【英文长推】Alpenglow 深入剖析:如何重塑 Solana 底层共识逻辑

Chainfeeds 导读:

Alpenglow 是对 Solana 共识栈的一次重大重构,保留了 Solana 对持续流水线(continuous pipelining)和负载均衡传播的核心强调,但用一个现代化的数据平面(Rotor)和一个以证书为中心的共识平面(Votor),取代了原有的 TowerBFT、PoH 和 Turbine 组合。

文章来源:

https://x.com/toghrulmaharram/status/2003139755136139671

文章作者:

Toghrul Maharramov


观点:

Toghrul Maharramov:共识协议是状态机复制(SMR)的基础,其核心目标是在分布式节点之间就一条有序、唯一的日志达成一致。在无许可区块链中,这一过程不仅要容忍拜占庭行为,还必须满足极高的性能要求。现实中,系统瓶颈往往不在执行能力,而在决策延迟与区块传播效率。Solana 当前采用的共识栈由 TowerBFT、Proof of History(PoH)与 Turbine 组成,整体设计目标是通过持续流水线化来最大化吞吐量,并通过负载均衡的传播机制保障扩展性。然而,这一设计也带来了明显代价。TowerBFT 是一种非响应式拜占庭容错协议,其确定性最终性依赖深度规则:一个区块只有在其后被连续 31 个已确认区块延展后,才被视为最终确认。在 400ms 的出块时间下,这意味着常态下约 13.2 秒的决策延迟。与此同时,TowerBFT 并非在单个区块层面运行,而是围绕分叉树进行投票,验证者通过投票塔和锁定期不断加深对某一分叉的承诺,这在工程和形式化证明上都极为复杂。在部分同步模型下,经典拜占庭容错共识在 n = 3f + 1 的安全界限内,最优的常态决策延迟下限为三轮通信,这一结论已被证明不可突破。为降低延迟,学术界提出了快速路径共识协议,通过牺牲部分容错能力,在网络良好、对手较弱时实现两轮甚至一轮决策。FaB Paxos、Parametrized FaB Paxos 与 SBFT 等协议,均通过快慢路径结合,在不同故障模型下权衡延迟与鲁棒性。Alpenglow 正是在这一脉络下提出的共识协议,目标是在保留 Solana 持续流水线与负载均衡传播优势的同时,大幅降低决策延迟并简化控制面。其核心特征是同时运行快路径与慢路径,而非事后切换。协议的安全界限为 n ≥ 3f + 2p + 1,其中 p 表示快路径可容忍的拜占庭节点数量,f 表示系统整体可容忍的拜占庭上限。在满足快路径条件时,只需一轮投票即可决定区块;否则,通过两轮慢路径投票仍能保证安全与活性。在假设网络稳定、节点行为良性的情况下,Alpenglow 的决策延迟由区块传播时间 δ 与投票延迟共同决定,理论上可压缩至 100–150 毫秒,相比 TowerBFT 的十余秒延迟降低近两个数量级。协议通过并行累积快慢路径证书,谁先满足条件就立即终止,从而实现 “乐观响应性”,即在良好网络条件下,决策时间只取决于真实消息延迟,而非固定超时。Alpenglow 由两个核心组件构成:Votor 共识引擎与 Rotor 区块传播机制。Votor 取代 TowerBFT 与 PoH,负责区块的锁定与最终性判断。与 Solana 现有设计不同,Votor 中的投票不再作为交易上链,而是以签名消息形式在验证者之间广播,并通过 BLS 聚合形成紧凑的证书,仅证书需要被保存。这一改变显著降低了链上开销,并简化了法定人数证明的处理。Votor 定义了多种投票与证书类型,包括记账投票、最终化投票、跳过投票及其回退形式,以覆盖快路径、慢路径与异常情况。在常态下,若某区块在第一轮投票中收集到 3f + p + 1 的支持,即可直接生成快速最终化证书;否则,只要在两轮中分别获得 2f + p + 1 的支持,也可通过慢路径完成最终性。若区块无法及时传播或达成共识,协议会通过跳过机制在窗口级别收敛,确保系统持续前进。Rotor 则是对 Turbine 的演进。其采用单跳中继模型:领导者将编码后的 shreds 分配给中继节点,由中继向全网广播。shreds 通过 Reed–Solomon 编码并附带 Merkle 证明,验证者只需接收部分数据即可重构区块。中继职责按质押权重分配,高质押节点承担更多流量。仿真结果显示,在合理冗余率下,Rotor 的传播延迟接近理论下限 δ。结合窗口化领导者与快速交接机制,Alpenglow 在保持高吞吐的同时,实现了更快、更确定、更易形式化验证的共识流程。

内容来源

https://chainfeeds.substack.com

来源
免责声明:以上内容仅为作者观点,不代表Followin的任何立场,不构成与Followin相关的任何投资建议。
喜欢
收藏
评论