THE SWIRLDS HASHGRAPH CONSENSUS ALGORITHM：FAIR, FAST, BYZANTINE FAULT TOLERANCE 学习总结

• DAG简介

        · DAG(Directed Acyclic Graph):“有向无环图”

        DAG使得区块链从单链进化到树状和网状、从区块粒度细化到交易粒度、从单点跃迁到并发写入，是区块链从容量到速度的一次革新。

        · 传统区块链和DAG的区别：

        1. 单元：区块链组成单元是Block（区块），DAG组成单元是TX（交易）；

        2. 拓扑结构：区块链是由区块组成的单链，只能按出块时间同步依次写入；DAG是由交易单元组成的网络，可以异步并发写入交易； 3. 粒度：区块链每个区块单元记录多个用户的多笔交易，DAG每个单元记录单个用户交易。

• Hashgraph简介

      Hashgraph是一种DAG图，它不同于区块链的链式结构，而是一种以Hash算法为支撑的有向无环图。一般来说，（左图）传统的区块链就像一颗有主干的树，要不断地剪掉分支，保持主干，通过区块链接形成一条单一的合法主链

      Hashgraph（哈希图）不剪枝，使用DAG的结构。它的基本组成单元是event（事件），每个事件都不会被抛弃，最终组合成为一个整体。这是一种更有效率的数据结构。

       为什么更有效率呢？ 因为Hashgraph不抛弃事件，结构的增长不会受到限制，任何人都可以创建交易，这样，交易的吞吐量就会大增，从这角度看，它实现了更高的交易速度，Hashgraph算法的核心技术点是两个部分：Gossip about Gossip（谣言算法）和Virtual Voting（虚拟投票）。      

• Hashgraph优点&缺点

       优点：

       ①交易非常快速，根据官网的测试数据，可以达到250000TPS。

       ②公平，使用一致性时间戳，在论文里证明了攻击者操纵交易的顺序是非常困难的。

       ③安全，达到共识算法最高的安全标准（异步拜占庭容错，Asynchronous Byzantine Fault Tolerant），可以防止对错误信息达成共识。

       ④Hashgraph的共识算法是非确定性的，但是能保证最终确定性。同时，因为所有节点都是对等节点，避免了潜在的DDOS攻击的风险。也就是说虽然无法保证在某个时间点，所有节点状态保持一致，但能保证在最终某个时刻下，所有节点对某个时间点之前的网络达成一致，这与PoW是相似的。

       但是Hashgraph也不是没有缺点，首先，它目前并没有开源，整个共识系统由一家商业公司Swirlds所有。其次，谣言算法是否真的适用于大规模公链环境，还不确定，因为一旦大规模的节点加入或退出，整个哈希图的遍历时间以及安全性难以保障。最后，在Hashgraph协议中所有节点必须保存全网数据，不知道它如何解决数据压缩问题。

• Event(事件)数据结构

  

         接下来就详细的分析hashgragh共识算法。它没有区块的概念，而是产生了与之非常类似的Event(事件)，作为对比，左图是区块的数据结构，右图是事件的数据结构。

         每个Event包含了两个Hash值，第一个Hash指向本节点的最新事件，第二个Hash指向其他节点传递的最新事件。

         结构的下方存储了当前节点记录的各个交易，最后对整个事件加上时间戳并且签名，这样就构成了整个事件的结构。

• Gossip About Gossip

         首先来看hashgraph第一个核心技术：谣言算法Gossip About Gossip。

         Gossip简单来说就是，节点随机选择一个连接的邻节点，向其发送一条信息（Event）。 节点收到gossip信息时，首先对该信息进行签名，再把签名打包进一个新的信息中，然后随机发送给网络中连接的任一节点。这样，每个节点发出的Gossip信息都包含了前一个Gossip信息的签名验证，实际上就是做了一个见证工作（Witnessing）。这就是要演算法的基本思想。

          下面通过结构图来演示该算法运作流程与事件的状态变化。

        参与共识的每个节点都会保存一份完整的hashgraph副本图，初始时，每个节点上的副本图都是空的，当开始有节点产生Event之后，就会在自己的副本图上进行记录。

        图1，有ABCD四个节点，每个节点都创建第一个事件时，展示他们各自的副本图。

        图2，当 A 收到 C 发来的事件c1，A 就会更新本地的 hashgraph 副本。

        图2经过一段时间变成图3，节点A基于 事件 a1 和 事件 c1 创建一个新的事件a2，并且会将新生成的事件a2 Gossip 出去。

        假设刚才在图3中 A 收到 C 的事件后，C 也收到了 D 的事件，那么同理，C节点也会创建一个新的事件c2，图4中各个节点的副本图是这样的。

        图5中某个时间点之后，大家都收到了彼此发给对方的消息。在节点相互 Gossip 通信的过程中，它们各自 hashgraph 副本都不相同，比如图5中的节点 A 和 B，A 记录了自己所创建的所有事件a1、a2和接收到的c1，而 B 同样记录了自己所有的事件b1 和 b2还有接收的a1。但是 A 缺少 B 的所有事件，而 B 则缺少 A 的最新事件 a2。

         那么就牵扯到节点间的通信，在图5中，当A准备把 a2 发给B ，同时A在更新自己副本上B的数据，发现自己缺少B这部分前序的数据，那么B会把它的历史数据同步（Sync）给A。而B的副本上已经有 a1 了，因此在收到 a2 之后无需再同步。最终，hashgraph 就会更新成图6：      

         接下来，来解释 Hashgraph 共识算法中定义了哪些状态。

• 可见(see)&强可见(strongly seeing)

         由于某个节点的hashgraph副本图中，每个事件都会引用两个双亲事件，如果一个孩子事件 y可以回溯到某个祖先事件 x，那么就说y可见x。而且，同一个节点产生的事件，后续事件总是可见先前所有事件，如左图：a4可见a3,a2,a1。

         当事件Y能找到事件X的所有路径中跨越了绝对多数的节点，那么事件Y强可见事件X。注意：这里的绝对多数是指 超过节点数 2/3。

         比如右图，想要判断 b5是否强可见 c1，我们需要做的就是，把所有从 b5 能可见 c1 的路径都找出来，如果这些路径集合中，能够包含超过 2/3 的节点（也就是要包含至少 4 个节点），那么就说 b5 强可见 c1。可以看到，b5有3条路径都能可见c1，这3条路径经过的节点分别是：path1: (B, C)，path2:(B, D, C)，path3：(B, E, C)。这三条路径一共经过了 B, C, D, E 4 个节点，满足超过 2/3 节点的要求，因此，可以说事件b5强可见事件c1。

• 轮次(Round)&创建轮(round created)

        轮次：

        在 Hashgraph 中，根据事件所处的可见状态，把他们分为不同的轮次（Round） 当一个事件强可见绝对多数节点的先前事件时，我们就说该事件在一个新的轮次上，记为R。比如初始状态时，所有节点均一致，就可以把它定义为是一个新的轮次，R=1。左图中：事件 a5 强可见了 R 轮的 a1, b1, c1, d1 共 4 个事件，也就是说强可见了绝对多数节点的第 R 轮的事件，因此，a5 就在一个新的轮次 R + 1 上。

        创建轮：

        创建轮（Creation Round），就是当一个事件被创建时，它所在的轮次通常，一个事件被创建时，它会被立即赋予一个轮次号，它跟双亲事件是在同一个轮次。也就是说，如果该事件的双亲事件在第 R 轮，那么该事件的创建轮就是 R 。

      比如，右图中，初始（Genisis）情况下，所有节点的状态都是相同的，把它定义为第 R 轮（ R = 1），后续创建的事件都是在第 R 轮的。当 a5 和 d5 被创建时，它们的创建轮是第 R 轮，而当它们能够强可见 绝对多数节点 的第 R 轮的见证人事件（即 a1, b1, c1, d1）时，那么a5 和 d5 都变成 R + 1 轮的事件，并且，在它们之后创建的子孙事件都在 R + 1 轮。    

• 见证人(Witness)&知名见证人(Famous Witness)

        见证人（Witness），就是第 R 轮所创建的第一个事件。比如图中的 a1，b1，c1, d1和e1，它们都是第1轮的见证人事件。

        知名见证人（Famous Witness），当第R轮的见证人事件被R + 1轮的多数（超过 2/3）见证人事件强可见时，它就是知名见证人事件。

        由图中可以看到，c1 被 R +1 轮的大部分见证人事件（a5,b5,c5,d5）强可见，因此 c1 就是第1轮的某个知名见证人。知名见证人意味着不可更改，这时候系统就可以对该事件进行 commit。

• 接收轮(round received)&共识时间戳

        如果一个事件被某轮绝对多数的知名见证人可见，则该事件的接收轮就是这些知名见证人所在的轮次。

        在左图中，假定 a5, b5, c5, d5 都是 R = 2 轮的知名见证人，它们都可见 a3 事件，那么 a3 在 R = 2 轮被接受。而对于 b4 来说，只有 b5 可见它，其他见证人并不可见它，因此，它的接收轮还不确定，只能等待后续轮次的见证人满足可见的条件，才能确定它的接收轮。

        事件X的共识时间戳(timestamp)：先确定各个节点中可见X的最早事件，然后把它们的timestamp集合取中位数作为X最终的timestamp。

        比如在右图中，想要确定 a3 的 timestamp，我们从各个可见它的节点中，查找最早可见 a3 的事件。A 节点最早可见 a3 的时间就是 a3 自己，而 B 节点最早可见 a3 的则是 b3，同理得到 c4 和 d4。这样就得到一个 timestamp 集合：[a3, b3, c4, d4]，取它们的中位数，就得到一个基准 timestamp作为 a3 的共识时间戳。根据相同的做法可以得到其他所有事件的 timestamp，最终可以得到一个 Total order。

• 虚拟投票（Virtual Vote）

        通过之前的谣言算法解决了Hashgraph中节点之间的通信，但这仅仅只是通信步骤，节点之间达成共识还需要虚拟投票机制。虚拟投票是因为通过执行谣言算法后所有节点都是全节点，都存储了完整的网络历史，在需要对某一提案达成共识时并不需要大规模的消息通信，每个节点独立执行投票算法，并且所有节点一定会得出相同的共识结果。

        对第R轮的事件a1进行虚拟投票经过的步骤：

        1）判断每个节点在R + 1轮的见证人事件。

        2）判断第R + 1轮的见证人事件是否强可见a1，如果R+1轮某个见证人事件强可见a1，那就相当于Vote Yes。

        3）计算Vote数量，如果超过2/3的R+1轮的见证人事件都投票Yes。就把a1标记为Famous Witness，随后commit a1。

• 计票（Counting）

        虚拟投票之后，还需要计票过程：

        计票过程是在 R + 2 轮进行的。因为即使 R + 1 轮所有见证人事件都强可见第R轮的见证人事件，但它们彼此之间也不知道对方的投票情况。因此，必须由下一轮的见证人事件来收集大家的投票结果。

        在图中R + 1 轮的 [a5, b5, c5, d5] 以绝对多数的比例对 c1 形成了强可见状态，使得 c1 满足成为知名见证人人条件。R+2 轮上的每个见证人则对 R+1 轮的见证人收集投票。比如，R + 2 轮的见证人 a9，它强可见了 R+1 轮的那四个投yes的事件a5,b5,c5,d5，因为数量已经达到绝对多数的要求，因此 a9 可以立即确认 c1 事件，也就是说， c1 已经达到全网共识而且不可更改。

        事实上，R + 2 轮这个收集投票的过程只是一个学习共识结果并进行提交（commit）的过程，因为一旦知名见证人被确定，剩下的过程就只是各个节点把这个结果进行提交而已了。

• Hashgraph共识算法流程总结

1. 每个节点都在运行Gossip about Gossip算法，随机找到其他节点把自己知道的事件传递给对方。

2. 每个节点同时也在接受其他节点更新过来的事件，接受方节点内部需要进行额外一系列的运算：

        a. 接收和处理接收的事件

        b. 创建一个新的事件，并且指向自己的最新事件和Gossip来源节点的最新事件

        c. 对所有已知的事件分配创建轮次，并确定事件是否是该轮次内的见证人

        d. 对所有已知的见证人进行虚拟投票并计票，选出知名见证人

        e. 通过知名见证人和共识时间戳，确定所有事件的共识顺序