二叉树的实现之路 1：以太坊二叉树的最佳分组深度

这篇文章还有更好的视觉化方式（使用动态图表，可以更清晰地解释一些概念和基准测试结果）。如果您喜欢这种方式，请查看： Binary Trie Group-Depth Benchmark — 比预期更窄

S1 – 执行摘要

二元树是以太坊协议的初步构想，旨在取代未来的状态树。目前，尚未有任何二元树实现进行大规模基准测试——无论是群组深度还是其他任何方面。鉴于此转型已列入路线图，评估效能特征是进行合理原型设计的前提。 Geth 实作（ EIP-7864 ）提供了一个 ` --bintrie.groupdepth参数，用于控制二元树层级在磁碟节点中的打包方式；本研究对八种配置进行了基准测试，以确定最佳设定。

结论：最佳选择是 GD-5 或 GD-6，取决于工作负载。 GD-5 的写入效能比 GD-4 高 7%（6.94 Mgas/s 对 6.47 Mgas/s， p < 1e-9）。 GD-6 在读取效能（6.39 Mgas/s）和混合工作负载（比 GD-4 高 19%，p < 1e-3）方面领先。 GD-7 证实性能在 GD-6 之后开始下降。

我们测试了

在包含约 4 亿个状态条目的 360 GB 资料库上，使用了八种组深度配置（GD-1 至 GD-8）。五种基准测试类型——两种合成测试（原始 SLOAD/SSTORE）和三种 ERC20 合约工作负载——每种类型在冷缓存协议下运行 9 次。所有结果均使用中位数，并采用Mann-Whitney U检定进行显著性检定。

我们发现了什么

• 读取结果证实了直觉（第 4 节）：树越宽，读取速度越快。 GD-8 的读取吞吐量是 GD-1 的两倍以上（5.59 Mgas/s 对比 2.65 Mgas/s）。 GD-6 的读取吞吐量最高（6.39 Mgas/s），其次是 GD-5（6.11 Mgas/s）和 GD-7（6.04 Mgas/s）。 GD-3 到 GD-8 的吞吐量范围在 5.2 到 6.4 Mgas/s 之间。
• 写入性能展现出更明显的优化（第 5 节）：GD-5 以 629 毫秒（6.94 Mgas/s）的写入速度位居榜首，比 GD-4（678 毫秒，6.47 Mgas/s）快 7%，比 GD-8（982 毫秒，4.47 Mgas/s）快 55%。写入效能的拐点位于 GD-5 和 GD-6 之间（杂凑/读取比率超过 1.0）。
• 节点大小在 GD-7 时达到 Pebble 区块大小的边界（第 5 节）：每个 GD-7 节点序列化后约为 4 KB（128 × 32 位元组）－恰好是 Pebble 区块大小。低于此边界（GD-6：约 2 KB）时，每个节点都包含在一个区块内。高于此边界时，每个节点的读取操作可能需要两个区块。 Gary Rong 的 NVMe 基准测试表明，在 QD=1 时，随机读取 8 KB 的资料比读取 4 KB 的资料延迟高出 54%（77.8 微秒 vs 50.6 微秒）。这种每个节点的 I/O 开销会在约 37 个路径节点上累积，这解释了为什么 GD-7 的读取速度比 GD-6 慢，尽管路径更短。
• 最佳方案是 GD-5 或 GD-6 （第 6 节）：GD-5 在写入效能上比 GD-4 高出 7%，而 GD-6 在读取效能（比 GD-5 高出 5%）和混合工作负载效能（比 GD-4 高出 19%）方面更胜一筹。 GD-7 证实了这一拐点——在所有基准测试中均逊于 GD-6。由于以太币的读取操作较多，因此 GD-6 可能是更合适的预设方案。

如何阅读这篇文章

• 第 2 节（背景）介绍了二元树和群体深度概念。
• 第 3 节（方法论）详细介绍了基准测试设定。
• 第 4-6 节以叙事弧线呈现结果：阅读、写作，然后是权衡。
• 第 7 节（模式）探讨了交叉观察结果。
• 第 8 节（结论）提出了双重建议和未解决的问题。

时间不够？那就从第 4 部分「ERC20 阅读：深度至关重要」开始——在这一部分，群体深度差异最为明显，并为其余的分析奠定了基础。

S2 – 背景

什么是二元树？

EIP-7864 提议用二进位 trie 树替换以太坊的 Merkle Patricia trie 树（MPT）。二元 trie 树将帐户 trie 树和所有储存 trie 树合并成一棵树，使用 SHA-256 杂凑演算法取代 Keccak-256 杂凑演算法，并储存映射到 256 个值的 32 位元组树干。这种设计简化了无状态客户端的见证生成，并实现了更有效率的证明。

从 MPT 到二元树的过渡是以太坊状态层最重要的变化之一。新结构的性能特征将直接影响区块处理时间、同步速度和验证者的经济效益。

什么是群组深度？

trie 树在根本层面上总是二元树－每个内部节点刚好有两个子节点（左子节点对应位元 0，右子节点对应位元 1）。群组深度控制单一磁碟节点中包含多少个二元树层级。在 GD-N 演算法中，每个储存的节点封装了一个 N 层二元树子树，因此从外部观察，它看起来有 2^N 个子节点：

• GD-1：每个节点 1 个二进位等级 → 2 个子指针，到叶子节点的路径上有 256 个节点
• GD-2：每个节点 2 个二进位等级 → 4 个子指针，路径上有 128 个节点
• GD-3：每个节点 3 个二进位等级 → 8 个子指针，路径上约 86 个节点
• GD-4：每个节点 4 个二进位等级 → 16 个子指针，路径上 64 节点
• GD-5：每个节点 5 个二进位等级 → 32 个子指针，路径上约 52 个节点
• GD-6：每个节点 6 个二进位等级 → 64 个子指针，路径上约 43 个节点
• GD-7：每个节点 7 个二进位等级 → 128 个子指针，路径上约 37 个节点
• GD-8：每个节点 8 个二进位等级 → 256 个子指针，路径上 32 个节点

你可以把它想像成邮递区号：GD-1 每次读取地址一位数字（256 步），而 GD-8 一次读取 8 位数字（32 步）。步数越少，磁碟读取次数就越少——但每个「捆绑节点」都更大，更新成本也更高，因为其内部的二进位子树必须重新杂凑。

树状对比图1440×600 62.6 KB

图 1 – 不同分组深度下的树状结构。每个节点内部捆绑了 N 个二进位层级，从而减少了到达叶节点的路径上的磁碟节点数量。

理论上，这种权衡很简单：读取操作受益于浅树结构（到达叶节点所需的磁碟 I/O 操作更少），而写入操作则受制于宽节点结构（节点修改时需要更多的内部杂凑运算）。问题在于，这种权衡的临界点在哪里。

S3 – 方法论

概括

基准测试设置

范围	价值
机器	QEMU 虚拟机 – 8 个虚拟 CPU，30 GB 内存，3.9 TB 固态硬碟，Ubuntu 24.04 LTS
资料库	约 360 GB，约 4 亿个帐户 + 储存槽位
配置	GD-1、GD-2、GD-3、GD-4、GD-5、GD-6、GD-7、GD-8（Pebble，geth 使用的 LSM 树储存引擎，4KB 区块大小）
协定	冷缓存（作业系统页面快取已清除 + Pebble 快取=0，运行间）
跑	每个基准测试每个配置运行 10 次；排除运行 1（残留温度）
气体目标	每个方块含1亿气体

统计方法

• 9 次保留运行的每次运行区块中位数汇总
• 用于成对比较的曼-惠特尼U检定（非参数检定）
• 效应量以与基线（GD-1）的百分比差异表示。
• 一致性评估的变异系数 (CV%)

基准分类

a) 综合基准测试sstore_variants （写入）和sload_benchmark （读取）。这些测试使用 EIP-7702 委托机制，并采用顺序储存槽。键值按数字顺序排列，导致 trie 树中存在大量的前缀共用。

b) ERC20 基准测试balanceof （读取）、 approve （写入）和mixed 。这些测试使用真实的 ERC-20 合约代码。储存金钥是随机位址的 Keccak 杂凑值，从而在 trie 树中产生均匀分布的存取模式。

顺序存取与随机存取模式1440×500 31.8 KB

图 2 – 顺序键共享 trie 树前缀，并受益于快取。 Keccak 哈希键均匀分布，导致每一层都进行冷读取。

区块组成说明

执行规范测试框架会将所有基准测试交易一次传送到 Geth 的记忆体池（在 1秒内）。 Geth 的开发模式矿工（ dev.period=10 ）随后会在 10 秒的区块建立视窗内按顺序处理来自该记忆体池的交易——当计时器到期时，它会挖出所有已处理的交易。瓶颈在于 trie 树的运行时间，而非 gas 容量：每个 ERC20 认证交易仅消耗约 4.4M gas（1 亿 gas 的区块 gas 上限大约可以容纳 22 笔交易），但在速度较慢的配置下，trie 树操作（遍历、更新、哈希、提交）几乎会消耗整个交易时间，即使是整个交易时间也是如此。设定交易（简单的 ETH 转帐）在 77 毫秒内处理 7 笔交易，证实了 trie 树的成本——而非交易开销——才是限制因素。

经过验证的冷缓存移除（第三阶段），所有配置现在每个区块处理 1 笔交易（中位数 tx_count=1）。机制解释仍然有效——10 秒的dev.period作为时间预算，而 trie 树操作成本决定了可以容纳多少笔交易。 Mgas /s（吞吐量）是正确的比较指标，因为它消除了不同配置之间的 gas 差异。如果显示的是原始毫秒数，则反映的是该配置区块组成所需的实际区块处理时间。

S4 – 第一幕：阅读证实直觉

ERC20 读法：深度至关重要

ERC20 读取延迟平衡（按组别深度） 1484×882 33.4 KB

GD-1 到 GD-6 的读取吞吐量提升了约 2.4 倍。 GD -6 的读取吞吐量最高 (6.39 Mgas/s)，其次是 GD-5 (6.11) 和 GD-7 (6.04)。读取效能从 GD-1 到 GD-6 单调递增，之后逐渐下降－如预期，由于路径较短，GD-4 (5.46) 的效能优于 GD-3 (5.20)。随著节点规模增加到足以抵销路径缩短带来的优势，GD-7 和 GD-8 的效能提升逐渐递减。

为什么与合成密钥存在如此巨大的差异？ Keccak 密钥均匀分布，迫使从根到叶进行完整遍历。 GD-1 需要向下遍历 256 层；而 GD-8 只需 32 层。每一层都可能导致磁碟寻道。随机存取会暴露出完整的深度开销。

GD-3（3213毫秒，5.20兆位元组/秒）和GD-4（3067毫秒，5.46兆位元组/秒）在读取效能上非常接近，GD-4由于其路径更短（64个节点对比约86个节点）而略胜一筹，这与预期相符。 GD-3较小的节点序列化大小（约256位元组对比GD-4的约512位元组）与Pebble的4KB区块大小相辅相成，使得尽管树形差异很大，两者的效能差距仍保持在5%以内。 Pebble块大小的影响机制仍值得进一步研究（开放性问题#3 ）。

每个插槽的成本：合成读取的成本约为 0.02 毫秒/插槽。 ERC20 读取的成本约为 0.4–1.0 毫秒/插槽（计算方法为 state_read_ms / 储存槽位_读取每个区块）－随机存取模式的成本是其 40 倍。

这个 40 倍的比率与 NVMe 的原始测量结果一致： Gary Rong 的磁碟页面读取基准测试显示，随机 4KB 读取速度为 77 MB/s，而顺序读取速度为 3,306 MB/s（43 倍），这证实了效能损失主要由 I/O 存取权而非 Pebble 开销模式。

为什么随机存取是基准而非例外？二元树将所有帐户和储存统一到一个树中。每个按键——无论是帐户余额、储存槽位还是程式码区块——都会经过 SHA256 杂凑处理，产生 256 位元金钥空间。单一合约的储存槽位分布在完全不同的树路径上。这使得随机存取成为二元树的基本存取模式，而非特殊情况。合成的顺序基准测试代表了不切实际的最佳情况，在统一的树部署中不可能出现。

目前来看，宽度越大越好——但也存在一定的限制。 GD-6 在读取效能方面领先，而 GD-7 和 GD-8 的效能提升则逐渐递减。接下来，我们测试了写入效能。

S5 – 第二幕：写作的惊喜

这是研究最重要的发现。

ERC20 批准以组别深度写入成本1485×882 40.2 KB

trie_updates = state_hash_ms (AccountHashes + AccountUpdates + StorageUpdates) — 涵盖了完整的 trie 树变异和重哈希阶段，而不仅仅是哈希操作。所有配置均使用经过验证的冷缓存协定运行（作业系统页面快取会在运行之间清除）。第三阶段的变异系数 (CV) 在 Mgas/s 上大多小于10 %，证实了测量结果的可靠性。

GD-5 是最佳配方，气体流量为 6.94 Mgas/s，比 GD-4（6.47 Mgas/s， p < 1e-9）快 7%，比 GD-8（4.47 Mgas/s）快 55%。 GD-6（6.41 Mgas/s）排名第三，紧追在 GD-4 之后。 GD-7（5.81 Mgas/s）证实了气体流量的拐点在 GD-6 之后仍在继续。

组件分解图说明了一切：

• 读取速度： GD-5 (271 毫秒) 比 GD-4 (313 毫秒) 快 13%。 GD-6 (272 毫秒) 与 GD-5 相当，而 GD-7 (264 毫秒) 是速度最快的读取器－但原始的毫秒数必须与百万气体/秒 (Mgas/s) 结合才能进行公平的比较，因为每个模组的气体量可能有所不同。
• Trie 更新： GD-5 (242 ms) 比 GD-4 (254 ms)低 5% 。 GD-6 略微上升至 283 ms（比 GD-5 高 17%），并未像早期数据所显示的那样急剧上升。 GD-7 (328 ms) 和 GD-8 (433 ms) 证实了拐点仍在持续。
• 提交： GD-5 (57 毫秒) 略高于 GD-4 (53 毫秒)。 GD-6 (76 毫秒，比 GD-5 增加 33%) 和 GD-7 (103 毫秒) 的提交时间略有增加。真正的提交时间断崖出现在 GD-8 (158 毫秒)，这是因为每次写入需要序列化约 256 KB 的数据，而每个节点约有 8 KB x 32 个路径节点。

写入拐点位于 GD-5 和 GD-6 之间：杂凑/读取成本比在 GD-6 处超过 1.0 (283/272 = 1.04)，这表示 trie 更新开始超过读取成本。以 Mgas/s 计算，GD-5 (6.94) 比 GD-4 (6.47) 高 7%，比 GD-6 (6.41) 高 8%。

为什么？内部子树

每个深度为g的trie 节点都包含一个内部二叉树，该二叉子树有2^g - 1 2 g − 1 个节点，每次写入时都必须重新哈希。

内部子树重哈希1440×680 42.9 KB

图 3 – 每个 trie 节点都包含一个内部二元树。节点越宽，每次写入所需的哈希运算量就呈指数级增长。

• GD-4 节点： 15 次内部杂凑操作 x 路径上的 64 个节点 =总共 960 次操作
• GD-5 节点： 31 次内部杂凑操作 x 路径上的约 52 个节点 =约 1,612 次总操作
• GD-8 节点： 255 次内部杂凑操作 x 路径上的 32 个节点 =总计 8,160 次操作

GD-5 找到了写入效能的最佳平衡点：其路径比 GD-4 短 19%（约 52 个节点对比 64 个节点），且每个节点的 31 次内部操作仍然可控。在 GD-6（每个节点 63 个内部节点）时，重新杂凑的成本略有上升——283 毫秒对比 GD-5 的 242 毫秒（+17%）。 GD-7（杂凑 328 毫秒，提交 103 毫秒）证实了拐点在 GD-6 之后仍在继续。写入效能的拐点位于 GD-5 和 GD-6 之间，此时杂凑/读取比率超过 1.0。

注： 17 倍的比例（255 次内部杂凑操作对比 15 次内部杂凑操作）是此资料结构的理论上限。我们的基准测试支援此机制：GD-8 trie 树的更新成本是 GD-4 的 1.71 倍（433 毫秒对比 254 毫秒），这与随机写入操作修改每个节点内部子树的一部分相符。 geth 实作是重哈希演算法的权威来源。

节点序列化大小

每个 trie 节点最多可储存 2^N 个子指标（每个指标 32 位元组）。 GD-4 节点：16 × 32 =约 512 位元组。 GD-7 节点：128 × 32 =约 4 KB－刚好是 Pebble 的区块大小。 GD-8 节点：256 × 32 =约 8 KB 。大小差异会产生连锁反应：

• Pebble 资料块边界： GD-6 节点（约 2 KB）可以容纳在一个 4 KB 的 Pebble 资料块内。 GD-7 节点（约 4 KB）则几乎占满整个资料区块－加上金钥开销，它们可能跨越两个资料区块，导致每次节点读取的 I/O 量翻倍。这部分解释了 GD-7 读取操作的逆向：尽管路径节点比 GD-6 少 14%（37 个节点对 43 个节点），但 GD-7 每次查找的总读取量约为 148 KB（37 × 4 KB），而 GD-6 每次查找的总读取量约为 86 KB（43 22 KB）。
• Pebble快取效率：在给定的快取预算内，可容纳的GD-8节点数量较少
• 写入放大：较大的串列节点会增加 LSM 压缩开销。
• 提交成本： 198% 的提交惩罚（158 毫秒对比 53 毫秒）部分反映了每个修改节点需要序列化的资料量是原来的 16 倍。

读取路径与写入路径1440×640 44.5 KB

图 4 – 对于读取操作，只有向下遍历才重要（有利于 GD-8）。对于写入操作，重新杂凑和提交操作占主导地位（有利于 GD-4）。读取操作 = 仅步骤 1。写入操作 = 步骤 1 + 2 + 3。

S6 – 第三幕：权衡取舍

判决

GD-6 在读取和混合效能测试中均胜出；GD-5 在写入效能测试中胜出。 GD -5 的写入效能比 GD-4 高出 7%（ p < 1e-9）。 GD-6 的读取效能比 GD-5 高出 5%，混合效能比 GD-4 高出 19%（p < 1e - 3）。 GD-7 的表现已过拐点，在所有三个基准测试中均逊于 GD-6。由于以太坊工作负载以读取为主，因此 GD-6 可能是更佳的预设选择，而 GD-5 则更适合写入为主的场景。

混合工作负载

混合工作负载总块时间1485×882 45.1 KB

混合工作负载吞吐量1484×882 29.3 KB

GD-7 的混合基准测试每个区块处理的交易量较少（884 万 vs 约 1,180 万 gas）。 Mgas/s 已针对此差异进行了标准化，因此吞吐量比较仍然有效。 GD-7 混合基准测试的原始毫秒值无法与其他配置直接比较。

GD-6 在混合工作负载下以 6.27 Mgas/s 的效能领先，紧随其后的是 GD-5（6.09 Mgas/s，提升 3%）。两者均比 GD-4（5.13 Mgas/s）高出 19% 至 22%。 GD-6 的读取优势（state_read 为 1,440 毫秒，而 GD-5 为 1,512 毫秒）弥补了其略高的 trie 更新时间（141 毫秒 vs 124 毫秒）和提交时间（54 毫秒 vs 48 毫秒）。 GD-7（5.87 Mgas/s）落后 GD-6 6%，证实了性能拐点的存在。注意：GD-7 的混合工作负载下每个区块使用 8.84M gas，而其他所有模型均为 11.80M；比较时应使用 Mgas/s，而非原始毫秒数。

未解决的问题：最佳分组深度最终取决于以太坊实际区块的读写比例。虽然在我们的基准测试中，状态读取明显占据区块处理时间的大部分，但主网的特定读写比例尚未得到系统测量。主网读写存取模式的历史分析将有助于进一步完善这项建议。

组件分解揭示了熟悉的模式：

• 读取效能： GD-7 的原始读取时间最短（1055 毫秒），但每块气体消耗量较低。以气体消耗量（百万气体/秒）计算，GD-6 (6.27) 领先。 GD-5 (1512 毫秒) 和 GD-6 (1440 毫秒) 的读取效能优于 GD-4 (1893 毫秒)。
• Trie树更新： GD-5领先（124毫秒），其次是GD-4（138毫秒）和GD-6（141毫秒）。由于内部子树较大，GD-7（218毫秒）和GD-8（221毫秒）落后。
• 提交结果： GD-3 胜出（39 毫秒），GD-4（43 毫秒）和 GD-5（48 毫秒）紧追在后。 GD-7（73 毫秒）和 GD-8（87 毫秒）则显示了更宽节点的序列化开销。

S7 – 交叉切割图案

时间都去哪了？

时间分解：每一毫秒都去哪了？ 1484×2065 171 KB

Trie 更新与提交成本（按群组深度划分） 1484×882 46.1 KB

在所有群组深度配置中，状态读取都占了 ERC20 区块处理时间的大部分，占总时间的 50% 到 85%。对于唯读基准测试（balanceOf），trie 更新和提交的成本可以忽略不计，但对于写入操作（approve），它们却成为主要的成本组成部分——尤其是在群组深度较高的情况下，内部子树重哈希的成本最高。

总体吞吐量

按群组深度划分的总吞吐量1484×882 31 KB

硬体环境：NVMe I/O 特性

Gary Rong 在 NVMe（三星 990 Pro）上进行的磁碟页面读取基准测试为解释我们的结果提供了硬体背景：

• 随机读取与顺序读取： 4KB 随机读取 = 77 MB/s (50.6 µs) 与 3,306 MB/s 顺序读取 - 相差 43 倍，与我们每个插槽 40 倍的惩罚非常接近。
• 页面大小至关重要：随机读取 16KB 资料时，吞吐量是读取 4KB 资料时的 2.3 倍（174 MB/s 对比 77 MB/s），而延迟仅为 1.8 倍。更大的分组深度会产生更大的节点，这些节点可以从更大的 Pebble 区块大小中受益。
• 伫列深度至关重要：从 QD=1 到 QD=8，随机 4KB 吞吐量提升了 8.7 倍（从 77 MB/s 提升至 673 MB/s）。并行 EVM 可以进一步提升效能，缩小不同配置之间的读取延迟差异。
• 延迟成长呈现亚线性趋势：资料量从 4KB 成长到 64KB，成长了 16 倍，但延迟仅成长了 2.3 倍（从 50.6 微秒成长到 117.3 微秒）。 NVMe 的内部并行性意味著更大的 I/O 请求效率会显著提高。

这些测量采用直接读取页面的方式，绕过档案系统快取——类似于我们的冷缓存协定。基准测试硬体（三星 990 Pro）与我们的 QEMU 虚拟机器的虚拟磁碟不同，因此绝对值不会完全一致，但这些比率揭示了与群组深度最佳化相关的 NVMe 基本特性。

S8 – 结论

建议：GD-5 或 GD-6（视工作量而定）

最佳深度为GD-5或GD-6 ，视工作负载情况而定：

• 读取密集型/混合型工作负载（预设建议）：GD-6。读取效能比 GD-5 高 5%（6.39 Mgas/s 对 6.11 Mgas/s），混合型工作负载高 3%（6.27 Mgas/s 对 6.09 Mgas/s）。由于以太坊是读取密集型应用，因此 GD-6 是首选的预设配置。
• 写入密集型工作负载：GD-5 的写入速度比 GD-4 高 7%（6.94 对 6.47 Mgas/s），比 GD-6 高 8%（6.94 对 6.41 Mgas/s）。
• GD-7 证实了性能拐点。在所有三个基准测试中，GD-7 的效能均逊于 GD-6（读取效能下降 5%，写入效能下降 9%，混合效能下降 6%），这验证了 GD-5 或 GD-6 才是最佳选择。

该建议基于一个三步骤机制，控制著二元树中的每个状态存取：

1. 横切－从树根往下到树叶。成本与树的深度成正比。有利于较宽的树（GD-8：32 层 vs GD-5：约 52 层 vs GD-4：64 层）。
2. 重新哈希－重新计算返回根节点路径上每个节点的内部子树。成本与每个节点的2^g - 1 2 g − 1成正比。有利于较窄的树（GD-4：15 次操作/节点，GD-5：31 次操作/节点，GD-8：255 次操作/节点）。
3. 提交操作－将修改后的节点序列化并写入磁碟。成本与节点大小成正比。有利于较窄的树状结构。

GD-5 在写入操作中找到了遍历次数与重哈希次数权衡的最小值。它的路径比 GD-4 短 19%（约 52 个节点对比 64 个节点），每个节点的 31 次内部操作仍然可控。在 GD-6 中，重哈希成本略有上升——从 GD-5 的 242 毫秒上升到 283 毫秒（+17%）——但读取和混合工作负载的效能仍然有所提升。写入效能的拐点位于 GD-5 和 GD-6 之间（杂凑/读取比率超过 1.0），而读取效能在 GD-6 达到峰值。

适用于所有分组深度的五种模式

模式 1：状态读取占主导地位。无论群组深度或基准测试类型为何，50%–85% 的区块处理时间都用于从磁碟读取状态。 state_read_ms 包括统一 trie 树中的帐户和代码查找， state_read_ms不仅仅是储存槽读取。

模式 2：随机存取的成本约为顺序存取的 40 倍。 Keccak哈希密钥（ERC20）的成本为 0.4–1.0 毫秒/槽，而顺序存取（综合测试）的成本为 0.02 毫秒/槽。这种差距是由 Pebble 区块快取未命中 Keccak 分散金钥造成的。

独立的 NVMe 页面读取基准测试证实，随机 I/O 与顺序 I/O 几乎可以解释所有这些效能损失（详情请参阅第 7 节硬体上下文）。

模式 3：快取命中率稳定在 37%–39% 左右。尽管群组深度增加，但对于 keccak 哈希工作负载，储存快取命中率从未超过 39%。 256 位元键空间过于稀疏，除了共享的上层 trie 节点之外，无法实现有意义的快取重用。

模式 4：Trie 更新对于读取操作来说可以忽略不计，而对于写入操作来说则占主导地位。 balanceOf （纯读取）：trie 更新时间< 1.3 毫秒。 approve（读取 + 写入）：trie 更新时间最高可达 691 毫秒（GD-1）。这种不对称性意味著节点宽度权衡仅在写入工作负载下才重要。

模式 5：Mgas/s 的运行间变异系数大多小于10 %。第三阶段验证的冷缓存投放（120 多次成功，0 次失败）在所有八种配置下均产生了可复现的结果。与前几个阶段相比的改进验证了冷缓存方法的有效性。

未解决的问题

1. Pebble 资料块大小交互作用。所有测试均使用 4KB 资料块。 NVMe 页面读取基准测试表明，随机 16KB 读取的吞吐量是 4KB 读取的 2.3 倍（174 MB/s 对比 77 MB/s），而延迟仅为 1.8 倍（89.7 µs 对比 50.6 µs）。更大的 Pebble 资料块可以显著提升序列化节点超过 4KB 的更宽分组深度。

2. 并发块处理。这些基准测试会依序处理资料块。并行执行引擎可以将 trie 树更新分摊到各个核心上，从而降低更深组深度所带来的每个节点重新哈希的开销。 NVMe 伫列深度基准测试表明，QD=8 比 QD=1 的随机 4KB 吞吐量提高了 8.7 倍（673 MB/s 对比 77 MB/s）。如果并行执行增加了有效 I/O 伫列深度，则不同组深度之间的读取延迟差异可能会显著缩小。

基准测试在以太坊执行规范框架上运行。方法论、原始资料和可复现脚本可在执行规范储存库中找到。