ElectionTick 均来自通道配置 EtcdRaft.Options(见下文配置段落)。一个可视化理解 Raft 领导者选举的好资源是 The Secret Lives of Data。

快照(Snapshots)

如果一个排序节点宕机,重启后它如何获取错过的日志?

虽然可以无限期保留所有日志,但为了节省磁盘空间,Raft 采用"快照(snapshotting)"过程:用户可以定义在日志中保留多少字节的数据。这个数据量会对应一定数量的区块(具体取决于区块中的数据量。注意:快照中只存储完整的区块)。

例如,假设滞后的副本 R1 刚刚重新连接到网络,其最新区块为 100。领导者 L 在区块 196,并配置为按本例中代表 20 个区块的数据量进行快照。R1 因此会从 L 接收区块 180,然后发出 Deliver 请求获取区块 101 到 180。区块 180 到 196 则通过正常的 Raft 协议复制到 R1。

该机制对应源码中的 SnapshotIntervalSize(默认 16 MB)与 DefaultSnapshotCatchUpEntries 等常量,见 orderer/consensus/etcdraft/chain.go:

const (
	// DefaultSnapshotCatchUpEntries is the default number of entries
	// to preserve in memory when a snapshot is taken.
	DefaultSnapshotCatchUpEntries = uint64(4)
	// DefaultSnapshotIntervalSize is the default snapshot interval.
	DefaultSnapshotIntervalSize = 16 * MEGABYTE
	// DefaultEvictionSuspicion is the threshold that a node will start
	// suspecting its own eviction if it has been leaderless for this period.
	DefaultEvictionSuspicion = time.Minute * 10
)

BFT(SmartBFT)深入解析

Fabric BFT orderer 实现所采用的协议是 SmartBFT 协议,其深受 BFT-SMART 协议启发,而 BFT-SMART 本身可以被视为开创性 PBFT 协议的非流水线版本(非流水线共识协议意味着只有在前一个区块达成共识后,才能对下一个区块达成共识)。

与 Raft 一样,该协议指定单个领导者将交易批处理成区块并发给其余节点(称为跟随者)。但与 Raft 不同,领导者不是动态选出的,而是每当跟随者节点怀疑上一任领导者出现故障时,就按轮询(round-robin)方式轮换领导者。

与 Raft 的另一个区别是:Raft 要求超过一半的节点可用排序服务才能工作,而 BFT 协议可承受最多(不含)三分之一的节点故障。如果三分之一或更多的节点崩溃或不可达,就无法就任何区块达成一致。

BFT orderer 相对 Raft orderer 的优势在于:它能承受部分节点被攻陷。事实上,只要最多(不含)三分之一的 orderer 节点被恶意方控制,系统仍能接受新交易、为它们排序,并且最重要的是,确保其余排序节点提交相同的区块。这与 Raft 形成对比——Raft 不适合部署在如此严苛的对抗模型中。

操作 BFT orderer 与操作 Raft orderer 完全相同:可以在系统运行期间动态地添加和移除通道中的节点,详见 重新配置指南。

与 Raft 类似,BFT 领导者会定期向每个跟随者发送心跳;如果跟随者在某段时间内没有收到领导者的消息,它就会开始游说其他跟随者更换领导者。

与 Raft 的一个重大区别是:客户端向 BFT 排序服务提交交易时,应把交易发送给所有节点,而不是单个节点。把交易发送给所有节点不仅确保它到达领导者节点,还能保证即使领导者是恶意的并忽略客户端的交易,它最终也别无选择,只能把交易包含在未来的某个区块中——否则它将面临被已收到该交易、却等得不耐烦的跟随者节点推翻的风险。

虽然把交易发送给所有节点看似是一个缺点,但 BFT 交易语义实际上相对于 Raft 交易语义有一个隐含优势:

  • 在 Raft 中,把交易发送给某个 orderer 并不能保证它被包含进区块,发给所有节点也一样,因为领导者可能崩溃,然后交易可能丢失;
  • 在 BFT 中,即使领导者崩溃,交易仍会保留在跟随者节点的内存中,最终要么被发给新领导者并包含进区块,要么原领导者被迫更换为最终会包含该交易的新领导者。

通过 gateway 服务 提交交易的应用无需做任何更改,因为 gateway 服务会根据通道的配置知道是应提交给所有排序节点还是只提交给一个,并据此行事。

BFT 的通道配置

BFT 排序服务使用通道配置中的 ConsenterMapping 定义各 consenter 的身份、端点与加密材料;建议至少配置 3*F+1 个节点(F 为潜在故障数),并且(在 BFT/V3 中)全局 Orderer/Addresses 不再受支持。BFT 特有的共识选项集中在 SmartBFT 段落。示例(节选自 sampleconfig/configtx.yaml):

Orderer:
  OrdererType: BFT
  BatchSize:
    MaxMessageCount: 5000
    AbsoluteMaxBytes: 10 MB
  SmartBFT:
    RequestBatchMaxInterval: 200ms      # 请求批处理的最大间隔
    RequestForwardTimeout: 5s           # 请求转发超时
    RequestComplainTimeout: 20s         # 请求投诉(抱怨领导)超时
    RequestAutoRemoveTimeout: 3m0s      # 请求自动移除超时
    ViewChangeResendInterval: 5s        # 视图变更重发间隔
    ViewChangeTimeout: 20s              # 视图变更超时
    LeaderHeartbeatTimeout: 1m0s        # 领导者心跳超时
    CollectTimeout: 1s                  # 收集超时
    IncomingMessageBufferSize: 200      # 入站消息缓冲区大小
    RequestPoolSize: 100000             # 请求池大小
    LeaderHeartbeatCount: 10            # 领导者心跳计数
  ConsenterMapping:
    - ID: 1
      Host: bft0.example.com
      Port: 7050
      MSPID: OrdererOrg1
      Identity: /path/to/identity
      ClientTLSCert: path/to/ClientTLSCert0
      ServerTLSCert: path/to/ServerTLSCert0
    # ... 更多 consenter ...

排序服务实现的选择与配置对照

Raft 通道配置(EtcdRaft)

当 OrdererType 选择 etcdraft 时,需要在通道配置中提供 EtcdRaft 段落(示例见 sampleconfig/configtx.yaml):

Orderer:
  OrdererType: etcdraft
  EtcdRaft:
    # 该网络的 Raft 副本集合,每个副本同时也是 OSN(排序服务节点)
    Consenters:
      - Host: raft0.example.com
        Port: 7050
        ClientTLSCert: path/to/ClientTLSCert0
        ServerTLSCert: path/to/ServerTLSCert0
      # ... 更多 consenter ...
    Options:
      # 两次 Node.Tick 调用之间的时间间隔
      TickInterval: 500ms
      # 选举前必须经过的 Node.Tick 调用次数;ElectionTick 必须大于 HeartbeatTick
      ElectionTick: 10
      # 两次心跳之间必须经过的 Node.Tick 调用次数
      HeartbeatTick: 1
      # 乐观复制阶段最多允许的在途 append 消息数
      MaxInflightBlocks: 5
      # 触发一次快照所需的字节数
      SnapshotIntervalSize: 16 MB

这些 Options 直接映射到 orderer/consensus/etcdraft/chain.go 中 Options 结构体与 Raft 节点配置,ElectionTick、HeartbeatTick、TickInterval 共同决定了领导者选举与故障切换的时效(如 node.go 中的 electionTimeout 计算所示)。

orderer.yaml 中的节点级配置

无论选择哪种共识实现,每个排序节点的运行参数都由 orderer.yaml 决定。当前仓库的默认样例位于 sampleconfig/orderer.yaml,与排序服务关系最密切的几个段落如下:

General:
  ListenAddress: 127.0.0.1
  ListenPort: 7050
  TLS:
    Enabled: false          # 生产环境应开启
    PrivateKey: tls/server.key
    Certificate: tls/server.crt
  LocalMSPDir: msp          # 本节点私有加密材料目录
  LocalMSPID: SampleOrg     # 本地 MSP ID
  Cluster:
    SendBufferSize: 100     # 集群节点间通信出口缓冲区大小
    # ReplicationPolicy: BFT 下为 "simple" | "consensus"(默认);etcdraft 下被忽略
    ReplicationPolicy:
FileLedger:
  Location: /var/hyperledger/production/orderer   # 区块存储目录
Consensus:
  # 该段落对共识插件而言是不透明的,具体键值对取决于插件
  WALDir: /var/hyperledger/production/orderer/etcdraft/wal      # etcd/raft 写前日志目录
  SnapDir: /var/hyperledger/production/orderer/etcdraft/snapshot # 快照存储目录

要点说明:

  • Consensus 段对 orderer 本体是不透明的,完全由共识实现自行使用;对 etcdraft 而言使用 WALDir(写前日志,每个通道一个以通道 ID 命名的子目录)与 SnapDir(快照目录)两个键;
  • General.Cluster 用于排序服务节点之间的通信(例如 Raft 排序服务),其中的 ReplicationPolicy 在 BFT 下可取 simple 或 consensus(默认),在 etcdraft 下该字段被忽略、始终为 simple(详见 sampleconfig/orderer.yaml 中的注释);
  • 生产环境建议开启 TLS 并配置正确的 LocalMSPDir、LocalMSPID,节点级完整检查清单可参考 生产排序节点检查清单。

总结

排序服务是 Hyperledger Fabric 确定性共识与账本最终性的基石:它把"背书执行(peer)"与"交易排序(orderer)"解耦,通过 BatchSize/BatchTimeout 控制出块节奏,向所有通道 peer 分发严格有序的最终区块,并确保配置交易按通道策略得到正确校验。

在实现层面:

  • Raft(etcdraft):生产首选,崩溃容错,"领导者-跟随者"模型,每个通道运行独立 Raft 实例,支持动态增删 consenter,配合快照机制控制磁盘占用,实现位于 orderer/consensus/etcdraft;
  • BFT(SmartBFT):v3.0 起可用,拜占庭容错,可承受最多(不含)三分之一节点被攻陷,领导者按轮询轮换,客户端交易需广播给所有排序节点(gateway 会自动处理),实现位于 orderer/consensus/smartbft;
  • Kafka 与 Solo 均已在 v3.x 移除,现有用户应迁移至 Raft 或 BFT。

选择哪种实现,取决于你对容错模型(崩溃 vs 恶意节点)、节点数量(3 节点 Raft 与 3*F+1 节点 BFT)以及去中心化程度的要求。无论选择哪种,都应结合 生产环境排序服务部署 与 生产排序节点检查清单,按通道配置(EtcdRaft.Options / SmartBFT / ConsenterMapping)与节点配置(orderer.yaml)正确落地。

登录后查看全文
fabric