DPOS代码实现

本篇文章主要是DPOS共识的简单实现,其中有许多地方都做了简化。DPOS的原理已在上篇文章中描述过,如果对DPOS的原理不太清晰的可以进行查看。文章地址:共识算法学习总结

代码实现的功能比简单,主要有:添加区块,代理者的投票以及查看所有的代理者。代码中使用bolt数据库进行数据的持久化,p2p模块主要使用了libp2p。

创建一个区块链

在系统开始时,要创建一条区块链。该函数首先初始化数据库,然后生成创世块并保存在数据中。

func NewBlockchain()  {
	// 初始化数据库
	setupDB()
	db := common.GetDB()
	defer db.Close()
		// 生成创世区块
	block := genGenesisBlock()
	err := db.Update(func(tx *bolt.Tx) error {
		bucket := tx.Bucket([]byte(common.BlocksBucket))
		err = bucket.Put([]byte("lastHash"), []byte(block.Hash))
		err = bucket.Put([]byte(block.Hash), serializeBlock(block))
		if err != nil {
			log.Panic(err)
		}
		return nil
	})
	log.Println(">>> 创建区块链成功")
}

添加一个区块

初始化区块链后就可以进行区块的添加。该函数首先启动共识模块和p2p模块,接着打包区块。为了简化代码,这里直接创建了区块,实际上应该由特定的代理者进行打包创建区块。接着把创建的区块添加到候选区块通道中,等待共识模块的确认。

func add(data string, port int, target string)  {
	log.Println(">>> 开始添加区块链")
	// 启动共识
	go consensus.Start()
	log.Println(">>> 启动共识...")

	// 启动p2p节点
	go p2p.Start(port, target, 0)
	log.Println(">>> 启动p2p网络...")


	// 打包区块
	newBlock := common.Block{}
	newBlock.Height = getLastHeight() + 1
	newBlock.Data = data
	newBlock.Timestamp = time.Now().String()
	newBlock.PrevHash = getLastBlockHash()
	newBlock.Hash = calculateBlockHash(newBlock)
	
	// 新生成的区块添加到候选区块通道中,等待共识确认
	common.CandidateBlokcs <- newBlock
}

DPOS共识

该函数主要做了两件事:循环读取候选区块通道并追加到临时区块切片中,另一件是读取临时区块切片中的数据,并选择代理人打包区块。

func Start() {

	// 循环读取候选区块通道中的区块信息
	go func() {
		for{
			for candidate := range common.CandidateBlokcs{
				common.TempBlocks = append(common.TempBlocks, candidate)
			}
		}
	}()
	// 开始共识
	for  {
		if len(common.TempBlocks) > 0{
			for _, block := range common.TempBlocks{
				// 挑选验证者
				delegate := getDelegate()
				block.Validator = delegate.Address
				// 序列化
				result, err := json.Marshal(block)
				if err != nil{
					log.Fatal("marshal block error: ", err)
				}
				//添加到数据库
				db := common.GetDB()

				db.Update(func(tx *bolt.Tx) error {
					bucket := tx.Bucket([]byte(common.BlocksBucket))
					bucket.Put([]byte(block.Hash), result)
					err = bucket.Put([]byte("lastHash"),[]byte(block.Hash))
					return nil
				})
				log.Println(">>> 添加区块链成功!")
				db.Close()
				
				common.TempBlocks = nil
			}
		}
	}
}

获取代理人

这里假设得票数最高的两个代理人进行随机出块。

func getDelegate() common.Delegate {
	// 从数据库中查出所有的代理人
	var delegates []common.Delegate

	db := common.GetDB()
	defer db.Close()

	db.View(func(tx *bolt.Tx) error {
		bucket := tx.Bucket([]byte(common.PeerBucket))
		cursor := bucket.Cursor()
		for k, v := cursor.First(); k != nil; k, v = cursor.Next() {
			delegate := unmarshalDelegate(v)
			delegates = append(delegates, delegate)
		}
		return nil
	})

	// 挑选候选人,假设取得票数最高的两个代理人
	quickSort(0, len(delegates) - 1, delegates)
	rand.Seed(time.Now().Unix())
	randNumber := rand.Intn(2)

	// 返回指定的代理人
	return delegates[randNumber]
}

启动P2P网络

该函数首先创建一个libp2p节点,端口可以自己指定。如果不指定目标地址target,创建节点完毕后就等待新的连接。如果指定目标地址target,创建完节点后会连接到目标地址。seed为随机数种子。

func Start(port int, target string, seed int64) {

	// 创建一个libp2p节点
	ha, err := makeBasicHost(port, seed)
	if err != nil {
		log.Fatal(err)
	}

	// 判断是否有目标地址
	if target == "" {
		log.Println(">>> 等待新的连接")
		// 设置stream
		ha.SetStreamHandler("/p2p/1.0.0", handleStream)
		select {}
	}else{

		// 设置stream
		ha.SetStreamHandler("/p2p/1.0.0", handleStream)

		// 获取peer ID
		ipfsaddr, err := ma.NewMultiaddr(target)
		if err != nil {
			log.Fatalln(err)
		}
		info, err := peer.AddrInfoFromP2pAddr(ipfsaddr)
		if err != nil {
			log.Println(err)
		}

		// 把节点添加到peer store中,以便libp2p连接这个节点
		ha.Peerstore().AddAddr(info.ID, info.Addrs[0], peerstore.PermanentAddrTTL)

		// 创建当前节点与目标节点的stream
		s, err := ha.NewStream(context.Background(), info.ID, "/p2p/1.0.0")
		if err != nil {
			log.Fatalln(err)
		}
		
		// 读写stream中的数据
		rw := bufio.NewReadWriter(bufio.NewReader(s), bufio.NewWriter(s))
		go writeData(rw)
		go readData(rw)

		select {}
	}
	return
}

查看网络中的节点

查看网络中的节点比较简单,只是查询数据库并进行打印。

func view()  {
	var delegates []common.Delegate

	db := common.GetDB()
	defer db.Close()
	db.View(func(tx *bolt.Tx) error {
		bucket := tx.Bucket([]byte(common.PeerBucket))
		cursor := bucket.Cursor()
		for k, v := cursor.First(); k != nil; k, v = cursor.Next(){
			delegate := unmarshalDelegate(v)
			delegates = append(delegates, delegate)
		}
		return nil
	})
	spew.Dump(delegates)
}

投票

进行投票时,首选输入代理人的地址,然后输入投票的数量。

func Vote( address string, voteNum int)  {
	if address == "" {
		log.Fatal("节点名称不能为空")
		return
	}
	if voteNum < 0 {
		log.Fatal("最小投票数为1")
		return
	}
	
	var delegate common.Delegate
	db := common.GetDB()
	defer db.Close()
	db.Update(func(tx *bolt.Tx) error {
		bucket := tx.Bucket([]byte(common.PeerBucket))
		result := bucket.Get([]byte(address))
		err := json.Unmarshal(result, &delegate)
		if err != nil{
			log.Fatal("反序列化代理人错误: ", err)
		}
		log.Println(delegate)
		delegate.Number += voteNum
		mashalResult, err := json.Marshal(delegate)
		if err != nil{
			log.Fatal("序列化代理人错误: ", err)
		}
		err = bucket.Put([]byte(address), mashalResult)
		if err != nil{
			log.Fatal("更新代理人票数错误: ", err)
		}
		return nil
	})
}

运行截图

在这里插入图片描述

最后

项目中做了很多简化并且有很多设计不合理的地方,以后会继续进行改进。源码:https://github.com/blockchainGuide/Consensus_Algorithm

  • 2
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
什么是共识算法背景分布式系统集群设计中面临着一个不可回避的问题,一致性问题对于系统中的多个服务节点,给定一系列操作,如何试图使全局对局部处理结果达成某种程度的一致?这个一致性问题大致有如下的场景:节点之间通讯不可靠的,延迟和阻塞节点的处理可能是错误的,甚至节点自身随时可能宕机节点作恶举例说明,就比如有两家电影院同时售卖总量一定的电影票,在这样的场景下,要如何设计方式来保证两家电影院协调同步不出现超卖或者错卖的问题呢?共识算法,就是解决对某一提案(目标,投票等各种协作工作),大家达成一致意见的过程比如上述的买票问题,就可以有如下的设计:1.每次卖票打电话给其他电影院,确认当前票数2.协商售卖时间,比如一三五A卖,二四六B卖3.成立个第三方存票机构,它统一发票通过以上的设计,可以看出一个很重要的解决一致性算法的解决思路,即:将可能引发不一致的并行操作进行串行化,就是现在计算机系统里处理分布式一致性问题基础思路和唯一秘诀著名的共识设计理论FLP 不可能性原理  共识算法的理论下限提出该定理的论文是由 Fischer, Lynch 和 Patterson 三位作者于 1985 年发表,该论文后来获得了 Dijkstra(就是发明最短路径算法的那位)奖。FLP 原理认为对于允许节点失效情况下,纯粹异步系统无法确保一致性在有限时间内完成。三人三房间投票例子三个人在不同房间,进行投票(投票结果是 0 或者 1)。三个人彼此可以通过电话进行沟通,但经常会有人时不时地睡着。比如某个时候,A 投票 0,B 投票 1,C 收到了两人的投票,然后 C 睡着了。A 和 B 则永远无法在有限时间内获知最终的结果。如果可以重新投票,则类似情形每次在取得结果前发生带入到计算机领域就是说,即便在网络通信可靠情况下,一个可扩展的分布式系统的共识问题的下限是无解。即可靠性的下限是0%CAP  分布式系统领域的重要原理CAP 原理最早由 Eric Brewer 在 2000 年,ACM 组织的一个研讨会上提出猜想,后来 Lynch 等人进行了证明• C(一致性):所有的节点上的数据时刻保持同步,即数据一致• A(可用性):每个请求都能在一定时间内接受到一个响应,即低延迟• P(分区容错):当系统发生分区时仍然可以运行的定理:任何分布式系统只可同时满足二点,没法三者兼顾。即数据一致,响应及时,可分区执行不可能同时满足。举个例子:一个分布式网路上,某一个节点有一组依赖数据A,当网络无延迟,无阻塞时,依赖于X的操作可正常进行。但网络无延迟阻塞在现实世界中是没法100%保证的,那么当网络异常时,必然会产生分布式系统的分区和孤岛,那当一个执行操作在A分区之外时,如果要保证P,即当系统发生分区时仍可运行,就需要在分布式系统中多个节点有X的备份数据,以应对分区情况。则这时候就需要在C,A之间做出选择。假如选择C,即要保证数据在分布式网络中的一致性,那么就需要在X每次改动时,需要将全网节点的X数据同步刷新成最新的状态,那么在等待数据刷新完成之前,分布式系统是不可响应X的依赖操作的,即A的功能缺失假如选择A,即要突出低延迟的实时响应。那么在响应的时候,可能全节点的X数据并没有同步到最新的状态,则会导致C的缺失。上面看上去有些绕,那么你只要记住这句话,CAP原理在分布式网络系统的应用讨论,其实就是讨论在允许网络发生故障的系统中,该选择一致性还是可靠性?如果系统重视一致性,那么可以基于ACID原则做系统设计即 Atomicity(原子性)、Consistency(一致性)、Isolation(隔离性)、Durability(持久性)。ACID 原则描述了对分布式数据库的一致性需求,同时付出了可用性的代价。• Atomicity:每次操作是原子的,要么成功,要么不执行;• Consistency:数据库的状态是一致的,无中间状态;• Isolation:各种操作彼此互相不影响;• Durability:状态的改变是持久的,不会失效相应的有一个BASE原则,(Basic Availiability,Soft state,Eventually Consistency)则强调了可用性。经典的共识算法设计业内,针对节点异常的情况,会有两种分类1.故障的,不响应的节点,成为非拜占庭错误2.恶意响应的节点,称为非拜占庭错误Paxos 最早的共识算法  非拜占庭算法的代表Paxos有三种角色:• proposer:提出一个提案,等待大家批准为结案。客户端担任该角色;• acceptor:负责对提案进行投票。往往是服务端担任该角色;• learner:被告知结案结果,并与之统一,不参与投票过程。即普通节点系统运行由proposer驱动,当合法提案在一定时间内收到1/2以上投票后达成共识。 

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值