阻力最小的路徑:WFR-Gossip 介紹

本文為機器翻譯
展示原文

作者 托馬斯·蒂耶裡 – 2025年6月26日

感謝 萊昂納德·蒙桑尼翁卡斯帕·施瓦茨-施希林朱利安·馬安德斯·埃洛森勞爾·克里帕拉尼揚·馮蘭滕切薩巴·基拉伊馬爾科·穆尼薩加對本文早期版本提供的寶貴反饋和意見。

  • 高效過濾:對於其他候選對等節點(例如,8個候選對等節點中的剩餘5個),節點應用智慧過濾器。只有當到該對等節點的出站鏈路比剛剛到達訊息的入站鏈路更快時,才轉發訊息。這個簡單的"下坡"規則(延遲出站 < 延遲入站)有效地修剪了沿較慢路徑的冗餘轉發,從而節省頻寬。重要的是,對於任何被這種高效推送遺漏的節點,現有的元資料懶惰傳播(IHAVE訊息)作為後備,確保最終100%的網路覆蓋。

  • 實踐中的本地"下坡"決策

    每個libp2p節點已經跟蹤每個對等節點的新鮮往返時間(RTT),透過ping協議每10-15秒重新整理一次。當第一個完整的訊息副本到達時,節點記錄其到達的鏈路的RTT(延遲入站)。然後,它只將訊息轉發給儲存的RTT(延遲出站)嚴格小於延遲入站的對等節點(可選地減去1-2毫秒的安全邊距)。這個單一比較 - "這個鏈路是否比剛使用的鏈路更快?" - 實現了下坡規則;不需要全域性檢視或額外的信令。

    在不久的將來,我們打算透過利用QUIC的原生RTT觀測而不是僅依賴週期性ping來進一步提高這種啟發式方法的準確性和響應性(感謝Raul)。QUIC作為傳輸層協議持續監控RTT,使節點能夠在沒有額外開銷的情況下訪問近乎即時的延遲資料。這種整合將大大完善WFR-Gossip的延遲感知決策,提高在現實網路條件下的效率和響應性。

    這裡是一個簡單的示例,用於說明這種邏輯:訊息從A開始併發送到B。想象一條線上有三個節點:A --(10ms)--> B --(20ms)--> C

    • Gossipsub:B接收訊息並將其轉發給其網格中的每個其他對等節點(最多八個),即使某些鏈路明顯較慢。(它確實跳過了在同一連線上向A傳送訊息,但重複訊息仍可透過較慢的備用路由到達A和許多其他對等節點。)
    • WFR-Gossip:BA接收訊息(延遲入站=10ms),並且只會轉發給C,因為其連線較慢(延遲出站=20ms),正確地阻止了向A的冗餘反向訊息,因為10ms不小於10ms

    這種混合方法是一種實用的演算法,其目標與抽象數學相同:每個節點透過遵循這些本地規則,作為一個集體過程中的代理,將訊息分發推向最優狀態,並且儘量減少浪費的努力。

    WFR-Gossip與貪婪的基於延遲的路由
    純粹基於延遲的路由方法,僅沿最快的可用路徑轉發訊息,可能無意中造成瓶頸、區域性最小值和對延遲測量的操縱漏洞。WFR-Gossip透過其混合啟發式方法解決這些問題:魯棒性引數(Drobust)保證多個獨立的傳播路徑以防止停滯,而"下坡"延遲過濾器選擇性地修剪冗餘的較慢路由。此外,與Gossipsub現有的對等節點評分機制整合可以減輕惡意對等節點操縱延遲的風險。

    WFR-Gossip與結構化拓撲感知協議
    拓撲感知協議,如動態最優圖(DOG),需要明確構建和維護結構化網路拓撲,增加了複雜性、開銷和處理節點流失的挑戰。WFR-Gossip透過利用現有的隨機網路連線和輕量級本地往返時間測量完全避免了這些開銷,使其更簡單且本質上更具彈性。

    然而,WFR-Gossip的簡單性存在權衡。透過優先修剪較慢的連結,頻寬較低或延遲較高的節點可能更多地依賴較慢的惰性gossip後備(IHAVE/IWANT),可能增加訊息延遲。其對本地往返時間測量的依賴還引入了對往返時間操縱攻擊的敏感性。這兩個問題可以透過仔細調整引數和Gossipsub的對等節點評分機制來緩解,但在測試現實或對抗性網路條件下的WFR-Gossip時需要牢記這一點。

    WFR-Gossip與反應式Gossipsub擴充套件(CHOKEIDONTWANT
    CHOKEIDONTWANT這樣的擴充套件透過在檢測到重複後限制重複訊息傳播來回顧性地管理冗餘。WFR-Gossip則透過基於本地延遲(往返時間)資訊預先做出明智的轉發決策,主動避免重複。因此,WFR-Gossip可以補充這些現有的反應式機制,並提供改進的頻寬利用、降低延遲和整體效能提升。

    未來工作和未解決的問題

    • 在客戶端中部署帶有功能標誌的WFR-Gossip(例如開發網路/效能網路),並使用libp2p模擬器從更真實的網路中收集指標
    • 深入研究WFR-Gossip與最近的Gossipsub最佳化(IWANTIDONTWANTCHOKE)之間的互動
    • 探索其他"主動"機制,在不犧牲魯棒性/彈性的情況下提高效率

    來源
    免責聲明:以上內容僅為作者觀點,不代表Followin的任何立場,不構成與Followin相關的任何投資建議。
    喜歡
    1
    收藏
    評論