所有文章

并行执行区块链:速度和性能解决方案 2026

blockchainFebruary 15, 2026·#Blockchain

并行执行真的是区块链速度的“银弹”吗? Tan Phat Digital 深入研究了到 2026 年的技术障碍、管理成本和技术路线图。

并行执行区块链:速度和性能解决方案 2026

区块链技术从比特币的早期阶段到以太坊上去中心化应用程序(dApp)的爆炸式发展,带来了可扩展性的难题。多年来,该行业一直致力于优化共识算法以实现更高的交易速度。但据Tan Phat Digital分析,进入2024-2026年期间,研究重点已从共识层强烈转向执行层。核心问题是:并行执行真的解决了速度问题吗?简短的回答是肯定的,但技术现实要复杂得多。应用并行执行就像向建筑工地添加工人一样;只有当工作可以分解并且开销不会抵消生产力收益时,它才真正有效。

分布式系统中并行执行和并发的理论框架

要评估并行执行的有效性,有必要澄清两个经常混淆的概念:并发和并行性之间的区别。并发是指通过重叠执行时间来处理多个任务的能力,就像厨师在等待水烧开的同时切肉来制作多道菜一样。相比之下,真正的并行性需要在不同的物理资源上同时执行任务,类似于两个厨师在两个不同的厨房中烹饪两种不同的菜肴。

在传统的区块链架构(如早期的以太坊虚拟机(EVM))中,每笔交易都是按顺序处理的。这确保了确定性,但会创建一个队列,其中一个复杂的事务可能会阻塞整个网络。并行执行允许在多个 CPU 或 GPU 核心上同时验证不相关的事务,从而打破了这种模型。

并行执行工作的最佳条件

并行执行并不是适用于每种类型任务的“灵丹妙药”。其性能取决于正在处理的工作负载的性质。实证研究表明,并行化在三个主要场景中提供了显着的优势:

  • 状态无关任务:其中一个部分的结果不影响另一部分的作业,例如处理完全不同的帐户对之间的支付交易。

  • 大规模数据处理(大数据):当系统需要处理数百万条记录写入时,将工作负载分布在数千个线程上会显着降低总体工作量

  • 计算密集型:科学问题、人工智能训练或深度学习需要在 NVIDIA GPU 等专用硬件上进行大规模并行计算能力。

比较顺序处理和并行处理并行的特点

  • 顺序处理:

    • 执行结构:一个任务

    • 确定性:非常高且易于预测结果。

    • 硬件利用率:低,通常只使用单个 CPU 核心。

    • 延迟:与队列中的事务数量成比例增加。

    • 适用范围:算法对先前的算法有很强的依赖性

  • 并行处理:

    • 执行结构:许多任务在多个处理核心上同时执行。

    • 确定性:复杂,需要状态锁定机制或执行后验证。

    • 硬件利用率:高,充分利用多核架构和现代技术GPU。

    • 延迟:独立任务显着降低。

    • 应用范围:适用于大数据、人工智能和独立区块链交易。

查看更多:什么是区块链三难困境?

数学和技术障碍:速度的“黑洞”

虽然并行执行承诺每秒数万笔交易(TPS)的处理速度,但实际上实现总是面临严格的理论限制,尤其是Amdahl的理论限制定律。

阿姆达尔定律和加速度的极限

阿姆达尔定律指出,系统的最大速度受到必须顺序运行的程序部分的限制。如果一段源代码中有10%的部分不能并行运行,那么即使系统有无限多个CPU,速度也永远不会比原来快10倍以上。

并行化比例对最大速度的影响

  • 50%并行比例:最大速度提升2

  • 并行比75%:最大速度提升4倍。

  • 90%并行比:最大速度提升10倍。

  • 95%并行比:最大速度提升20

  • 99%并行率:最高速度提升100倍。

开销和资源争用

划分任务并行执行并不是免费的。系统必须花费资源将工作分配给线程、监视状态和聚合结果。如果任务太小,则此管理所花费的时间可能比顺序任务执行时间更长。当多个线程竞争访问同一内存区域时,就会发生资源争用,从而产生降低整体系统效率的瓶颈。

现代区块链架构中的并行执行模型

Tan Phat Digital综合了正在重塑行业性能的三种主要模型:

1.确定性模型(Solana Sealevel)

Solana 要求每笔交易提前声明它将读取或写入的所有帐户。借助此信息,系统可以安排同时执行不重叠账户的交易。优点是性能极高,但开发人员需要承担管理复杂状态访问列表的负担。

2.乐观冲突控制模型(Aptos & Sei)

系统假设大多数事务是无冲突的并且立即并行运行,而不是预先声明。然后新系统会检查是否存在冲突;如果是,则事务将回滚并重新执行。得益于此机制,2026 年升级的 Sei Giga 在测试环境中达到了 200,000 TPS。

3.面向对象模型(Sui)

Sui 将数据结构更改为对象模型。与私有资产(拥有的对象)交互的交易可以绕过全球共识,从而以极低的延迟即时执行。 Sui 上的新 Stingray 系统还可以在高度可交换的任务中达到 20,000 TPS。

深入分析:Monad 和 EVM 并行化革命

到 2026 年,Monad 成为优化执行层的标志,同时与以太坊保持 100% 兼容。 Monad的架构解决了最大的瓶颈:从磁盘访问数据。

  • MonadDb:状态感知存储系统,支持异步I/O,将状态访问延迟从10ms降低到1ms以下。

  • 异步执行:共识与执行分离,让CPU在等待网络传输时永远不会处于空闲状态

  • Berachain BeaconKit:另一个技术框架也通过并行执行和乐观的有效负载构建,帮助将区块生成时间减少 40%。

比较 2026 年预测性能指标

  • Sei Giga:实际 TPS 达到 12,500+(记录为开发网上有超过 200,000 个)。区块创建时间为0.4秒,完成延迟小于0.4秒。采用Multi-proposer机制。

  • Monad:实际TPS达到10000。区块创建时间 1.0s,完成延迟 ~1.0s。使用Optimistic机制结合MonadDb。

  • Sui:实际TPS从2,000 - 4,500。区块创建时间为0.4秒,完成延迟小于0.4秒。使用面向对象的机制 (Mysticeti)。

  • Solana:实际 TPS 从 2,500 - 5,000。区块创建时间 0.4 秒,完成延迟约 2.0 秒。使用确定性机制(Sealevel)。

  • Aptos:实际 TPS 从 1,500 - 3,500。区块创建时间为 0.7 秒,完成延迟约为 0.9 秒。使用乐观机制(Block-STM)。

以太坊的发展路线图:从顺序到并行

以太坊正在通过 2026 年的 Glusterdam 和 Hegota 路线图积极实施重要升级。

    更多。

  • Verkle Tree:减小状态证明的大小,使客户能够更有效地并行化区块验证。

10 个有关并行执行的详细案例研究(已更新) 2026)

以下是Tan Phat Digital对引领冲锋性能竞赛的典型项目的详细分析:

1. Solana (Sealevel)

Solana 是一个通过 Sealevel 引擎使用确定性并行执行的开创性项目。  

  • 机制:要求交易提前声明他们将访问的账户(读写集)。  

  • 性能:2024-2025年主网实际TPS达到2,500-4,000,理想条件下能够处理数万TPS。

  • 优点:充分利用多核GPU和CPU。  

2. Monad(MonadDb 和异步执行)

Monad 代表了 2026 年 EVM 生态系统的巨大飞跃。

  • 机制:将乐观执行与 MonadDb 自定义数据库相结合,消除 I/O 瓶颈。  

  • 性能:始终达到 10,000 TPS,区块生成时间为 0.4 秒。

  • 亮点:与以太坊 100% 字节码兼容,允许 dApp 无需修改代码即可移动。

3. Sei Giga(多提议者共识)

Sei Network 的 Giga 升级是 2026 年最重要的里程碑之一。

  • 机制:允许多个验证者在一轮共识中同时提议区块,并结合自动并行执行。

  • 性能:达到开发网络上的 TPS 为 200,000 TPS,实际主网上保持超过 12,500 TPS。  

  • 延迟:最终确定达到极低水平,低于 400 毫秒。  

4. Sui(以对象为中心的快速路径)

Sui 使用基于对象而不是帐户的数据模型。  

  • 机制:将交易分为快速路径(针对自有对象)和共识路径(针对共享对象)。

  • 性能:能够在高峰日处理超过 6500 万笔交易。  

  • 优点:完全消除了大多数简单交易的共识步骤,提供了即时反馈的感觉。  

5. Aptos (Block-STM)

Aptos 使用复杂的软件事务内存机制。

  • 机制:Block-STM 在执行过程中自动检测并解决冲突,仅回滚受影响的事务而不是整个区块。

  • 性能:实际 TPS 保持在 1,500 水平 - 3,000 TPS。

  • 优点:开发人员友好,因为系统自动处理并行性。

6. Berachain(BeaconKit)

Berachain 通过 BeaconKit 提供性能卓越的“EVM-Identical”架构。

  • 机制:执行层和共识层分离,允许乐观的负载构建(带有投票过程的并行区块构建)。

  • 性能:时间减少 40%与传统 EVM 链相比,区块创建。

  • 亮点:流动性证明(PoL)机制有助于使网络安全性与生态系统流动性保持一致。

7. Hyperliquid (HyperBFT)

Hyperliquid 是针对特定金融应用(应用链)进行区块链优化的一个很好的示例。

  • 机制:使用自定义 HyperBFT 共识算法和完全链上订单簿 (CLOB)。

  • 性能:处理能力每秒20万笔订单,延迟小于1秒。

  • 应用:专门针对衍生品和永续交易,交易用户零gas费用。

8. BNB 链(EIP-7928 和 Reth)

BNB Chain 实施“智能执行”策略,以保持其作为最受欢迎交易链的地位。

  • 机制:应用 EIP-7928(块级访问列表)并迁移到基于 Rust 的 Reth 客户端。

  • 性能:目标在 2026 年实现超过 20,000 TPS

  • 最佳:由于执行效率的提高,将 Gas 费降低到极低的水平(约 0.05 gwei)。

9. Polygon(AggLayer 和 Gigagas)

Polygon 通过 AggLayer 将自身从单个侧链转变为完全可互操作的链网络。

  • 机制:通过在 Polygon 上完全并行执行,专注于“Gigagas”吞吐量(每秒数十亿个 Gas 单位) PoS。

  • 有效性能力:通过结合 ZK 证明和并行化实现 100,000 TPS 的路线图。

10. Altius(执行优先架构)

Altius 是一个新兴项目,专注于处理实际任务而不是理论基准。  

  • 机制:重新设计整个执行流程,以优先考虑确定性和高争用负载容忍度。  

  • 优势:基准测试是在 NFT 铸币或 DEX 兑换等现实场景中进行的,而不是简单的转账交易。

有关并行执行的常见问题(FAQ)

  1. 什么是并行执行?是能力同时处理多个事务或在多个 CPU/GPU 核心上处理任务,而不是依次处理它们,有助于优化硬件资源并提高网络速度。  

  2. 为什么像以太坊这样的传统区块链是顺序运行的?为了确保确定性(每个网络节点产生相同的结果)。顺序处理有助于避免数据冲突,但在交易量较大时会产生“瓶颈”。  

  3. 阿姆达尔定律如何影响区块链速度?它指出最大速度受到需要顺序运行的交易部分的限制(例如,与同一热门账户交互的交易)。如果 10% 的工作负载是顺序的,那么无论有多少个 CPU,速度提升都不会超过 10 倍。

  4. 什么是状态冲突? 当两个或多个事务想要同时更改单个帐户的数据时会发生。系统必须重新排列它们以避免数据错误。  

  5. Solana 和 Aptos 在并行处理方面有什么区别? Solana 需要提前声明帐户列表(确定性),而 Aptos 允许先运行,稍后检查冲突(乐观 - OCC)。  

  6. Sei Giga 是什么?它有多快?Sei Giga 是 Sei Network 的 2026 年升级版,凭借其多提议者架构和自动并行化机制,在 devnet 上达到 200,000 TPS。  

  7. MonadDb 解决什么问题?它解决了 I/O(驱动器读/写)瓶颈。 MonadDb 通过预取数据和支持异步 I/O,将状态访问时间从 10ms 减少到 1ms 以下。  

  8. Sui 中的“Owned Objects”有什么优势?Owned Objects 仅属于一个地址,允许相关交易跳过复杂的共识步骤,几乎立即执行(快速路径)。  

  9. EIP-7928在以太坊2026路线图中扮演什么角色?它提供了一个“块级访问列表”(BAL),记录了所有访问的账户和存储位置,帮助网络节点并行执行数据读取和交易验证。

  10. 并行执行会减少gas费用吗?是的,因为它提高了处理能力。网络管理,减少队列拥塞,从而减轻增加收费压力以接收优先处理。  

  11. 为什么热门的 NFT 铸币会减慢平行链的速度?因为成千上万的用户与单个 NFT 合约(热门账户)交互,系统必须返回顺序处理以确保总供给计数器的一致性。  

  12. 这些链的验证者的硬件要求是什么?通常要求非常高:64核CPU或更多,最低128GB RAM和高速NVMe硬盘来处理巨大的数据流。  

  13. Monad 与以太坊完全兼容吗? 是的,Monad 在字节码层面保持 100% 的兼容性,允许开发者在不修改源代码的情况下部署现有的 Solidity 合约。  

  14. “并发”和“并行”有什么区别?并发是同时管理许多事情(可能是时间重叠),而并行实际上是在单独的硬件资源上同时处理许多事情。  

  15. 以太坊的“Glamsterdam”路线图何时推出?预计于 2026 年上半年(大约 5 月或 6 月)激活,重点关注第 1 层执行效率并改进 MEV 机制。

并行执行不再是一种选择,而是成为任何想要实现全球采用的网络的强制性架构要求。 Tan Phat Digital相信,它通过打破传统的顺序处理障碍,真正解决了速度问题。

但是,它的有效性并不是无限的。阿姆达尔定律总是提醒我们顺序逻辑的局限性。 Monad、Sei 或 Sui 等项目的成功表明,未来在于端到端的优化:从状态存储层、共识机制到重新设计数据模型以最大程度地减少冲突。对于开发者来说,并行执行提供了更宽的“高速公路”,但要快速行动,应用程序仍然需要进行智能设计,以避免可用车道上的数据“碰撞”。

分享

评论

0.0 / 5(0 条评分)

请登录后发表评论。

暂无评论,成为第一个分享想法的人吧。