如何构建高性能区块链

区块链架构的演进，正如制造业由串行生产走向并行流水线一般。 

撰文：Zhuolun Xiang, Siyuan Han, Zekun Li, and Alexander Spiegelman

自计算机诞生以来，工程师与研究者便不断探索如何将计算资源发挥至极致，力求提升效率、降低延迟。高性能与低延迟这两大目标，贯穿了计算机科学的发展脉络，深刻影响着各个技术领域——从处理器、FPGA、数据库系统，到近年来迅速发展的 AI 基础设施与区块链系统，无不受其驱动。而在众多提高性能的技术中，流水线（pipelining）可谓至关重要。自 1964 年 IBM 在 System/360 [1] 中首次引入流水线架构以来，它便成为高性能系统设计的核心思想，推动着系统架构持续演进，也为诸多技术创新奠定了基础。

流水线技术不仅在硬件领域大放异彩，在数据库系统中亦有广泛应用。例如 Jim Gray 曾在其《高性能数据库系统》中提出「流水线并行」的理念 [2]，将复杂的数据库查询拆解为多个可并行执行的阶段，从而显著提升效率。在人工智能领域，流水线同样不可或缺。以深度学习框架 TensorFlow 为例，其通过数据流水线并行处理数据预处理与加载，确保模型训练与推理的高效进行 [3]。

区块链系统亦遵循此一发展脉络。从本质上看，区块链在处理交易和更新状态方面，与数据库颇为相似，但其又需面对拜占庭容错的共识问题。若欲提升区块链的吞吐量（每秒处理交易数）与延迟表现（交易最终确认时间），关键在于优化共识、执行、存储与同步等阶段之间的协同处理。尤其在高负载场景下，传统设计常因阶段串联、资源闲置而无法兼顾吞吐与延迟。

欲明其理，可借一喻——造车厂。回顾装配线如何变革汽车制造，有助于我们理解区块链流水线架构的演进，也能洞见 Zaptos [8] 这类新一代架构是如何将性能推向新高。

从造车厂谈起

想象你是一位造车厂的老板，你有两个核心目标：

• 提高吞吐量：每日尽可能多造车
• 降低延迟：尽量缩短每辆车的生产时间

设有三类工厂，操作方式各异：

简易工厂

在这类工厂中，一群全能工人轮番作业：一人组装引擎，然后另一人再安装车轮，如此顺序进行，且每次仅处理一辆车。

问题在于，许多工人常常在等待中摸鱼划水。因无法同时处理同一辆车的不同部分，整体产能难以提升。

福特工厂

福特装配线登场 [4]。每位工人专精一环，汽车沿传送带依次推进，每到一处便添一零部。

好处显而易见：多辆汽车可同时处于不同装配阶段，每位工人均有活干，吞吐量大幅提升。但每辆车仍需完整经历所有步骤，其单车生产时间（即延迟）未见明显缩短。

魔法工厂

设想有一座魔法工厂，其中所有工人可同时协作于同一辆车，各部件同步打造，无需顺序流转。

结果如何？整车组装一气呵成，速度远胜以往，吞吐与延迟皆得兼顾。

至此或可看出，高性能区块链的设计目标，与打造高效汽车工厂如出一辙。

区块链=造车厂

在区块链中，处理一个区块如同组装一辆汽车。类比如下：

• 工人 → 验证节点资源
• 汽车 → 区块
• 装配环节 → 共识、执行、存储等阶段

若区块链每次只处理一个区块，则如简易工厂般，资源大量闲置。而现代高性能区块链设计，追求的是如福特工厂一般，能让多个区块的不同阶段并行处理——这正是流水线的核心思想。

区块链流水线架构的演进

传统架构：串行区块链

想象某区块链如下运作：

验证节点收到区块提议 → 执行该区块 → 就新状态达成共识 → 将状态写入存储 → 进入下一轮共识。

此流程中，执行与存储占据共识关键路径，且每一轮共识需等上一轮完全结束，才能启动下一轮。

结果如何？如同福特之前的工厂，资源长期处于等待之中，导致吞吐低、延迟高。可惜的是，时至今日，许多区块链仍采用此种架构。

Aptos：流水线与并行

Diem 项目引入了流水线架构，将执行与存储从共识流程中剥离，并使共识本身亦能流水线化。

• 异步执行与存储 [5]：验证者先就区块达成共识，随后再基于父区块状态执行，状态认证完成后才写入存储。
• 流水线共识（Jolteon [6]）：新一轮共识可在前一轮未完成时启动，如传送带般连续推进。

此设计让多个区块可同时处于不同阶段，有效提升吞吐量，并将区块时间缩短至仅两个消息延迟。然而，因为 Jolteon 是 leader-based 的共识协议，易因 leader 承载数据广播任务而成为性能瓶颈。

为进一步提升性能，Aptos 引入 Quorum Store [7]。此机制将交易数据广播与元数据排序完全解耦，允许验证节点并行异步地传输数据，借此充分利用网络带宽，消除 leader 成为瓶颈的隐患。

至此，Aptos 区块链已然搭建起一座「福特工厂」：就像福特的装配线让不同汽车的各阶段可以同时组装一样，Aptos 能够并行处理多个区块的不同阶段。每个验证节点的资源都被充分利用，整个流程没有任何环节空转。这种高效的设计让 Aptos 拥有极强的处理能力，能够高效且大规模地支持区块链交易。

虽则吞吐至关重要，但端到端延迟（即交易从发出到确认所需时间）同样关键。于支付、DeFi、游戏等应用而言，毫秒之差或定成败。在高负载环境下，交易须经历客户端发起、全节点转发、共识、执行、状态认证、存储及同步等一系列步骤，其中任何一环延迟，皆将影响整体体验。

正如福特工厂虽高效，但每辆车仍须顺序完成所有步骤，因而总耗时不短。若欲进一步突破瓶颈，唯有构建一座「魔法工厂」——即让各阶段真正并行。

Zaptos：迈向区块链最优延迟

Zaptos [8] 在 Aptos 基础上进一步推进，通过三项关键优化，有效降低延迟而不损吞吐：

• 乐观执行：区块一经提议，验证节点即将其加入流水线，并在父区块执行完成后立即开始执行；全节点亦乐观执行以校验状态证明。
• 乐观提交：状态在执行后即写入存储，无需等待认证。若该区块最终未被排序，其状态会被回滚以保持一致性。
• 快速认证：认证阶段与共识尾轮并行启动，而非等待共识结束后再进行，由此常规情况下减少一轮延迟。

这些优化使得其他阶段的延迟被掩盖在共识阶段之中。若搭配最优延迟的共识协议，则整条链亦能达成最优延迟！

光说不练假把式：数据证明一切

我们通过全球部署的实验环境对 Zaptos 进行了端到端性能评估，并以 Aptos 为基准系统。更多细节参见论文 [8]。

实验使用 Google Cloud，模拟了一个分布于 10 个地区的网络，包括 100 个验证节点与 30 个全节点。使用的机器规格与 Aptos 主网相仿。

吞吐 - 延迟曲线

如图所示，Zaptos 在不同负载下的延迟表现远优于 Aptos：

• 在系统未饱和前，Zaptos 延迟更为稳定
• 在低负载下可减少 160ms 延迟，高负载下差距超过 500ms
• 在 2 万 TPS 条件下，Zaptos 仍保持亚秒级延迟，足以支撑真实世界的高性能应用

延迟细分分析

在 10k TPS 以内，Zaptos 的总延迟几近等同于共识延迟，其余阶段延迟几乎可忽略；而在更高负载下，尽管各阶段耗时略有上升，但由于高度并行，总体延迟仍远低于基线。

举例而言，20k TPS 时：

• Aptos 总延迟：1.32 秒（共识 0.68s + 其他阶段 0.64s）
• Zaptos 总延迟：0.78 秒（共识 0.67s + 其他阶段仅 0.11s）

结语

区块链架构的演进，正如制造业由串行生产走向并行流水线一般。Aptos 通过流水线架构实现了吞吐飞跃，而 Zaptos 更进一步，将延迟压缩至亚秒级，真正实现吞吐与延迟双优。如同现代计算体系依赖并行化追求极限效率，区块链系统亦需不断优化，方能支撑更广泛、更苛刻的应用场景。Zaptos 正是通向这一未来的坚实一步。

引用

[1] Gene M. Amdahl, Gerrit A. Blaauw, and Frederick P. Brooks. 1964. 「Architecture of the IBM System/360.」 IBM Journal of Research and Development. https://doi.org/10.1147/rd.82.0087

[2] David DeWitt, and Jim Gray. 1992. 「Parallel Database Systems: The Future of High Performance Database Systems.」 Communications of the ACM. https://doi.org/10.1145/129888.129894

[3] Martín Abadi, Paul Barham, Jianmin Chen, Zhifeng Chen, Andy Davis, Jeffrey Dean, Matthieu Devin et al. 2016. 「TensorFlow: a System for Large-Scale Machine Learning.」 In 12th USENIX symposium on operating systems design and implementation (OSDI). https://arxiv.org/abs/1605.08695

[4] The Moving Assembly Line and the Five-Dollar Workday. https://corporate.ford.com/articles/history/moving-assembly-line.html

[5] Zekun Li, and Yu Xia. 2021. DIP-213 - Decoupled Execution. https://github.com/diem/dip/blob/7dc44ee57bb7efe76559f05dcc6851d97e2d3149/dips/dip-213.md

[6] Rati Gelashvili, Lefteris Kokoris-Kogias, Alberto Sonnino, Alexander Spiegelman,

and Zhuolun Xiang. 2022. 「Jolteon and Ditto: Network-Adaptive Efficient Consensus

with Asynchronous Fallback.」 In International conference on financial cryptography

and data security (FC). https://arxiv.org/abs/2106.10362

[7] Quorum Store: How Consensus Horizontally Scales on the Aptos Blockchain. https://medium.com/aptoslabs/quorum-store-how-consensus-horizontally-scales-on-the-aptos-blockchain-988866f6d5b0

[8] Zhuolun Xiang, Zekun Li, Balaji Arun, Teng Zhang, and Alexander Spiegelman. 2025. 「Zaptos: Towards Optimal Blockchain Latency.」 arXiv preprint arXiv:2501.10612. https://arxiv.org/abs/2501.10612