状态树在区块链中的作用

为了证明:

  • 一个虚假交易在花费一笔不存在的 UTXO(UTXO 模型)
  • 一个虚假交易被建立在一个虚假的 state root 上(账号模型)
  • 轻节点中, 证明某个状态存在

Merkle Tree

首先, 让我们从默克尔树(Merkle Tree)的开始. 默克尔树提供了一种存储键值数据的方案, 我们首先对集合中的每个数据进行哈希处理, 然后继续沿树进行哈希处理, 直到到达根节点为止.

img

特性

  • 快速重哈希. 当树节点内容发生变化时, 能够在前一次哈希计算的基础上, 仅仅将被修改的树节点进行哈希重计算, 便能得到一个新的根哈希用来代表整棵树的状态.

Merkle Proving

默克尔树的根只是一个哈希, 它"承诺"拥有某些数据, 但它并不实际告诉我们关于树的内容的任何信息. 我们可以使用一种称为默克尔证明(Merkle Prove)的手段来表明某些内容实际上是该树的一部分. 例如, 如果要证明 A 是树的一部分, 需要做的是:

  1. 提供 A 的原始内容
  2. 提供 Hash(B)
  3. 提供 Hash(Hash(C) + Hash(D))

img

任何接收到以上信息的接收方, 都可以对提交的数据独立验证其计算结果是否等于已知的根哈希. 同时提出方只需要提供树的一部分而不必提供整颗树.

Trie

前缀树(Trie)又称为字典树, 是一种有序树, 用于保存关联数据. 其中的键通常是字符串. 与二叉查找树不同, 键不是直接保存在节点中, 而是由节点在树中的位置决定. 一个节点的所有子孙都有相同的前缀, 也就是这个节点对应的字符串, 而根节点对应空字符串.

如下是保存了字符串 "a", "b", "at", "atm", "ao" 的前缀树. 通常来说, 在实现前缀树的时候, 会在节点加入一个字段来表明其是否是一个完整单词.

img

前缀树常用于搜索提示. 如当输入一个网址, 可以自动搜索出可能的选择. 当没有完全匹配的搜索结果, 可以返回前缀最相似的可能.

特性

  • 相比于哈希表, 使用前缀树来进行查询拥有共同前缀的数据时十分高效, 例如在字典中查找前缀为 pre 的单词, 对于哈希表来说, 需要遍历整个表, 时间效率为 O(n), 然而对于前缀树来说, 只需要在树中找到前缀为 pre 的节点, 且遍历以这个节点为根节点的子树即可. 但是对于最差的情况(前缀为空串), 时间效率为 O(n), 仍然需要遍历整棵树, 此时效率与哈希表相同. 相比于哈希表, 前缀树不会存在哈希冲突的问题.
  • 直接查找效率低下. 前缀树的查找效率是 O(m), m 为所查找节点的 key 长度, 而哈希表的查找效率为 O(1). 且一次查找会有 m 次 IO 开销, 相比于直接查找, 无论是速率还是对磁盘的压力都比较大.
  • 空间浪费. 当存在一个节点其 key 值内容很长(如一串很长的字符串), 当树中没有与他相同前缀的分支时, 为了存储该节点, 需要创建许多非叶子节点来构建根节点到该节点间的路径, 造成了存储空间的浪费.

Radix Trie

压缩前缀树(Radix Trie)是一种更节省空间的前缀树. 其中作为唯一子节点的每个节点都与其父节点合并, 节点之间的边既可以表示为元素序列又可以表示为单个元素. 压缩前缀树更适用于对于较小的集合(尤其是字符串很长的情况下)和有很长相同前缀的字符串集合.

img

Merkle Patricia Tree

Merkle Patricia Tree 是以太坊 1.0 用于存储世界状态的数据结构, 它是一种经过改良且融合了 Merkle Tree 和 Radix Tree 两种树结构优点的数据结构. 它以 Radix Tree 为基础, 通过向数据结构添加一些额外的复杂性来解决效率低下的问题.

Merkle Patricia Trie 中的节点有如下的种类:

  • NULL(表示为空字符串)
  • Branch(分支节点), 总共有 17 子项, 为 [v0 ... v15, vt]
  • Leaf(叶子节点), 总共有 2 个子项, 为 [encodePath, value]
  • Extension(扩展节点), 总共有 2 个子项, 为 [encodePath, key]

Compact encoding of hex sequence with optional terminator

hex char bits node type partial path length
0 0000 extension even
1 0001 extension odd
2 0010 terminating (leaf) even
3 0011 terminating (leaf) odd

以一个简单的例子来表示 MPT 的构建过程, 假设我们想要一个包含四个键值对的树: ('do', 'verb'), ('dog', 'puppy'), ('doge', 'coin'), ('horse', 'stallion'). 在构建过程中, 需要将 key/value 表示为 16 进制格式.

646f:       'verb'
646f67:     'puppy'
646f6765:   'coin'
686f727365: 'stallion'

其前缀树可表示如下:

6 -----> 46f ....................... 'verb'
  |          |----->67 ............. 'puppy'
  |                    |-----> 65 .. 'coin'
  |----> 86f727365 ................. 'stallion'

它的 MPT 树部分如下, 需要注意其键是经过 "Compact encoding of hex sequence with optional terminator" 的. 下图表示了 ('dog', 'puppy') 在树中的保存方式.

img

其整颗树以如下的键值对形式保存在数据库中:

rootHash: [ <16>, hashA ]
hashA:    [ <>, <>, <>, <>, hashB, <>, <>, <>, hashC, <>, <>, <>, <>, <>, <>, <>, <> ]
hashC:    [ <20 6f 72 73 65>, 'stallion' ]
hashB:    [ <00 6f>, hashD ]
hashD:    [ <>, <>, <>, <>, <>, <>, hashE, <>, <>, <>, <>, <>, <>, <>, <>, <>, 'verb' ]
hashE:    [ <17>, hashF ]
hashF:    [ <>, <>, <>, <>, <>, <>, hashG, <>, <>, <>, <>, <>, <>, <>, <>, <>, 'puppy' ]
hashG:    [ <35>, 'coin' ]

Sparse Merkle Tree

默克尔树可以证明一个数据包含在树中, 但它却无法证明一个数据包含在树中. 稀疏的默克尔树(Sparse Merkle Tree)在这里发挥了作用. 稀疏的默克尔树类似于标准的默克尔树, 不同之处在于对包含的数据进行了索引, 并且每个数据点都放置在与该数据点的索引相对应的叶子上(即使这个叶子节点是空的).

为了证明 C 不存在树中, 只需要像标准默克尔树的存在证明一样证明 C 为空就行了!

img

特性

  • 稀疏默克尔树真的非常稀疏, 因此需要花费大量的空间去存储它(2^256)!
  • 由于不是前缀树, 访问一个 key 值需要更多的 db read 次数.
  • 不但可以证明你拥有某个资产, 还可以证明你没有某个资产.

相关讨论

  • https://ethereum.stackexchange.com/questions/57761/eli5-sparse-merkle-trees-on-sharding
    • SMT 几乎可以在使用(或计划使用) Merkle Patricia Tries 的任何地方实现替换
    • 以太坊的 MPT 的实施和使用都非常复杂, SMT 方式更简单, 效率也差不多
  • https://ethresear.ch/t/data-availability-proof-friendly-state-tree-transitions/1453
    • 文中指出默克尔树的一个问题, 即一个恶意矿工可以创建带有欺诈性 state root 的区块链, 该状态树根与该区块中的交易进行的状态转换不匹配, 因此没有人能够找到证明该树中包含任何状态的证据, 或者证明树中包含欺诈性的状态, 因为他们没有相关数据. 虽然可以通过提供整个状态树的数据可用性证明来防止这种情况, 但是, 这要求节点在每个块中广播系统的整个状态, 这当然不是很有效. 解决办法是在 Block Header 中包含多个中间 state root 而非一个最终的 state root.
    • SMT 的优化的解决方案: https://www.links.org/files/RevocationTransparency.pdf, https://eprint.iacr.org/2016/683.pdf, 简单来说就是提前存储 Hash(Null), Hash(Hash(Null) + Hash(Null) ... ) ...
    • SMT 的一个状态转换时间复杂度永远固定是 O(log(n)), 且 "Sparse merkle trees are used because they do not have to be rebalanced".
    • Vitalik 在评论做了分析, 认为:
      • Proof 证明的大小应该与 MPT 相当
      • 从概念上, SMT 与 MPT 所能实现的功能几乎完全一样, 但胜在实现简单, 有巨大优势.
  • https://www.deadalnix.me/2016/09/24/introducing-merklix-tree-as-an-unordered-merkle-tree-on-steroid/
    • MPT 在集合的中间插入或删除一个元素将需要大量的运算, 如果需要 2 个包含相同元素的集合, 但是以不同的顺序插入将产生 2 个根本不同的树.
    • 同一组元素总是会产生同样的根, 这对于很难维护一致性的系统非常重要, 这在分布式系统中很常见. 无论它们如何到达, 系统的节点最终都将收敛到相同的集合和相同的根.
  • https://medium.com/@ouvrard.pierre.alain/sparse-merkle-tree-86e6e2fc26da
    • SMT 可以并发更新键值. "The keys should be sorted in an array, and the corresponding values should be at the same index in a separate array", 相关代码实现在 https://github.com/aergoio/SMT.
  • https://ethresear.ch/t/optimizing-sparse-merkle-trees/3751, SMT 的优化技巧
    • zero branch 的预计算
    • 如果有一个只有一个元素的子树, 我们可以简单地存储一条记录, 该记录说明值是什么, 键是什么以及哈希是什么(以避免必须重新计算). 它可以将 db read 操作次数降低至和 MPT 一样.
    • 使用 Hex 作为键而非二叉树, 可以使 db read 次数降低 3-4 倍
    • plasma 团队已经实现了该文章提高的全部优化
    • Does the further design you describe require changing the on-chain verifier? No. The consensus rules are 100% the same, the hashes are 100% the same, the proofs are 100% the same, it’s a purely voluntary client-side change that different clients can implement differently. This is precisely why this is interesting.
    • 如果约定 H(0, 0) = 0, 则是一个巨大的性能优化!
  • https://github.com/ethereum/eth2.0-specs/issues/1472

SMT 在 Libra 中的实现

源码: https://github.com/libra/libra/tree/master/storage/jellyfish-merkle/src

img

Libra SMT 一共有三种节点, 与 MPT 基本一致.

  • Branch
  • Extension
  • Leaf

由于添加了叶节点, 并且 Branch 是前缀式的, 以太坊社区将之称为"稀疏紧凑型默克尔树"(两个反义词在一起却毫无违和感, 居然还能理解是什么意思...).