Wiederholtes Sampling — Die Skalierung von AVA

Es ist bekannt, dass AVA gegenüber anderen dezentralisierten Protokollen einige wesentliche Vorteile hat. Die aktuellen Probleme der meisten Blockchains sind in der Regel mit ihrer fehlenden oder schlechten Skalierbarkeit zusammenhängend. Den Lösungen, die bereits in Anwendung sind, mangelt es an Robustheit. Sie sind in den bestehenden Architekturen schwer zu implementieren oder haben noch nicht bewiesen, dass sie tatsächlich funktionieren.

Snow, die zugrundeliegende Familie von Konsens-Protokollen, die mit AVA etabliert wurde, ermöglicht die massiv skalierbare und sichere Konsens-Engine, durch die sich AVA von seinen Konkurrenten abhebt. Dank Snow ist AVA in der Lage, ein globales Netzwerk mit Hunderten von Millionen von Geräten zu betreiben, die nahtlos und mit einer schnellen Geschwindigkeit zusammenarbeiten.

AVA führt zwei Schlüsselinnovationen ein, die wiederholtes Sub-Sampling perfekt machen, um den Konsens zu beschleunigen. Die Erste besteht in der Einsicht, dass Random-Sampling und Sub-Sampling auf den Konsens in Systemen ohne Berechtigung angewendet werden können. Die Zweite ist der mathematische Beweis, dass es in solchen Systemen funktioniert.

Die Snow-Familie des Konsens verwendet wiederholtes Sub-Sampling, um Vertrauen zu schaffen, dass eine Transaktion durch den Konsens des Netzwerks gültig ist. Wenn eine Transaktion eintrifft, fragen die AVA-Knoten eine konfigurierbare Anzahl von anderen Knoten ab, um festzustellen, ob die Transaktion gültig ist. Sie wiederholen dann diesen Prozess, bis sie innerhalb einer hohen Vertrauenstoleranz (mindestens die Wahrscheinlichkeit einer Hash-Kollision auf Bitcoin) sicher sind, dass das Netzwerk die gleiche Meinung über die Transaktion gebildet hat. Dieses wiederholte Sampling geschieht schnell, unabhängig von der Anzahl der Validatoren im Netzwerk.

Ein Beispiel:

Nehmen Sie Bob, Alice und Millionen andere im Netzwerk, die versuchen, einen Konsens über ein Double-Spending (doppelte Ausgabe) zu erreichen, wobei Alice — Bob und Charlie die gleichen Finanzmittel schickte. Bob fragt einfach eine Handvoll Knotenpunkte ab, ob sie glauben, dass Alice ihn oder Charlie bezahlt hat. Er tut dies wiederholt, zusammen mit jedem Knoten im Netzwerk, und die Mathematik zeigt, dass das gesamte Netzwerk nur eine der Transaktionen übernehmen und die andere ablehnen wird.

Die AVA Community hat den Beweis erbracht, dass sich dieses System erwartungsgemäß verhält und innerhalb eines angemessenen Epsilons (einer kleinen Menge) des Scheiterns zum Konsens kommt. Darüber hinaus wird ein Rahmen gegeben, um zu bestimmen, was diesem Epsilon als Parameter des Nodes gegeben werden soll. Die Nodes können ihre eigenen Entscheidungen darüber treffen, was als akzeptables Vertrauen gilt, ohne das übrige Netzwerk zu beeinträchtigen.

Wiederholtes Sampling kleinerer Teilstichproben zur Erzielung eines einheitlichen Konsens ist auch in anderen Bereichen der Systemanalyse ein gut erprobtes Phänomen. Ein interessantes Beispiel ist das Forest-Fire-Modell aus der Systemforschung für komplexe Systeme. Die Sub-Sampling-Methode verleiht den Snow-Protokollen bei der Konsensfindung Vorteile hinsichtlich Geschwindigkeit und Energieverbrauch. Es gibt Millionen von schnellen, off-on Abfragen, die einen Bruchteil der Energie und Zeit benötigen, verglichen mit der 20-teens’ Kette der Verpackung und Verifizierung des Zustands eines Netzwerks.

Diese Art des Samplings bringt der AVA-Plattform auch fantastische Vorteile, die mit dem randomisierten Sampling einhergehen. Es ergeben sich interessante Eigenschaften, die für robuste, schnelle dezentralisierte Netzwerke entscheidend sind, um einen nützlichen, funktionalen Zustand zu erhalten. Zu den Vorteilen gehört die Unterstützung eines Systems, welches die folgenden Eigenschaften aufweist:

- Permissionless (frei zugänglich)

- Anpassungsfähig

- Dezentralisiert

- Hoher Durchsatz

- Niedrige Latenzzeit

- Asynchron sicher

Jede dieser Eigenschaften ist unumgänglich für eine globale finanzielle Konsensplattform.