مقیاس پذیری عمودی و افقی بلاکچین

۱۹ آبان ۱۳۹۸ | 0 نظر | لینک کوتاه | اخبار و مقالات ارز دیجیتال, فناوری بلاکچین

مقیاس پذیری عمودی (Vertical) و افقی (Horizontal) چیست؟

مقیاس پذیری عمودی (Vertical scaling) مستلزم گسترش شبکه با اضافه کردن توان و حافظه ی بیشتر به واحد پردازش هسته ای سیستم است ، در حالی که مقیاس بندی افقی (horizontal scaling ) شامل اضافه کردن گره های بیشتر (یعنی دستگاه ها) به چارچوب یک سیستم موجود است.

هنگام پرداختن به موضوع قابلیت مقیاس پذیری ، مهم است که درک کنیم وقتی کسی به دنبال افزایش ظرفیت معاملات یک پلتفرم خاص است ، معمولاً از این مفهوم استفاده می شود.

مرتبط: توضیحاتی در خصوص مشکل مقیاس پذیری بلاکچین (Blockchain)

مقیاس پذیری عمودی (Vertical scaling ) در رابطه با معماری سرور مشتری سنتی به معنای به روزرسانی سخت افزار موجود سیستم است تا قدرت پردازشی و حافظه بیشتری را در خود جای دهد. در همین راستا ، مقیاس پذیری افقی (horizontal scaling) مربوط به تغییر چارچوب اصلی خود پلتفرم است – به منظور ایجاد گروهی از سرورها که به راحتی قادر به دستیابی به تعداد بیشتری درخواست تراکنش ورودی هستند.

آیا مقیاس پذیری در بلاکچین ها (blockchain) به خوبی کار می کند؟

مقیاس پذیری به بهترین وجه با دیتا بیس های سنتی کار می کند. با این حال ، از دیدگاه امنیتی ، بلاکچین (blockchain) های مقیاس پذیر بسیار مفیدتر و عملی تر هستند – اما در این میان مبادله ای وجود دارد.

هنگام صحبت از مفهوم مقیاس پذیری در زمینه فناوری بلاکچین (blockchain) ، باید این نکته را مورد توجه قرار داد که از آنجایی که سیستم های بلاکچین (blockchain) در حال حاضر شبکه هایی توزیع شده اند ، افزایش توان ورودی شبکه با افزودن واحدهای سخت افزاری بیشتر – از جمله ماینر ها ، گره یا اعتبار سنج ها – دشوار است.

اگر بخواهیم دقیق تر به این موضوع بپردازیم ، در حالی که مقیاس پذیری افقی (horizontal scaling) تمایل به افزایش اعتماد یا امنیت یک شبکه دارد ، به طور کلی منجر به تنزل عملکرد کلی (ظرفیت پردازش تراکنش) سیستم می شود.

از طرف دیگر ، مقیاس پذیری عمودی (vertical scaling ) به معنای سریع تر و قوی تر ساختن هر یک از اجزای داخلی یک سیستم است. این امر ، از نقطه نظر یک سیستم مبتنی بر لجر توزیع شده ، دلالت بر استفاده از گره های ابر رایانه ای دارد. با این وجود ، نکته ی منفی این است که فقط تعداد معدود و خاصی قادر به اجرای چنین گره هایی هستند.

روند مقیاس پذیری چگونه انجام می شود؟

مقیاس پذیری عمودی (Vertical scaling) با بهبود کارایی هر یک از تراکنش ها انجام می شود ، در حالی که مقیاس پذیری افقی (horizontal scaling) با افزایش ظرفیت توان کلی پلتفرم حاصل می شود.

به عبارتی ساده تر ، پیشرفت های مقیاس پذیری عمومی از طریق استفاده از مفهومی به نام “لایه بندی  (layering)  ” صورت می گیرد – که در آن هر یک از اجزای فردی یک سیستم خاص برای تعامل با همتایان دیجیتالی خود به نوعی از روش های متوالی و سلسله مراتبی ساخته شده است.

همچنین ، وقتی نوبت به بلاکچین (blockchain) ها  می رسد ، توسعه دهندگان در تلاش هستند که تغییر ناپذیری زنجیره پایه خود را حفظ کنند که به نوبه ی خود به لایه مقیاس پذیری اجازه می دهد تا امنیت زنجیره اصلی را افزایش دهد. مثالی که مفهوم فوق را کاملاً برجسته می کند ، عملکرد لایتنینگ نتورک است – فناوری ای که از امنیت بیت کوین (Bitcoin ) به منظور افزایش توان کلی (tx) سیستم استفاده می کند.

مرتبط: لایتنینگ نتورک (Lightning Network ) چیست و چگونه کار می کند ؟

اکنون ، هنگام کار با مقیاس گذاری افقی (horizontal ) و عمودی (vertical ) ، می توانیم ببینیم که اولی با افزودن گروه های بیشتر یا ماشین های مجازی به یک سیستم – به منظور تحمل بار فزاینده ی معاملات انجام می شود. از طرف دیگر مقیاس گذاری عمودی با افزودن قدرت پردازش بیشتر (یا حافظه) بیشتر به یک ماشین مجازی موجود به منظور افزایش ظرفیت پردازش به دست می آید.

گفته می شود ، به روزرسانی آینده ی اتریوم (Ethereum 2.0) بسیار تاثیرگذار است زیرا تلاش می کند ظرفیت معامله کلی پروژه را از طریق چندین تغییر طراحی مختلف بهبود بخشد – یکی از اصلی ترین آن ها قابلیت تبدیل شدن به بخش های مختلف است.

با پیاده سازی این تغییرات ، چارچوب اصلی اتریوم (Ethereum) از یک محیط اجرای واحد به چندین محیط مختلف منتقل می شود که معاملات را به صورت غیر همزمان و موازی معتبر می سازند.

چه زمانی از مقیاس گذاری افقی یا عمودی استفاده کنیم؟

مقیاس گذاری عمودی (vertical scaling) خالص ، در اثربخشی آن محدود است اما دستیابی به آن نسبتاً آسان تر است.

مقیاس گذاری افقی (Horizontal scaling ) به بهبود توان کلی سیستم کمک می کند اما توسعه ی آن به زمان بیشتری نیاز دارد.

برای درک بهتر مسئله ، می توان عملکرد تنگناهای یک سیستم را مورد بررسی قرار داد. تنگنا وضعیتی را نشان می دهد که تقاضای بیش از حد روی یک سیستم خاص قرار می گیرد که موجب فشار شدید و تاثیر بر روی عملکرد پلتفرم می شود.

به عنوان مثال ، اگر مشکلی در حافظه ی اصلی ماشین مجازی برای پردازش کلیه معاملات دریافتی وجود داشته باشد ، ممکن است مقیاس عمودی به رفع مشکل کمک کند – زیرا با افزودن حافظه اضافی به چارچوب ، می توان بار کلی را کاهش داد.

از طرفی ، اگر یک بار معامله دریافتی ، توسط سخت افزار موجود یک پلتفرم قابل کنترل نباشد ، با استفاده از مقیاس افقی (یعنی اضافه کردن واحد پردازش اضافی) ، می توانید مشکل را رفع کنید.

برای نشان دادن مفهوم یاد شده به ساده ترین روش ممکن ، جاناتان آر. برانت (Jonathan R. Brandt) ، رهبر سرمایه گذاری نوآوری های تکنولوژی که دوره ی تحصیلی بلاکچین (blockchain) که در حال حاضر در کالج ها و دانشگاه های مختلف ایالت مینه سوتا (Minnesota) تدریس می شود ، را پایه گذاری کرده بود ، گفت:

وی گفت: “در مبارزه با جرم و جنایت ، مقیاس گذاری عمودی و مقیاس گذاری افقی مورد استفاده قرار می گیرد . در بیت کوین (Bitcoin) ، یک سرور ماینینگ می تواند با افزایش حافظه یا به روزرسانی (GPU) آن ، به صورت عمودی مقیاس شود و با پیوستن سرورها به یکدیگر ، می توان آن را به صورت افقی مقیاس گذاری کرد. ”

آیا راه حل های قابل توجهی برای مقیاس گذاری بلاکچین (blockchain) وجود دارد؟

طی دو سال گذشته ، تعدادی از شرکت ها برای حل مسائل مقیاس پذیری که بخش کریپتو را تحت تأثیر قرار داده اند ، اقدام کرده اند.

آخرین فن آوری ایجاد شده توسط (vCPU)  : (LiquidApps)  یک راه حل مقیاس گذاری افقی است که به منظور کمک به توسعه دهندگان جهت امکان دستیابی به منبع بیشتری از قدرت محاسبات غیرمتمرکز ، با به کار گیری برنامه های غیرمتمرکز ، ارائه دهندگان خدمات (DApp) برای خواندن درخواست های زنجیره ای ، انجام پردازش و بازگردانی نتایج به (DApp) درخواست کننده طراحی شده است. یكی از بزرگ ترین امتیازهای فروش (vCPU) ، توانایی آن در فعال سازی (DApp) است كه می تواند سطح غیر قابل اعتماد را مطابق با نیازهای مورد استفاده در مواقع خاص انتخاب كند.

مثال دیگر (EOS) است. هدف اصلی (EOS) مقابله با بسیاری از موضوعات مقیاس پذیری موجود در صنعت است. نکته اصلی تفاوت (EOS) با (vCPU) ، فناوری پردازش موازی آن است که با استفاده از برخی عناصر مرتبط با مقیاس گذاری عمودی (به عنوان مثال ، اضافه کردن قدرت پردازش) امکان پذیر است.

از طرف دیگر ، پروتکل زمانی (Temtum) تضمین می کند که داده ها حتی اگر گره فعلی فضای ذخیره سازی لازم را برای نگه داشتن کل زنجیره نداشته باشد می توانند بین گره ها به اشتراک گذاشته شوند – از این طریق موانع ورود گره های جدید به شبکه را کاهش می دهند.

هزینه ی ورود و مشارکت در شبکه کم است ، بنابراین مقدار منابع مورد نیاز برای اجرای گره ها نیز کم است ، در نتیجه این امر ، امکان استفاده کامل از قابلیت های گره های غیرفعال را ممکن می سازد (کاری که اکثر کریپتوکارنسی ها در حال حاضر قادر به انجام آن نیستند) ، در نتیجه عملکرد کلی سیستم افزایش می یابد.

نمونه های مرتبط دیگر شامل (Ziliqa) ، (ETH 2.0) ، (Iota) می باشند.

برخی از نکات کلیدی درباره مقیاس پذیری که باید به یاد داشته باشیم چیست؟

همه چیز مربوط به تمرکز در مقابل عدم تمرکز است.

برای پلتفرم های بلاکچین (blockchain) ، مقیاس پذیری یک زنجیره خاص ، اغلب به میزان عدم تمرکز موجود که در اختیار شبکه است بستگی دارد. اکوسیستم های بسیار غیر متمرکز (مانند بیت کوین (Bitcoin) ) بسیار کند هستند ، در حالی که شبکه هایی که متمرکز تر هستند (مانند( EOS) ، با ۲۱ تولید کننده بلاک آن)  بسیار سریع تر هستند.

بنابراین ، وجود گره های کمتر برای تولید بلاک به طور کلی باعث سریع تر شدن کارها می شود. با این وجود ، قابلیت تمرکز ، ویژگی های جالبی که به صورت ذاتی در درون بلاکچین (blockchain) ها وجود دارد ، برای مثال مقاومت آن ها در برابر سانسور ، شفافیت آن ها و تغییر ناپذیری کلی ، را کاهش می دهد.

ترجمه توسط دلاریپتو

۵,۵۸۱ total views, 3 views today

دیدگاه بگذارید

avatar


    | 607,121,466 تومان

    | 625,831,499 تومان

    | 41,665,632 تومان

    | 42,949,667 تومان

    | 14,863 تومان

    | 15,321 تومان

    | 1,691,760 تومان

    | 1,743,896 تومان

    | 1,942.66 تومان

    | 2,002.53 تومان

    | 4,553,760 تومان

    | 4,694,096 تومان

    | 32,000 تومان

    | 32,600 تومان

    | 0 تومان

    | 0 تومان

    | 0 تومان

    | 0 تومان

    | 0.000

    | inf

    | nan

    | 0.000

    | inf $

    | inf $

    | inf $

    | inf $

    | inf $

    | nan لیر

    | nan لیر

    | inf لیر

    | inf لیر

    | inf لیر

    | inf لیر