窄於預期：以太坊二元樹的最佳群組深度分析

這篇文章有更好的視覺化呈現方式（包含解釋概念的動態圖表，以及更清晰的基準測試結果視覺化）。如果您偏好該版本，請查看：Binary Trie Group-Depth Benchmark — Narrower Than Expected

感謝 @gballet 與 @weiihann 的審閱，以及 @rjl493456442 提供的寶貴討論，及其在 Pebble 和 QueueDepth 配置上出色的基準測試工作。

> 最佳平衡點為 GD-5 或 GD-6。 我們在包含 4 億個狀態條目、大小為 360 GB 的資料庫上，對 8 種二元特里樹（Binary Trie）分組深度配置（GD-1 到 GD-8）進行了基準測試。GD-5 的寫入速度比 GD-4 快 7%（6.94 vs 6.47 Mgas/s, p < 1e-9），而 GD-6 在讀取方面領先（6.39 Mgas/s），且混合工作負載比 GD-4 快 19%（p < 1e-3）。GD-7 證實了轉折點：在所有基準測試中，效能超過 GD-6 後便開始下降。寫入與讀取的最佳平衡點落在每個節點 5-6 位元（bits）。

S1 – 執行摘要

二元特里樹已被列入 以太坊協議草案藍圖，作為未來狀態樹的替代方案。目前尚未有任何二元特里樹實作在大規模環境下進行過基準測試——無論是分組深度（Group Depth）還是其他指標。隨著這項轉型納入路線圖，評估其效能特性是進行知情原型開發的前置條件。Geth 的實作（EIP-7864）提供了一個 –bintrie.groupdepth 參數，用以控制二元層級如何打包進磁碟節點中；本研究測試了 8 種配置以確定最佳設定。

結論： 最佳平衡點為 GD-5 或 GD-6，視工作負載而定。GD-5 的寫入效能比 GD-4 高出 7%（6.94 vs 6.47 Mgas/s, p < 1e-9）。GD-6 在讀取方面領先（6.39 Mgas/s），且混合工作負載表現最佳（比 GD-4 快 19%, p < 1e-3）。GD-7 證實效能在超過 GD-6 後開始下降。

我們測試了什麼

在完全相同的 360 GB 資料庫（約 4 億個狀態條目）上測試了 8 種分組深度配置（GD-1 到 GD-8）。

共有五種基準測試類型——兩種合成測試（原始 SLOAD/SSTORE）和三種 ERC20 合約工作負載——每種測試在冷快取（cold-cache）協議下運行 9 次。所有結果均採用中位數，並通過 Mann-Whitney U 顯著性檢定。

我們的發現

• 讀取證實了直覺（S4）：較寬的樹讀取速度更快。GD-8 的讀取吞吐量是 GD-1 的兩倍以上（5.59 vs 2.65 Mgas/s）。GD-6 達到了最高的讀取吞吐量（6.39 Mgas/s），其次是 GD-5（6.11）和 GD-7（6.04）。GD-3 到 GD-8 的吞吐量範圍在 5.2 到 6.4 Mgas/s 之間。

• 寫入揭示了更明確的最佳點（S5）：GD-5 是寫入冠軍，耗時 629 毫秒（6.94 Mgas/s）——比 GD-4 快 7%（678 毫秒，6.47 Mgas/s），比 GD-8 快 55%（982 毫秒，4.47 Mgas/s）。寫入效能的轉折點位於 GD-5 和 GD-6 之間（雜湊/讀取成本比率超過 1.0）。

• 節點大小在 GD-7 觸及 Pebble 區塊邊界（S5）：每個 GD-7 節點序列化後約為 4 KB（128 × 32 位元組）——正好是 Pebble 的區塊大小。在此邊界之下（GD-6：約 2 KB），每個節點可容納於單個區塊內。超過此邊界，讀取每個節點可能需要兩個區塊。Gary Rong 的 NVMe 基準測試 顯示，在 QD=1 時，隨機 8 KB 讀取的延遲比 4 KB 高出 54%（77.8 vs 50.6 µs）。這種單個節點的 I/O 懲罰在約 37 個路徑節點上累加，解釋了為何 GD-7 雖然路徑較短，但讀取速度卻比 GD-6 慢。

• 最佳平衡點為 GD-5 或 GD-6（S6）：GD-5 的寫入比 GD-4 快 7%，而 GD-6 在讀取（比 GD-5 快 5%）和混合工作負載（比 GD-4 快 19%）方面領先。GD-7 證實了轉折點——在所有基準測試中表現均遜於 GD-6。由於以太坊屬於讀取密集型，GD-6 可能是較理想的預設值。

### 如何閱讀本文

S2 背景介紹涵蓋了二元特里樹和分組深度的概念。S3 方法論詳述了基準測試的設置。S4 至 S6 以敘事弧線呈現結果：讀取、寫入，然後是權衡取捨。S7 模式分析探討了交叉觀察結果，S8 結論給出了雙重建議與開放性問題。時間緊迫？請從 S4 的「ERC20 讀取：深度至關重要之處」 開始——該章節最能明顯看出分組深度的差異，並為後續分析奠定基礎。

S2 – 背景

什麼是二元特里樹（Binary Trie）？

EIP-7864 提議用二元特里樹取代以太坊的默克爾帕特里夏樹（MPT）。二元特里樹將帳戶樹和所有存儲樹統合成單一樹狀結構，使用 SHA-256 代替 Keccak-256 進行雜湊處理（在此我刻意忽略雜湊演算法的爭論），並存儲對應到 256 個值組的 32 位元組主幹（stems）。

這種設計簡化了無狀態客戶端的見證數據（witness）生成，並能實現更高效的證明。它還允許在計算狀態根期間進行更多並行化，因為帳戶不再需要先依賴合約存儲的雜湊。從 MPT 到二元特里樹的轉變是以太坊狀態層最重大的變化之一。新結構的效能特性將直接影響區塊處理時間、同步速度和驗證者的經濟效益。

什麼是分組深度（Group Depth）？

在基礎層級上，特里樹始終是二元的——每個內部節點恰好有兩個子節點（位元 0 為左，位元 1 為右）。分組深度控制有多少個二元層級被打包進單個磁碟節點。在 GD-N 配置下，每個存儲節點封裝了一個 N 層的二元子樹，因此從外部看，它顯得擁有 2^N 個子節點：

• GD-1： 每個節點 1 個二元層級 → 2 個子節點指針，通往葉節點的路徑上有 256 個節點。
• GD-2： 每個節點 2 個二元層級 → 4 個子節點指針，路徑上有 128 個節點。
• GD-3： 每個節點 3 個二元層級 → 8 個子節點指針，路徑上約 86 個節點。
• GD-4： 每個節點 4 個二元層級 → 16 個子節點指針，路徑上有 64 個節點。
• GD-5： 每個節點 5 個二元層級 → 32 個子節點指針，路徑上約 52 個節點。
• GD-6： 每個節點 6 個二元層級 → 64 個子節點指針，路徑上約 43 個節點。
• GD-7： 每個節點 7 個二元層級 → 128 個子節點指針，路徑上約 37 個節點。
• GD-8： 每個節點 8 個二元層級 → 256 個子節點指針，路徑上有 32 個節點。

這就像郵遞區號：GD-1 每次讀取地址的一位數字（256 個步驟），而 GD-8 則一次讀取 8 位數字（32 個步驟）。步驟越少意味著磁碟讀取次數越少——但每個「打包節點」體積更大，更新成本也更高，因為其內部的二元子樹必須重新計算雜湊。

圖 1 – 不同分組深度下的樹狀結構。每個節點內部打包了 N 個二元層級，減少了通往葉節點路徑上的磁碟節點數量。

理論上的權衡很直觀：讀取受益於較淺的樹（到達葉節點所需的磁碟 I/O 操作較少），而寫入則受累於較寬的節點（修改節點時需要更多內部雜湊計算）。問題在於交叉點究竟在哪裡。

S3 – 方法論

(點擊查看更多細節)

S4 -- 第一幕：讀取證實了直覺

我們選擇不在此處包含合成順序讀取的數據，以縮減文章篇幅。如果您感興趣，可以查看頁面頂部的連結。
簡而言之：寫入在所有配置中表現幾乎相同。由於分組深度主要影響隨機存取模式（Keccak 雜湊的存儲插槽），因此僅針對所有 8 種配置收集了 ERC20 基準測試數據。

ERC20 讀取：深度至關重要之處

GD	狀態讀取 (ms)	總計 (ms)	Mgas/s	相較 GD-1 (Mgas/s)
1	5,878	6,284	2.65	基準
2	3,840	4,231	3.95	+49%
3	2,866	3,213	5.20	+96%
4	2,677	3,067	5.46	+106%
5	2,370	2,733	6.11	+131%
6	2,248	2,623	6.39	+141%
7	2,339	2,693	6.04	+128%
8	2,598	2,977	5.59	+111%

從 GD-1 到 GD-6，讀取吞吐量提升了約 2.4 倍。 GD-6 達到了最高的讀取吞吐量（6.39 Mgas/s），其次是 GD-5（6.11）和 GD-7（6.04）。讀取效能從 GD-1 到 GD-6 單調遞增，隨後開始下降——如預期般，GD-4（5.46）因路徑較短而優於 GD-3（5.20）。GD-7 和 GD-8 則顯示出邊際收益遞減，因為節點變得過大，抵消了路徑縮短的優勢。

GD-3（3,213 毫秒，5.20 Mgas/s）和 GD-4（3,067 毫秒，5.46 Mgas/s）在讀取方面表現接近，GD-4 如預期般因路徑較短（64 vs ~86 節點）而略微領先。GD-3 較小的節點序列化大小（約 256 位元組 vs GD-4 的約 512 位元組）與 Pebble 的 4KB 區塊大小產生了有利的互動，使得兩者在樹狀結構截然不同的情況下，差距保持在 5% 以內。Pebble 區塊大小的互動仍值得進一步探索（開放性問題 #3）。

每個插槽的成本：合成讀取成本約為 0.02 毫秒/插槽。ERC20 讀取成本約為 0.4–1.0 毫秒/插槽（計算方式為 狀態讀取毫秒 / 每區塊讀取的存儲插槽數）——隨機存取模式帶來了 40 倍的懲罰。這 40 倍的比率與原始 NVMe 測量結果一致：Gary Rong 的磁碟分頁讀取基準測試 顯示 4KB 隨機讀取速度為 77 MB/s，而順序讀取為 3,306 MB/s（43 倍），證實了效能懲罰主要由 I/O 存取模式而非 Pebble 的開銷主導。

為什麼隨機存取是基準而非例外。 二元特里樹將所有帳戶和存儲統合成一棵樹。每個鍵（Key）——無論是帳戶餘額、存儲插槽還是代碼片段——都會被 SHA256 雜湊到 256 位元的鍵空間中。單個合約的存儲插槽會分散在完全不同的樹路徑上。這使得隨機存取成為二元特里樹的根本存取模式，而非極端案例。合成順序基準測試代表了一種在統一特里樹部署中不可能發生的、不切實際的最佳情況。到目前為止，越寬越好——直到某個點為止。GD-6 在讀取方面領先，GD-7 和 GD-8 顯示出收益遞減。接著我們測試了寫入。

---

S5 – 第二幕：寫入的驚喜

這是本研究中最重要的發現。

GD	狀態讀取	特里樹更新	提交 (Commit)	總計	Mgas/s
1	812	691	77	1,645	2.67
2	483	393	61	993	4.42
3	349	287	44	732	5.95
4	313	254	53	678	6.47
5	271	242	57	629	6.94
6	272	283	76	679	6.41
7	264	328	103	745	5.81
8	313	433	158	982	4.47

*trie_updates = state_hash_ms (帳戶雜湊 + 帳戶更新 + 存儲更新) — 涵蓋完整的特里樹變更與重新雜湊階段，而不僅僅是雜湊。所有配置均在驗證過的冷快取協議下運行（運行間會清除 OS 分頁快取）。

第三階段的 Mgas/s 變異係數（CV）大多小於 10%，證實了測量的可靠性。*

GD-5 是寫入冠軍。 6.94 Mgas/s —— 比 GD-4 快 7%（6.47 Mgas/s, p < 1e-9），比 GD-8 快 55%（4.47 Mgas/s）。GD-6（6.41 Mgas/s）排名第三，緊隨 GD-4 之後。GD-7（5.81 Mgas/s）證實了效能在超過 GD-6 後持續下降。

各項組成部分的分析說明了原因：

• 讀取： GD-5（271 毫秒）比 GD-4（313 毫秒）快 13%。GD-6（272 毫秒）與 GD-5 相當，而 GD-7（264 毫秒）讀取最快——但為了公平比較，必須將原始毫秒數與 Mgas/s 結合，因為每區塊的 Gas 量可能有所不同。

• 特里樹更新： GD-5（242 毫秒）比 GD-4（254 毫秒）低 5%。GD-6 適度上升至 283 毫秒（比 GD-5 高 17%），並未出現舊數據所暗示的劇烈崩跌。GD-7（328 毫秒）和 GD-8（433 毫秒）證實了效能持續下降。

• 提交 (Commit)： GD-5（57 毫秒）略高於 GD-4（53 毫秒）。GD-6（76 毫秒，比 GD-5 高 33%）和 GD-7（103 毫秒）顯示出適度增長。

真正的提交效能崩跌發生在 GD-8（158 毫秒），這是由於約 8 KB 的節點 × 32 個路徑節點 = 每次寫入約 256 KB 的序列化數據。寫入效能的轉折點位於 GD-5 和 GD-6 之間：雜湊/讀取成本比率在 GD-6 處超過 1.0（283/272 = 1.04），這意味著特里樹更新成本開始超過讀取成本。以 Mgas/s 計算，GD-5 (6.94) 領先 GD-4 (6.47) 7%，領先 GD-6 (6.41) 8%。

為什麼？內部子樹

分組深度為 g 的每個特里樹節點都包含一個擁有 2^g - 1 個節點的內部二元子樹，每次寫入時都必須重新計算雜湊。

圖 3 – 每個特里樹節點都包含一個內部二元子樹。較寬的節點意味著每次寫入時雜湊計算量呈指數級增長。

• GD-4 節點： 15 次內部雜湊操作 × 路徑上 64 個節點 = 總共 960 次操作
• GD-5 節點： 31 次內部雜湊操作 × 路徑上約 52 個節點 = 總共約 1,612 次操作
• GD-8 節點： 255 次內部雜湊操作 × 路徑上 32 個節點 = 總共 8,160 次操作

GD-5 找到了寫入的最佳平衡點：其路徑比 GD-4 短 19%（約 52 vs 64 個節點），且每個節點 31 次內部操作仍屬可控範圍。在 GD-6（每個節點 63 個內部節點）時，重新雜湊成本適度上升——283 毫秒 vs GD-5 的 242 毫秒（+17%）。GD-7（328 毫秒雜湊，103 毫秒提交）證實了轉折點在 GD-6 之後繼續。寫入轉折點位於 GD-5 和 GD-6 之間，即雜湊/讀取比率超過 1.0 的位置。

註： 17 倍的比率（255 vs 15 次內部雜湊操作）是數據結構的理論上限。我們的基準測試支持這一機制：GD-8 的特里樹更新成本是 GD-4 的 1.71 倍（433ms vs 254ms），這與隨機寫入僅修改每個節點內部子樹的一小部分相符。Geth 的實作是精確重新雜湊演算法的權威來源。

節點序列化大小

每個特里樹節點存儲多達 2^N 個子節點指針（每個 32 位元組）。GD-4 節點：16 × 32 = 約 512 位元組。GD-7 節點：128 × 32 = 約 4 KB —— 正好是 Pebble 的區塊大小。GD-8 節點：256 × 32 = 約 8 KB。大小差異會產生連鎖反應：

• Pebble 區塊邊界： GD-6 節點（約 2 KB）可容納於單個 4 KB Pebble 區塊內。GD-7 節點（約 4 KB）使區塊飽和——加上鍵（key）的開銷，它們很可能跨越兩個區塊，潛在使每次節點獲取的 I/O 翻倍。

這部分解釋了 GD-7 讀取效能反轉的原因：儘管路徑節點比 GD-6 少 14%（37 vs 43），但 GD-7 每次查找總共讀取約 148 KB（37 × 4 KB），而 GD-6 約為 86 KB（43 × 2 KB）。

• Pebble 快取效率： 在給定的快取預算內，能容納的 GD-8 節點更少。
• 寫入放大： 較大的序列化節點增加了 LSM 樹壓縮（compaction）的開銷。
• 提交成本： 198% 的提交懲罰（158ms vs 53ms）部分反映了每個修改節點序列化數據量增加了 16 倍。

圖 4 – 對於讀取，僅向下遍歷重要（有利於 GD-8）。對於寫入，重新雜湊和提交佔主導地位（有利於 GD-4）。讀取 = 僅步驟 1。寫入 = 步驟 1 + 2 + 3。

---

S6 – 第三幕：權衡取捨

裁決

準則	GD-4	GD-5	GD-6	GD-7	GD-8
讀取 (Mgas/s)	5.46	6.11	6.39	6.04	5.59
寫入 (Mgas/s)	6.47	6.94	6.41	5.81	4.47
混合 (Mgas/s)	5.13	6.09	6.27	5.87	5.43
勝出類別	0/3	1/3	2/3	0/3	0/3

GD-6 在讀取和混合負載中勝出；GD-5 在寫入中勝出。 GD-5 的寫入效能比 GD-4 高出 7% (p < 1e-9)。GD-6 的讀取效能比 GD-5 高出 5%，混合負載比 GD-4 高出 19% (p < 1e-3)。GD-7 已過轉折點——在所有三項基準測試中均遜於 GD-6。
由於以太坊工作負載以讀取為主，GD-6 可能是較理想的預設值，而 GD-5 則最適合寫入密集型場景。

混合工作負載

GD	狀態讀取	特里樹更新	提交	總計 (ms)	Mgas/s
1	4,711	345	53	5,363	2.18
2	3,003	217	44	3,518	3.35
3	1,981	145	39	2,375	4.90
4	1,893	138	43	2,302	5.13
5	1,512	124	48	1,910	6.09
6	1,440	141	54	1,851	6.27
7	1,055	218	73	1,529	5.87
8	1,612	221	87	2,145	5.43

GD-7 的混合基準測試每區塊處理的交易較少（8.84M vs 約 11.80M gas）。Mgas/s 已針對此差異進行歸一化，因此吞吐量比較仍然有效。GD-7 混合測試的原始毫秒值無法直接與其他配置比較。

GD-6 在混合工作負載中以 6.27 Mgas/s 領先，GD-5 緊隨其後（6.09 Mgas/s，+3%）。兩者均優於 GD-4（5.13 Mgas/s）約 19–22%。GD-6 的讀取優勢（1,440 毫秒狀態讀取 vs GD-5 的 1,512 毫秒）超過了其略高的特里樹更新（141 毫秒 vs 124 毫秒）和提交成本（54 毫秒 vs 48 毫秒）。GD-7（5.87 Mgas/s）落後 GD-6 約 6%，證實了轉折點。

註：GD-7 混合測試使用 8.84M gas/block，而其他所有測試均為 11.80M；應以 Mgas/s 作為有效比較基準，而非原始毫秒數。

開放性問題： 最佳分組深度最終取決於真實以太坊區塊的讀寫比例。雖然在我們的基準測試中，狀態讀取顯然主導了區塊處理時間，但主網的確切比例尚未經過系統性測量。對主網讀寫存取模式的歷史分析將進一步完善此建議。

組件拆解揭示了熟悉的模式：

• 讀取： GD-7 的原始讀取時間最低（1,055 毫秒），但其每區塊 Gas 量也較低。以 Mgas/s 計算，GD-6 (6.27) 領先。GD-5 (1,512 毫秒) 和 GD-6 (1,440 毫秒) 在讀取方面優於 GD-4 (1,893 毫秒)。

• 特里樹更新： GD-5 領先 (124 毫秒)，其次是 GD-4 (138 毫秒) 和 GD-6 (141 毫秒)。GD-7 (218 毫秒) 和 GD-8 (221 毫秒) 由於內部子樹較大而落後。

• 提交： GD-3 勝出 (39 毫秒)，GD-4 (43 毫秒) 和 GD-5 (48 毫秒) 緊隨其後。GD-7 (73 毫秒) 和 GD-8 (87 毫秒) 顯示出較寬節點帶來的序列化懲罰。

S7 – 交叉觀察模式

時間花在哪裡？

在所有分組深度配置中，狀態讀取主導了 ERC20 區塊處理時間，佔總時間的 50–85%。

特里樹更新和提交成本在純讀取基準測試（balanceOf）中微不足道，但在寫入（approve）中成為主要的成本組件——尤其是在分組深度較高、內部子樹重新雜湊最昂貴的情況下。

整體吞吐量

硬體背景：NVMe I/O 特性

Gary Rong 在 NVMe (Samsung 990 Pro) 上進行的磁碟分頁讀取基準測試為解釋我們的結果提供了硬體背景：

• 隨機 vs 順序： 4KB 隨機讀取 = 77 MB/s (50.6 µs) vs 3,306 MB/s 順序 —— 這 43 倍的差距與我們測得的 40 倍插槽懲罰密切相關。

• 分頁大小的重要性： 隨機 16KB 讀取的吞吐量是 4KB 的 2.3 倍 (174 vs 77 MB/s)，而延遲僅增加 1.8 倍。較寬的分組深度會產生較大的節點，這可能從較大的 Pebble 區塊大小中受益。

• 隊列深度（Queue Depth）的變革性： 從 QD=1 到 QD=8 使隨機 4KB 吞吐量提升了 8.7 倍 (77 到 673 MB/s)。並行 EVM 可以釋放這一潛力，縮小不同配置間的讀取延遲差異。

• 次線性延遲增長： 從 4KB 到 64KB 數據量增加了 16 倍，但延遲僅增加 2.3 倍 (50.6 到 117.3 µs)。NVMe 的內部並行性意味著較大的 I/O 請求效率不成比例地高。

這些測量使用了繞過文件系統快取的直接分頁讀取——類似於我們的冷快取協議。基準測試硬體 (Samsung 990 Pro) 與我們 QEMU 虛擬機的虛擬磁碟不同，因此絕對數值不會完全匹配，但其比例揭示了與分組深度優化相關的基礎 NVMe 特性。

---

S8 – 結論

建議：GD-5 或 GD-6（視工作負載而定）

最佳深度為 GD-5 或 GD-6，具體取決於工作負載概況：

• 讀取密集型 / 混合工作負載（預設建議）：GD-6。
  讀取效能比 GD-5 高 5%（6.39 vs 6.11 Mgas/s），混合負載高 3%（6.27 vs 6.09 Mgas/s）。由於以太坊以讀取為主，GD-6 是首選預設值。

• 寫入密集型工作負載：GD-5。
  寫入效能比 GD-4 高 7%（6.94 vs 6.47 Mgas/s），比 GD-6 高 8%（6.94 vs 6.41 Mgas/s）。

• GD-7 證實了轉折點。 在所有三項基準測試中均遜於 GD-6（讀取 -5%，寫入 -9%，混合 -6%），驗證了最佳平衡點在 GD-5 或 GD-6。

此建議基於控制二元特里樹每次狀態存取的三步機制：

• 遍歷 (Traverse) —— 從根節點下降到葉節點。成本與樹深度成正比。有利於較寬的樹（GD-8: 32 層 vs GD-5: ~52 層 vs GD-4: 64 層）。
• 重新雜湊 (Rehash) —— 重新計算返回根節點路徑上每個節點的內部子樹。成本與每個節點的 2^g - 1 成正比。有利於較窄的樹（GD-4: 15 次操作/節點，GD-5: 31 次操作/節點，GD-8: 255 次操作/節點）。
• 提交 (Commit) —— 序列化並將修改後的節點寫入磁碟。成本與節點大小成正比。有利於較窄的樹。

GD-5 在寫入方面找到了「遍歷 x 重新雜湊」權衡的最小值。其路徑比 GD-4 短 19%（約 52 vs 64 個節點），且每個節點 31 次內部操作仍屬可控。在 GD-6 時，重新雜湊成本適度上升——283 毫秒 vs GD-5 的 242 毫秒（+17%）——但讀取和混合工作負載仍有改善。

寫入特定的轉折點位於 GD-5 和 GD-6 之間（雜湊/讀取比率超過 1.0），而讀取效能在 GD-6 達到頂峰。

GD-8 在所有工作負載中皆非最佳，證明了超過平衡點後收益遞減。GD-6 在讀取 (6.39 vs 5.59 Mgas/s)、寫入 (6.41 vs 4.47 Mgas/s) 和混合負載 (6.27 vs 5.43 Mgas/s) 方面均擊敗了 GD-8。最佳深度比最初假設的 GD-8 要窄。

關於快照層（Snapshot Layer）

這些基準測試是在沒有平面快照層的情況下運行的。通過 Pebble 的 BTree 索引進行二元特里樹路徑讀取已經非常高效，因此快照對於窄分組深度的額外收益可能有限。然而，較寬的分組深度（GD-6, GD-7, GD-8）可能會從快照中受益更多，因為它們較大的節點會導致較高的單次讀取 I/O 成本，而平面鍵值查找可以繞過這一點（見開放性問題 #2）。

適用於所有分組深度的五種模式

模式 1：狀態讀取佔主導地位。 無論分組深度或基準測試類型為何，50–85% 的區塊處理時間都花在從磁碟讀取狀態上。state_read_ms 包含了統一特里樹中的帳戶和代碼查找，而不僅僅是存儲插槽讀取。

模式 2：隨機存取每插槽成本約高出 40 倍。 Keccak 雜湊鍵 (ERC20) 的成本為 0.4–1.0 毫秒/插槽，而順序存取 (合成) 僅為 0.02 毫秒/插槽。這一差距是由於 Keccak 分散鍵導致的 Pebble 區塊快取未命中造成的。獨立的 NVMe 分頁讀取基準測試證實，隨機 vs 順序 I/O 幾乎解釋了所有的效能懲罰（詳見 S7 硬體背景）。

模式 3：快取命中率停滯在 ~37–39%。 儘管增加了分組深度，Keccak 雜湊工作負載的存儲快取命中率從未超過約 39%。256 位元的鍵空間過於稀疏，除了共享的高層特里樹節點外，無法實現有意義的快取重用。

模式 4：特里樹更新對讀取而言微不足道，對寫入而言則是主導因素。 balanceOf（純讀取）：trie_updates < 1.3 毫秒。approve（讀取 + 寫入）：trie_updates 高達 691 毫秒 (GD-1)。這種不對稱性意味著節點寬度的權衡僅對寫入工作負載有意義。

模式 5：Mgas/s 的運行間變異係數 (CV) 大多 < 10%。 第三階段驗證的冷快取清除（120+ 次成功，0 次失敗）在所有 8 種配置中產生了可重複的結果。相較於早期階段的改進驗證了冷快取方法論的有效性。

1 則貼文 - 1 位參與者

閱讀完整主題