近日，中国科学院深圳先进技术研究院数字所异构智能计算中心在区块链基准测试程序特征刻画及性能优化研究方面取得进展，相关成果以BBS: Micro-architecture Benchmarking Blockchain Systems through Machine Learning and Fuzzy Set 为题被国际体系结构领域的CCF A类会议HPCA(IEEE International Symposium on High-Performance Computer Architecture) 2020接收。该会议致力于展示和讨论计算机体系结构中的新思想和最新研究成果。深圳先进院异构智能计算中心硕士生朱亮为论文第一作者，博士后陈超为论文第二作者，研究员喻之斌为通讯作者。
　　该项研究致力于在处理器微体系结构层面对区块链系统进行特征刻画，从微体系结构层面分析区块链性能较差的原因并提出优化方案。由于当前区块链基准测试程序均只关注区块链整体方面的性能指标（如吞吐量、延迟等），却没有从微体系结构层面对区块链系统进行特征刻画，这导致人们难以定位区块链系统性能不佳的原因。因此，人们不知道应该选择哪种现有的CPU微架构，或者如何设计CPU的微架构来更高效地运行区块链系统。BBS通过收集区块链系统基准测试程序在运行过程中的微体系结构事件，并对这些事件进行重要性排序，从而比较不同区块链系统的特征。通过研究分析结果，可以清楚地显示区块链系统性能不佳的原因。同时，BBS通过使用模糊数学的方法对区块链微体系结构事件重要性排序后的结果进行挑选，选出合适数量的对基准测试程序性能重要的事件。然后对区块链的微体系结构层面进行特征刻画时仅需要观察这些少量的事件就可以全面且准确地衡量区块链系统的性能。研究过程中挑选出来的事件还可以对已有的区块链基准测试程序进行相似性分析，筛选掉相似性过高的区块链基准测试程序，降低测试开销。实验表明，在8台高性能服务器集群环境下，BBS不仅能将Hyperledger Fabric的吞吐率提高70%，而且将其延迟降低55%。
　　上述工作得到重点研发计划课题“软件定义的云计算资源管理”和国家自然科学基金等的资助。
　　图1：BBS框架（左），BBS挑选出的重要事件（右）
　　图2：BBS降低Fabric延迟（左），BBS提高Fabric吞吐率（右）