深圳先進院區塊鏈基準測試程序特征刻畫及性能優化研究取得突破
近日，深圳先進院數字所異構智能計算中心在區塊鏈基準測試程序特征刻畫及性能優化研究方面取得重要進展，相關成果以“BBS: Micro-architecture Benchmarking Blockchain Systems through Machine Learning and Fuzzy Set”為題被國際體系結構領域的CCF A類會議HPCA(IEEE International Symposium on High-Performance Computer Architecture) 2020接收。該會議致力于展示和討論計算機體系結構中的新思想和最新研究成果，與ASPLOS, ISCA, MICRO并稱體系結構領域的“四大頂會”。深圳先進院異構智能計算中心碩士生朱亮為論文第一作者，深圳先進院異構智能計算中心博士后陳超為論文第二作者，深圳先進院異構智能計算中心喻之斌研究員為通訊作者。
該項研究致力于在處理器微體系結構層面對區塊鏈系統進行特征刻畫，從微體系結構層面分析區塊鏈性能較差的原因并提出優化方案。由于當前區塊鏈基準測試程序均只關注區塊鏈整體方面的性能指標（如吞吐量、延遲等），卻沒有從微體系結構層面對區塊鏈系統進行特征刻畫，這導致人們難以定位區塊鏈系統性能不佳的原因。因此，人們不知道應該選擇哪種現有的CPU微架構，或者如何設計CPU的微架構來更高效地運行區塊鏈系統。BBS通過收集區塊鏈系統基準測試程序在運行過程中的微體系結構事件，并對這些事件進行重要性排序，從而比較不同區塊鏈系統的特征。通過研究分析結果，可以清楚地顯示區塊鏈系統性能不佳的原因。同時，BBS通過使用模糊數學的方法對區塊鏈微體系結構事件重要性排序后的結果進行挑選，選出合適數量的對基準測試程序性能重要的事件。然后對區塊鏈的微體系結構層面進行特征刻畫時僅需要觀察這些少量的事件就可以全面且準確的衡量區塊鏈系統的性能。研究過程中挑選出來的事件還可以對已有的區塊鏈基準測試程序進行相似性分析，篩選掉相似性過高的區塊鏈基準測試程序，降低測試開銷。實驗表明，在8臺高性能服務器集群環境下，BBS不僅能將Hyperledger Fabric的吞吐率提高70%，而且將其延遲降低55%。
HPCA會議創辦于1995年，是由 IEEE舉辦的計算機體系結構領域的頂級會議。參會對象包括微體系結構、云計算、計算機系統等領域的研究人員或學生。本篇文章是以華南地區單位為第一作者和通訊作者單位在HPCA上發表的首篇論文。
上述工作得到重點研發計劃課題“軟件定義的云計算資源管理”和國家自然科學基金等項目的資助。
