引介

Lighthouse:从测试网崩溃中学到的教训

曾汨   |     |   385 次阅读

一个测试网倒下,千千万万个测试网站起来

一个星期以前(注:本文撰写于 2019 年 12 月 17 日),我们宣布使用 Lighthouse 客户端启动一个大型的公开测试网。测试网成功启动并且运行了一周,首次证明了使用生产环境配置的 Eth2 测试网也是可以跑起来的。

启动测试网时,我们曾说,“我们要尝试把这个测试网搞崩,而且我有自信我们能够成功”。测试网确实挂了,而且是两次。第一次是在周六上午,第二次是在周一早上(都是悉尼时间)。第一次挂掉(超过 100 个 epoch 没有敲定)之后,我们成功恢复了测试网运行;但第二次崩溃时,我们决定就此收手,不再恢复。

这里说的 “崩溃”、“挂掉”,都是指测试网无法敲定 epoch。而没法敲定 epoch 的原因是超过 1/3 的验证者都掉线了。在设计上,这个测试网遇到问题不会死撑,而是会快速且明确地表现出失败。

这个测试网的基石是 4 个 AWS t2.medium 实例(硬件配置是 2 vCPU,4gb RAM, 32gb SSD);每个实例都作为公开的引导节点,负载 4096 个验证者。实际上,我们也很惊讶,它们居然能撑这么久;对于少数硬件配置一般的机器来说,这是巨大的负担;它们中只要有两个离线了,测试网就没法继续敲定了。

我们分析了这两次崩溃时间,也学到了很多(细节在后续章节中)。我们团队已经回到开发工作中,希望能在下周发布一个新的测试网(也有可能是后面几周,可能工作会受假期影响)。你可以在 v0.1.1 milestone 这个页面上了解我们的进展。

教训

测试网崩溃的主要原因

测试网第一次崩溃的直接原因是软件的联网部件中的一个循环,它会 “看到” 某个见证数据(attestation)不断地重复发布。该循环在我们部署的四个信标节点(primary node)中的两个节点上出现了,耗尽了它们的资源,使得它们无法生产区块和见证数据。这个问题是导致两次崩溃的直接原因。

我们已经更新了我们的 gossipsub 实现,现在,每条内容都是根据其内容来寻址的,这就意味着,如果我们收到两条内容相同的消息,gossipsub 协议会忽略掉第二条消息。我们也在 Lighthouse 客户端的代码中加入了复制消息检查,以此防止收发复制消息。

测试网崩溃的次要原因

数据量暴涨

两个信标节点挂掉以后,测试网就不可能敲定区块了(因为 50% 的验证者都离线了)。不过,剩下的两个节点仍在继续发出和接收区块,这也是我们希望看到的情形。但是,网络失去确定性(finality)之后,它们就无法修剪和压缩它们的数据库,这就导致它们的数据库以每小时几 GB 的速度增长。因为我们将测试网节点的硬盘限制在 32 GB(包括操作系统所占用的部分),最终,它们的磁盘被旧数据塞满、无法再接受新区块了。这就导致另外两个节点也离线了。

在这种情况下,要想恢复测试网运行也很简单,只需加大硬盘、重启节点即可。我们也对这种恢复方式很满意,因为这就意味着,一些配有大硬盘的节点在两次崩溃中都几乎不会受到什么影响。

在我写作本文之时,Michael 正在开发针对这个问题的解决方案,思路是让数据库的膨胀速度降低 32 倍。虽然我们很高兴看到在 100 epoch 不能敲定之后节点能够恢复,但目前的情况相当于,一个硬盘不足 64gb 的节点只有约 10 个小时的生存时间。恢复能力对 Lighthouse 客户端是非常重要的,而 Michael 的更新会将 10 小时延长到 13 天。

分叉选择

我们也观察到,网络的分叉选择时间延长到了 8 秒。在我们看来,这是不可接受的,必须要去解决它。我们意识到,这个问题是由于过度从磁盘中加载信标链状态(BeaconState)导致的,所以我们已经写了一个 PR 来解决这个问题。

社区反馈

很高兴看到人们参与到 Lighthouse 测试网中来并运行自己的验证者,有 400 多名参与者参与了我们的测试网!感谢他们的反馈!下面这些建议是他们一再提到的:

  • 需要更快的同步时间:我们正在努力了,预计在 0.1.1 版本中,同步速度可以快上 1.5~2 倍。
  • 更好的 docker 文档:Scott 正在优化这些文档,而且新的测试网会用 docker 来部署(即,我们会亲身尝试使用 docker)。
  • 更稳定的 eth1 节点:我们提供了一个公开的 eth1 节点,方便用户的使用,但事实证明,这个节点还导致了某些验证者宕机。在下一个测试网发布的时候,我们会在不同的地区部署少量节点,并在这些节点间做负载均衡。
  • 更多 API 端点:becaoncha.in 团队联系上了我们,并希望他们的区块浏览器能够得到更多的 API 端点。我们已经提交了一个 PR,估计会在 0.1.1 版本时合并。

(完)


原文链接: https://lighthouse.sigmaprime.io/update-20.html
作者: Paul Hauner
翻译: 阿剑

题图来自 Blair Fraser


你可能还会喜欢:

科普 | 小白也能懂——以太坊2.0测试网

引介 | 谁在建设 ETH 2.0?

引介 | 以太坊 2.0:验证者详解

 
0 人喜欢