区块链去中心化世界头顶的一朵乌云

在1900年4月27日，开尔文勋爵在英国皇家研究所做了一篇名为《在热和光动力理论上空的十九世纪乌云》的发言，演讲中开尔文声称：

动力学理论认为热和光都是运动的方式，现在这一理论的优美和明晰，正被两朵乌云笼罩着。

—— 开尔文勋爵

开尔文对这两个问题的在意程度反映了当时物理学界的普遍忧虑，但他很有可能没有想到的是，这两朵乌云给物理学带来的是一场突如其来的风暴，这场风暴颠覆了旧理论体系的框架，分别导致了二十世纪物理学的两大理论体系：相对论和量子力学的诞生。

下图分别是比特币和以太坊全网算力分布图，可以很清晰的看到排名前四的大矿池已经垄断了远超过51%的算力，区块链所极力倡导的去中心化变成强中心化，这朵乌云是否会给区块链世界带来新的一场狂风暴雨？

图1: 左图是比特币全网算力分布图，右图是以太坊算力分布图

分布式系统原理

共识机制是区块链底层基础技术中最为重要的，可以说共识机制是区块链技术底层的核心和灵魂。区块链作为分布式系统的一个新兴类型，它的共识机制演化过程是基于分布式系统的一些原理，现在先介绍这四大原理。

图2: 分布式系统共识机制的理论基础

FLP不可能原理

FLP 不可能原理（FLP Impossibility）由Fischer、Lynch和Patterson三位科学家于1985年发表的论文《Impossibility of Distributed Consensus with One Faulty Process》指出：在异步模型中，分布式系统中只要有一个进程不可用（失去响应或暂停），就可能无法达成整体的共识。（No completely asynchronous consensus protocol can tolerate even a single unannounced process death）。

以上结论被称为FLP不可能原理。该定理被认为是分布式系统中重要的原理之一。该原理提出：在网络可靠，存在节点失效（即便只有一个）的最小化异步模型系统中，不存在一个可以解决一致性问题的确定性算法。FLP 原理实际上说明对于允许节点失效情况下，纯粹异步系统无法确保一致性在有限时间内完成。

CAP原理

CAP 原理最早由加州大学伯克利分校的Eric Brewer教授于 2000年7月，在ACM PODC会议上提出CAP猜想，2年后，麻省理工学院的Seth Gilbert和Nancy Lynch从理论上证明了CAP。之后，CAP理论正式成为分布式计算领域的公认定理。

分布式计算系统不可能同时确保一致性（Consistency）、可用性（Availability）和分区容忍性（Partition），设计中往往需要弱化对某个特性的保证：

数据强一致性(Consistency)：如果系统对一个写操作返回成功，那么之后的读请求都必须读到这个新数据；如果返回失败，那么所有读操作都不能读到这个数据，对调用者而言数据具有强一致性(strong consistency) ；

可用性(Availability)：所有读写请求在一定时间内得到响应，可终止、不会一直等待；

分区容错性(Partition-Tolerance)：在网络分区的情况下，被隔离的节点仍能正常对外服务；

分布式计算系统不可能同时确保一致性（Consistency）、可用性（Availability）和分区容忍性（Partition-Tolerance），设计中往往需要弱化对某个特性的保证，CAP原理对标的是经济学中的三元悖论（Mundellian Trilemma）。

BASE理论

BASE理论是有eBay的架构师Dan Pritchett源于对大规模分布式系统的实践总结，在ACM上发表文章提出BASE理论，BASE理论是对CAP理论的延伸，核心思想是即使无法做到强一致性（Strong Consistency，CAP的一致性就是强一致性），但应用可以采用适合的方式达到最终一致性（Eventual Consistency）。

BASE理论的定义

基本可用（Basically Available） ：基本可用是指分布式系统在出现故障的时候，允许损失部分可用性，即保证核心可用。 电商大促时，为了应对访问量激增，部分用户可能会被引导到降级页面，服务层也可能只提供降级服务。这就是损失部分可用性的体现。

软状态（ Soft State） ：软状态是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性。 分布式存储中一般一份数据至少会有三个副本，允许不同节点间副本同步的延时就是软状态的体现。MySQL replication的异步复制也是一种体现。

最终一致性（ Eventual Consistency） ：最终一致性是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状态。弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。

BASE理论的核心思想是：即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。

ACID原则

ACID也是一种比较出名的描述一致性的原则，通常出现在分布式数据库领域。具体来说，ACID原则描述了分布式数据库需要满足的一致性需求，同时允许付出可用性的代价。

ACID特征如下：

Atomicity：每次操作是原子的，要么成功，要么不执行；

Consistency：数据库的状态是一致的，无中间状态；

Isolation：各种操作彼此之间互相不影响；

Durability：状态的改变是持久的，不会失效。

ACID和BASE代表了两种截然相反的设计思想。ACID是传统数据库常用的设计理念，追求强一致性模型。BASE支持的是大型分布式系统，牺牲掉对一致性的约束（但实现最终一致性），来换取一定的可用性。

区块链共识机制

区块链的底层基础是共识算法、各类对称非对称加密算法、P2P分布式网络协议和区块结构及存储。共识机制是在这些底层基础技术中最为重要的，可以说共识机制是区块链技术底层的核心和灵魂。共识机制很大程度上决定了整个区块链系统节点间的相互信任程度，也决定了其他使用者对于区块链上数据的信任程度。

对于公有链来说，无论是EOS的复杂且容易形成小团体侵害散户节点利益的DPOS算法，还是Penta的没有实用性且低效率的DSC算法都无法将区块链技术落地于真正的商业世界。

当前区块链流行的各种共识算法，虽然能解决部分问题，但是都有着这样或那样的缺点，现在罗列出来：

表1: 各种共识算法缺点

曌链MIT分片动态权重共识机制

CAP理论虽然揭示了，在分布式系统中不可能同时确保一致性（Consistency）、可用性（Availability）和分区容忍性（Partition-Tolerance），我们权衡出这三者关系对于区块链落地商业世界的重要性，不追求强一致性（Strong Consistency），而是根据BASE理论达到最终一致性就可以，有鉴于此曌链（MIT）区块链采用一种新创的基于三个维度权重计算的共识算法：分片动态权重共识机制（Sharding Dynamic Weight Consensus， SDWC）：

节点负载；

网络质量；

节点信用；

权重计算公式。

W_1，2，3 = w₁x₁  w₂x₂  w₃x₃;

W = 相对权重（%）

X =  归一化后数值

表2: 权重示例表

信用数值归一化公式

*X为数据原值

负载和网络质量归一化公式

*X为数据原值

节点选择分配原则：

• 80%节点从权重分值最高节点中选择

• 20%节点随机从低权重的节点中选择

• 百分比动态可调节

信用积分原则：

• 每次被选中节点按时间出块，则增加信用

• 节点作恶信用清零

• 节点未按时间出块，信用降低

SDWC算法的优势：

• 平衡全网算力即避开高负载节点，优先让负载低的节点来验证和出块

• 鼓励新加入节点，采用更好的硬件和高速稳定的网络

• 选择20%新节点是为了奖励和鼓励新注册节点，从而防止老的节点垄断铸币。

• 防止女巫攻击，防止恶意节点，防止51%攻击，防止大股东”作恶”。

在确保共识过程公平的前提下，平衡处理速度，安全，去中心化，提供一个高效，高可用性的共识机制。MIT区块链之所以不采取超级节点的做法是因为，建立超级节点本身就有违区块链去中心化的初衷，如果超过10个超级节点被伪冒或入侵，系统就彻底瘫痪或被劫持。

联系方式：

网址： mit.club

曌链公众号QR码：