RPC:Paradigm:一文详解负载测试工具Flood

作者:Storm Slivkoff, Georgios Konstantopoulos;编译:深潮 TechFlow

介绍

负载测试是构建开发弹性高、性能优秀数据系统的关键步骤。然而,负载测试在加密货币基础设施开发中并没有得到广泛应用。我们非常高兴地引入了 Flood,这是一款专门针对 RPC 端点性能分析的基准测试工具,以填补这一空白。

最初,我们将 Flood 作为一种工具来优化 Reth,并了解其在不同负载下的延迟和吞吐量权衡。后来,我们发现除了 Reth 之外,Flood 在优化许多类型的加密货币基础设施性能方面具有重要的实用价值。

让我们一起看看吧。

负载测试是指测量系统受不同工作负载影响时性能特征的变化。这种方法背后的关键见解是,当系统承受越来越多的负载时,吞吐量、延迟和错误率等性能指标通常会降低。因此,观察系统在不同控制负载下的表现可以揭示系统瓶颈、故障模式和最终性能容量等信息。

NFT项目DeGods推出质押积分增值功能“Points Parlor”:金色财经报道,NFT 项目 DeGods 在官方社交媒体宣布推出质押积分增值功能“Points Parlor”,目前仅支持 Season III DeGods NFT,允许用户质押 DeGods 后可获取积分以解锁不同的奖励包,据悉 DeGods 已与 Kraken NFT 达成合作,后续或将拓展更多合作伙伴。[2023/8/15 21:24:18]

通过负载测试获得的信息可以用于许多方面。当系统正在开发时,负载测试可以突出显示哪些系统瓶颈需要优先改进。当比较两个系统时,负载测试可以揭示哪个系统更具性能或可靠性。作为其中一种特殊情况,负载测试可以比较单个系统的两个不同硬件或软件配置。在每种情况下,负载测试都可以实现高度优化的系统开发。

Web3社交媒体平台Parler完成1600万美元B轮融资,资方信息暂未披露:9月18日消息,Web3社交媒体平台Parler宣布完成1600万美元B轮融资,投资方信息暂未披露,该公司迄今融资总额已达5600万美元。

Parler还宣布收购私有云公司Dynascale Inc.并将公司重组为Parlement Technologies,Inc.,Parlement Technologies,Inc.将作为社交媒体平台Parler、基于Solana的NFT市场DeepRedSky、以及全资子公司Dynascale Inc.的母公司运营。

此前报道,Parler于2021年将业务拓展到Web3和NFT市场,之后在今年三月推出NFT市场DeepRedSky并发行了美国前总统特朗普相关的NFT系列Official Crypto Trump Club。[2022/9/18 7:04:02]

我们的重点是 RPC,这是通常用于从区块链节点提取数据的通信协议。

比特币矿商CleanSpark因计划出售传统能源业务而大涨:金色财经报道,比特币矿商CleanSpark因计划出售传统能源业务而大涨。BTIG的分析师Gregory Lewis预计,此次出售可能会帮助这家矿商“颠覆”其增长轨迹。

首席执行官Zach Bradford在该公司第一财季财报中表示,鉴于我们在比特币开采方面的成功,CleanSpark(CLSK)正在考虑我们传统能源业务的战略选择。受到该消息影响,CleanSpark的股票上涨了近15%,远超其他加密货币采矿业的涨幅。(Coindesk)[2022/2/11 9:44:16]

目前,衡量 RPC 性能最常见的方法不是负载测试,而是延迟测试:您向 RPC 节点发送一个请求,并测量获得响应所需的时间。各种 RPC 提供商的延迟测试可以在各个网站上找到。不幸的是,这种类型的测试对节点性能提供了有限的视图,因为它几乎没有揭示系统在负载下的行为。

MetaVisa完成500万美元种子轮及私募轮投资,Spark Digital Capital等参投:据官方信息,MetaVisa近日宣布完成500万美元种子轮及私募轮投资,Spark Digital Capital、Sora Ventures、Amplio Capital、HG Ventures、GTA Ventures、DCI Capital、Maven Capital、Black Mamba Ventures、Tensor Investment Corporation和Collinstar Capital等参投。

据悉,MetaVisa是建立在以太坊上致力于发展元宇宙去中心化身份及信用体系的第三层中间件协议。通过分析区块链数据,帮助用户建立和显示可靠的链上身份和信用记录。基于区块链数据、利用云计算、机器学习技术、以及决策树、随机森林等模型算法,对信用历史、资产组合、链上行为偏好、钱包地址活跃等级、和地址关联性五个纬度建立了信用评级体系。[2021/11/30 12:39:53]

在区块链中,工作负载可以通过两种重要方式变化。经典的变量是大小。每秒 10,000 个请求的负载对系统的压力比每秒 100 个请求的负载更大。另一个负载变量是 RPC 方法。对于从区块链节点中提取的每种类型的数据,都有不同的 RPC 方法。例如,块 vs 事务 vs 日志 vs 踪迹。每个 RPC 方法对系统施加不同类型的负载。一些 RPC 方法受存储 IO 限制,而其他方法受 CPU 限制。

Paradigm参投NFT社交平台Showtime的760万美元融资:金色财经报道,加密投资公司Paradigm、DJ和NFT先驱3LAU支持了NFT社交平台Showtime的760万美元融资。Showtime旨在为加密社区提供熟悉的社交媒体界面,使他们能够发现和共享NFT艺术。[2021/5/5 21:26:48]

我们根据这些原则开发了一个负载测试工具,称为 Flood。与延迟测试不同,Flood 通过负载测试以及扩展测试覆盖范围到所有相关的 RPC 方法,为 RPC 端点的性能特征提供了前所未有的视图。

Flood 由三个基本组件组成:

调用生成引擎:Flood 生成大量参数化的 RPC 调用集,随机采样分布类似于不同类型的区块链工作负载。Flood 利用 Paradigm Data Portal 数据集确保完全覆盖区块链历史。

负载测试引擎:然后,Flood 编排 Vegeta(用 Go 编写的高性能负载测试工具)使用这些调用进行对 RPC 端点的负载测试。

报告引擎:Flood 在执行测试后,使用各种图表、表格和报告总结结果。这些摘要易于集成到脚本和数据中。

每个组件都可以高度配置,使 Flood 能够涵盖广泛的测试场景和环境。

在 Flood 的常规操作过程中,用户指定要测试的 RPC 方法以及 RPC 端点列表。例如,您可能想测试 Reth 的两个版本的 eth_getLogs 的性能。Flood 将运行不同的控制负载来测试这些 RPC 端点。例如,它可能以每秒 1,000、2,000、4,000 和 8,000 个请求的速度运行 eth_getLogs。Flood 然后将显示表格和图表,总结性能指标如何随负载变化。输出看起来像这样:

在负载下性能指标降级的特定方式提供了丰富的见解,可揭示系统瓶颈和最终性能容量。

除此之外,Flood 还提供了高级功能,以适应各种类型的高级用户:

Flood 可以使用不同的负载测试计划,包括:“压力测试”(随着时间的推移逐渐增加负载),“峰值测试”(大量突然的负载,然后是小负载)和“浸泡测试”(长时间运行负载)。

Flood 可以编排负载测试在每个 RPC 节点上原生模式运行,以消除由网络瓶颈引起的噪声。

Flood 具有“相等性”测试模式,可检查每个 RPC 端点是否返回相同的响应。

在 Paradigm,我们正在开发一种名为 Reth 的新节点实现,性能是其主要目标之一。我们开发了 Flood 来详细描述 Reth 的性能特征。我们已经使用 Flood 揭示了在各种工作负载和系统配置下出现的众多 Reth 性能瓶颈。然后,解决了这些瓶颈。通过 Flood,我们创建了一个紧密的反馈循环,使 Reth 开发人员可以高度可见地了解任何代码库更改如何转化为端到端系统性能。

除了 Reth 之外,我们认为 Flood 将能够帮助解决许多与 RPC 节点有关的未解答的问题:

当运行节点时,哪些硬件规格最重要?存储 IO 相对于 RAM 速度、RAM 容量和 CPU 速度的重要性如何?RAID 值得吗?

每个第三方 RPC 提供商的每个 RPC 方法的有效速率限制是多少?

哪个节点客户端为不同类型的工作负载提供最佳性能?

在本文中,主要介绍了 Flood,一种负载测试工具,它为区块链节点的性能特征提供了前所未有的视图。虽然最初构建 Flood 是为了优化 Reth 的开发,但我们认为它将成为其他类型的高性能加密货币基础设施开发的重要工具。我们期待看到其他人如何使用 Flood 来构建自己的高性能、可靠的系统。

深潮TechFlow

个人专栏

阅读更多

金色早8点

Odaily星球日报

金色财经

Block unicorn

DAOrayaki

曼昆区块链法律

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

链链资讯

XRPRPC:Polygon 2.0:ZK驱动的L2侧链网络

Polygon是解决以太坊网络可扩展性和交易速度问题的Layer 2扩容解决方案,同时提高了去中心化应用程序的可用性和用户体验。Polygon的愿景很简单:构建互联网的价值层.

[0:15ms0-2:570ms