Achieving Scalability and Load Balance across Blockchain Shards for State Sharding

问题

这篇文章主要解决一个问题是，在sharding的时候，如果是基于账户或者状态的分片，以往的算法在分片的时候会根据账户地址或者哈希值进行划分。这是一种随机的分片。这种分片会造成一个问题是会导致跨分片交易过多。

因为一个跨分片交易会转换成为两个子交易。这就导致要处理的交易数量太多，工作负载太大。
并且，存在热分片的情况，各个分片之间的工作负载可能不均衡会产生偏斜。

算法

将账户建模成图的机构，边权位两个账户之间的交易数量。
点为账户。

C(x) 为一个划分下的跨分片交易数量

D(x) 为一个划分下的各个shard 负载不均衡的度量

既要减少跨片交易，又要均匀分配，我们得到如下的优化函数

虽然现有已经有一些 community 检测算法，能够减少跨片交易的数量，但是不能限制各个community的大小，因此会造成负载的不均衡。

CLPA

有限的LPA，LPA会给每个节点一个标号，然后更新标号直到收敛

但是在这个问题中，限制他的迭代次数，就是防止他不收敛，估计是作者在跑这个算法的时候发现部分情况下没法收敛。

在这个函数中也考虑到某个shard的负载太大的问题，因此会有 $W_k$ 这个参数来平衡，防止某个shard中的交易太多。

M-shard W-shard

M-shard 负责打包区块。收到state block之后，进行账户的重新划分。

W-shard负责监听，构建state graph，然后运行CLPA算法，生成并共识 state block，将state block

state block中会记录所有 shard的 state root。