چرا TPS برجسته اغلب مقیاس پذیری واقعی را نشان نمی دهد

چرا TPS برجسته اغلب مقیاس پذیری واقعی را نشان نمی دهد

1 نظرات

10 دقیقه

چرا ارقام برجسته TPS اغلب مقیاس‌پذیری واقعی را نشان نمی‌دهند

معیار «تراکنش‌ها در ثانیه» (TPS) در فضای بلاک‌چین به‌عنوان خلاصه‌ای از کارایی شبکه به‌طور گسترده استفاده می‌شود، اما ارقام برجسته TPS به‌ندرت بازتاب‌دهندهٔ توانایی‌ای هستند که یک شبکهٔ زنده و غیرمتمرکز می‌تواند حفظ کند. اعداد بالای TPS در وایت‌پیپرها و اسلایدهای بازاریابی چشم‌نوازند، اما هر تراکنش اضافه فشار محاسباتی و شبکه‌ای روی نودها را افزایش می‌دهد و این نودها هستند که دفترکل را غیرمتمرکز نگه می‌دارند. این تنش—میان سرعت خام اجرا و هزینهٔ غیرمتمرکزسازی—توضیح می‌دهد چرا TPS نظری معمولاً وقتی یک زنجیره در تولید اجرا می‌شود فرو می‌ریزد.

بنچمارک‌ها در مقابل شبکه‌های تولیدی

بسیاری از بنچمارک‌های اولیه یا آزمایش‌های پیشِ اصلی (pre-mainnet) TPS را در شرایط ایده‌آل اندازه می‌گیرند: مثلاً روی یک نود تنها یا یک تست‌نت کاملاً کنترل‌شده. این شرایط بیشتر سرعت ماشین مجازی یا توان اجرای ایزوله را می‌سنجد تا مقیاس‌پذیری کامل شبکه. کارتر فلدمن، بنیان‌گذار Psy Protocol و از هکرها و تولیدکنندگان بلوک سابق، اشاره می‌کند که اندازه‌گیری‌های تک‌نودی گمراه‌کننده‌اند زیرا هزینه‌های رله‌کردن و تأیید تراکنش‌ها در یک توپولوژی توزیع‌شده را نادیده می‌گیرند.

«بسیاری از آزمایش‌های پیش‌اصلی، تست‌نت یا بنچمارک‌های ایزوله TPS را با تنها یک نود اجرا شده اندازه‌گیری می‌کنند. در آن صورت، می‌توان این‌طور گفت که اینستاگرام یک بلاک‌چین است که می‌تواند به ۱ میلیارد TPS برسد، چون یک مرجع مرکزی همهٔ درخواست‌های API را تأیید می‌کند،» فلدمن گفته است.

اجرای تراکنش تنها یکی از اجزای معما است

پروفایل عملکرد یک بلاک‌چین شامل چندین لایه است: سرعت اجرای تراکنش توسط ماشین مجازی، نحوهٔ ارتباط نودها (پهنای باند و تأخیر)، و چگونگی رله و تأیید داده‌ها توسط رهبران و ولیدیتورها. بنچمارک‌هایی که اجرا را از رله و تأیید جدا می‌کنند، چیزی نزدیک‌تر به توان عبور VM را اندازه می‌گیرند تا مقیاس‌پذیری شبکه. در عمل، شبکه باید تضمین کند که هر نود کامل می‌تواند تراکنش‌ها را تأیید کند و داده‌های نامعتبر رد شوند—همان ویژگی که غیرمتمرکزسازی را ضمانت می‌کند.

پروژه‌های جدید TPS بالا را تبلیغ می‌کنند، اگرچه استفادهٔ شبکهٔ زنده به‌ندرت به این سقف‌ها نزدیک می‌شود.

نمونه‌های تاریخی: EOS و Solana

EOS سقف نظری TPS را در مقیاس میلیون‌ها منتشر کرد، اما هرگز آن سطح را در شبکهٔ اصلی به‌دست نیاورد. ادعاهای وایت‌پیپر تا حدود ۱ میلیون TPS برجسته بودند، اما آزمایش‌ها و تحقیقات واقع‌بینانه تصویر متفاوتی نشان دادند. تست‌های Whiteblock و دیگر تحلیل‌های دنیای واقعی نشان دادند که توان عملی تحت شرایط شبکهٔ واقعی به حدود ۵۰ TPS کاهش می‌یابد.

اخیراً کلاینت ولیدیتور Firedancer از Jump Crypto در آزمایش‌های کنترل‌شده ۱ میلیون TPS را نشان داد. این دستاورد نشان می‌دهد مهندسی تا چه اندازه می‌تواند سرعت اجرای خام را به جلو ببرد. با این حال، شبکهٔ سولانا در شرایط زنده معمولاً در حدود ۳۰۰۰–۴۰۰۰ TPS پردازش می‌کند؛ بخش قابل‌توجهی از این رقم توسط ترافیک رأی‌گیری یا اجماع مصرف می‌شود نه تراکنش‌های خالص کاربران. حدود ۴۰٪ از فعالیت‌های زنجیره‌ای در مجموع سولانا می‌تواند ترافیک غیرکاربری یا غیررأی‌گیری باشد، بنابراین توان عملی برای کاربران کمتر است.

سولانا در ۱۰ فوریه بدون تراکنش‌های رأی‌گیری ۱,۳۶۱ TPS ثبت کرد.

این مثال‌ها الگوی ثابتی را نشان می‌دهند: رکوردهای عملکرد ایزوله با توان پایدار شبکهٔ اصلی که در آن غیرمتمرکزسازی، انتشار شبکه و هزینه‌های تأیید همه نقش دارند، یکی نیستند.

مشکل مقیاس‌بندی خطی و هزینه‌های غیرمتمرکزسازی

توان عملی معمولاً به‌صورت خطی با بار کاری مقیاس می‌یابد: دو برابر تراکنش تقریباً به معنی دو برابر کار است. این رابطهٔ خطی مشکل‌ساز می‌شود زیرا هر نود باید حجم رو به رشد داده‌ها را دریافت و تأیید کند. محدودیت‌های پهنای باند، سقف‌های CPU، ورودی/خروجی ذخیره‌سازی و تأخیرهای همگام‌سازی در نهایت به گلوگاه‌های سخت تبدیل می‌شوند. وقتی TPS را بدون تغییر مدل تأیید بالا می‌برید، مجموعهٔ ماشین‌هایی که می‌توانند یک نود کامل اجرا کنند کوچکتر می‌شود، قدرت تأیید متمرکز می‌گردد و غیرمتمرکزسازی تضعیف می‌شود.

این تریدآف در بسیاری از معماری‌های موجود بلاک‌چین بنیادی است: افزایش‌های خام TPS به‌قیمت کاهش تنوع و توزیع جغرافیایی ولیدیتورها تمام می‌شود. تیم‌های پروژه معمولاً فشار را با افزایش الزامات سخت‌افزاری کاهش می‌دهند، اما این تغییر شبکه را به سمت مجموعه‌ای کوچک‌تر و حرفه‌ای‌تر از ولیدیتورها سوق می‌دهد.

جدا کردن اجرا از تأیید

یکی از راه‌ها برای کاهش بار روی هر نود، جدا کردن اجرا از تأیید است. به‌جای اینکه هر نود هر تراکنش را اجرا کند، نودها یک اثبات فشرده را بررسی می‌کنند که نشان می‌دهد تراکنش‌ها به‌درستی پردازش شده‌اند. این رویکرد هزینه‌های تأیید را برای نودهای عادی کاهش می‌دهد و کار سنگین را روی اثبات‌کننده‌های تخصصی متمرکز می‌کند.

فلدمَن اثبات‌های دانش‌صفر (ZK) را به‌عنوان ابزار کلیدی برای این طراحی برجسته می‌کند. رمزنگاری دانش‌صفر به اثبات‌کننده اجازه می‌دهد تا به تأییدکنندگان ثابت کند که یک دستهٔ تراکنش به‌درستی اجرا شده است، بدون آنکه تمام داده‌های میانی را افشا کند یا نیاز باشد هر نود همهٔ تراکنش‌ها را مجدداً اجرا کند. این کار بار تأیید را که هر نود کامل باید تحمل کند کاهش می‌دهد.

اثبات‌های بازگشتی ZK و تجمیع اثبات‌ها

اثبات‌های بازگشتی (recursive ZK-proofs) اجازه می‌دهند چندین اثبات در یک اثبات واحد ترکیب شوند که صحت بسیاری از اثبات‌های قبلی را تصدیق می‌کند. فلدمن این موضوع را با یک درخت اثبات توضیح داد: ۱۶ تراکنش کاربری می‌توانند به هشت اثبات تبدیل شوند، که آن‌ها خود فشرده می‌شوند به چهار اثبات، سپس دو، و در نهایت به یک اثبات فشردهٔ واحد. نتیجهٔ نهایی یک شئ کوچک است که صحت یک دستهٔ بزرگ از تراکنش‌ها را ثابت می‌کند.

چگونگی تبدیل چندین اثبات به یک اثبات واحد.

با استفاده از اثبات‌های بازگشتی، می‌توان توان عملی را افزایش داد بدون آنکه هزینهٔ تأیید برای هر نود به‌طور متناسب بالا برود. این یعنی TPS مؤثر بالاتر در سطح شبکه در حالی که تأیید برای نودهای عادی ارزان‌تر باقی می‌ماند. با این حال، هزینه حذف نمی‌شود—فقط منتقل می‌شود. تولید اثبات‌های ZK می‌تواند از نظر محاسباتی سنگین باشد و معمولاً به سخت‌افزار یا زیرساخت‌های تخصصی نیاز دارد. کار سنگین به اثبات‌کننده‌ها منتقل می‌شود که در صورت طراحی نامناسب ممکن است متمرکز شوند و دوباره تریدآف‌هایی با غیرمتمرکزسازی ایجاد گردد.

چرا بیشتر زنجیره‌ها هنوز مدل‌های سنتی را حفظ کرده‌اند

پذیرش تأیید مبتنی بر اثبات اغلب مستلزم بازطراحی اجزای اصلی یک بلاک‌چین است: نمایش حالت (state)، مدل‌های اجرا و نحوهٔ مدیریت در دسترس‌پذیری داده‌ها. افزودن تأیید مبتنی بر ZK به یک EVM معمول یا مدل اجرای ترتیبی پیچیده است. این توضیح می‌دهد که چرا بسیاری از شبکه‌های تثبیت‌شده باوجود مزایای نظری ZK، همچنان به اجرای و تأیید سنتی متکی‌اند.

فلدمن همچنین به دینامیک‌های تاریخی تأمین مالی اشاره کرد: سرمایه‌گذاران اولیه و تیم‌ها پروژه‌هایی را ترجیح می‌دادند که با مدل‌های اجرایی آشنا (مثل زنجیره‌های سازگار با EVM) مطابقت داشته باشند. ساخت یک پشتهٔ اجرایی بومی ZK زمان و مهندسی نوآورانه بیشتری می‌طلبد که در ابتدا جذب سرمایه را برای برخی تیم‌ها دشوارتر می‌کرد.

شاخص‌های عملکرد فراتر از TPS خام

TPS زمانی معیار مفیدی است که صحیح استفاده شود—اندازه‌گیری در محیط تولید و شامل هزینه‌های رله و تأیید—اما تنها نشانگر سلامتی شبکه نیست. شاخص‌های اقتصادی مانند هزینهٔ تراکنش‌ها، رفتار بازار کارمزد و میانگین نهایی‌شدن تراکنش سیگنال‌های روشن‌تری از تقاضا و ظرفیت ارائه می‌دهند. یک بلاک‌چین با هزینه‌های پایین علیرغم TPS روی کاغذ بالا ممکن است نشان‌دهندهٔ ظرفیت استفاده‌نشده باشد، در حالی که افزایش کارمزدها در TPS متوسط می‌تواند نشانگر گرفتگی و محدودیت‌های دنیای واقعی باشد.

«من معتقدم TPS معیار شماره دو برای سنجش عملکرد یک بلاک‌چین است، اما تنها در صورتی که در محیط تولید یا محیطی اندازه‌گیری شود که تراکنش‌ها نه‌فقط پردازش می‌شوند بلکه توسط نودهای دیگر هم رله و تأیید می‌گردند،» فلدمن تأکید کرده است.

LayerZero Labs و دیگران ادعاهایی دربارهٔ سقف‌های دراماتیک TPS با ترکیب نوآوری‌های اجرا و اجزای ZK مطرح کرده‌اند. برای مثال، LayerZero زنجیره‌ای تحت عنوان Zero را تبلیغ کرد که ادعا می‌کرد به کمک فناوری ZK می‌تواند تا میلیون‌ها TPS مقیاس‌پذیر شود. این رویکردها امیدوارکننده‌اند، اما قابلیت زیست درازمدت و غیرمتمرکز آن‌ها به چگونگی توزیع تولید و اعتبارسنجی اثبات‌ها در سراسر شبکه بستگی دارد.

نتایج عملی برای توسعه‌دهندگان و کاربران

  • ادعاهای TPS را با نگاه نقادانه بخوانید: بپرسید آزمایش‌ها چگونه اجرا شده‌اند و آیا هزینه‌های رله، پهنای باند و تأیید در نظر گرفته شده‌اند یا نه.
  • به بنچمارک‌های تولیدی اولویت بدهید: اندازه‌گیری‌های شبکهٔ اصلی در بار کاربری عادی قابل‌اطمینان‌تر از دموی پیش‌اصلی هستند.
  • به سیگنال‌های اقتصادی توجه کنید: هزینهٔ تراکنش‌ها و رفتار ممپول شواهد عملی از محدودیت‌های شبکه ارائه می‌دهند.
  • تأثیر بر غیرمتمرکزسازی را ارزیابی کنید: TPS بالاتر ارزشمند است، اما نه اگر موجب تمرکز تأیید یا نیاز به سخت‌افزار غیرقابل‌تحمل شود.
  • پیشرفت‌های ابزارهای ZK را دنبال کنید: اثبات‌های بازگشتی و تجمیع اثبات‌ها می‌توانند تریدآف خطی را بشکنند، اما خودشان تریدآف‌های معماری و اقتصادی ویژه‌ای به همراه دارند.

نتیجه‌گیری

اعداد برجستهٔ TPS جذابند اما ناکامل. مقیاس‌پذیری دنیای واقعی باید شامل نحوهٔ پخش تراکنش‌ها، تأیید آن‌ها و انگیزش اقتصادی در یک شبکهٔ غیرمتمرکز باشد. تکنیک‌هایی مانند جدا کردن اجرا از تأیید و استفاده از اثبات‌های دانش‌صفر—به‌ویژه اثبات‌های بازگشتی—مسیرهای امیدوارکننده‌ای برای دستیابی به توان عملی قابل‌استفاده‌تر ارائه می‌دهند. با این حال، این راه‌حل‌ها بارها را منتقل می‌کنند نه آنکه آن‌ها را حذف کنند، و برای حفظ غیرمتمرکزسازی مهندسیِ دقیق می‌طلبند. در حال حاضر، بهترین معیار برای سنجش توانایی مقیاس‌پذیری یک زنجیره، توان عملی آزمایش‌شده در تولید همراه با شاخص‌های اقتصادی مثل کارمزدها و توزیع ولیدیتورها باقی می‌ماند.

منبع: cointelegraph

ارسال نظر

نظرات

کویننبض

این TPS های روی کاغذ خیلی گول‌زننده‌ست، بنچمارک تک‌نودی که یعنی عملا متمرکز بودن رو پنهان می‌کنن. آیا شبکهٔ واقعی هم همینو می‌تونه؟ شک دارم...

مطالب مرتبط