Page 148 - 《软件学报》2026年第1期

苏琳萱 等: 区块链状态分片技术综述 145

32 个分片的情况下, 可将跨分片交易比例从采用哈希分配方法时的 96% 降低至约 65%, 同时显著降低了分片间
的工作负载方差.

w(v i ) 节点权重 w(e ij ) 边权重

4 1 6 2 9
6
3
9 7
1 2
4 2
5
4 1 8
分区1 分区2
图 4 账户为节点的状态图

(2) 交易为节点 (如图 5 所示): 该构建方法适用于采用 UTXO 模型的区块链全分片系统. OptChain [40] 基于
UTXO 模型提出一种以交易作为节点的状态关系图构建方法. 具体来说, 系统依然使用历史交易数据进行状态关
系图 G(V, E) 构建. 不同的是, G(V, E) 被构建为有向图, 其中, V 是交易的集合, E 是有向边的集合. 如果交易 u 使
用了交易 v 的 UTXO, 则在 E 中将存在一条从 v 到 u 的有向边 (u, v). 当图中的节点不存在出边时, 表示它们是
Coinbase 交易 (即矿工获得的区块奖励), 而没有入边的节点则表示这些交易的 UTXO 尚未被花费. 由于每笔交易
只使用过去交易的 UTXO, 该图始终为有向无环图, 节点可以按照交易发生的顺序进行拓扑排序. 在完成状态关系
图构建后, OptChain 引入一种时间适应评分的评估机制, 来评估将新的交易放到每个分片的适合程度, 包括衡量该
交易放置到分片中而不引发跨分片交易的概率的 T2S (transaction-to-shard) 评分和评估交易放置到分片中的处理
延迟的 L2S (latency-to-shard) 评分. 该方案在 32 分片下, 将系统跨分片交易比例从采用哈希分配方法下的 99% 降
低至 19% 左右. 在负载平衡方面, OptChain 的最大交易队列大小约为 44 000 笔交易, 相较于 OmniLedger 的 499 000
个交易, 其表现出显著优越性, 降低了约 90% 的队列拥堵情况.

T2S: 分片交易评分 L2S: 分片延迟评分

tx3 Input
tx6
tx5
(T2S, L2S)
tx1 tx3
Output
tx2 tx4 tx5 tx7
分区1 分区2 tx7
图 5 交易为节点的状态图

图分配方法基于由历史交易数据的构建的状态关系图, 在每个纪元开始时重新划分子图算法, 定期调整各分
片维护的状态, 实现了更加灵活的状态分配. 然而, 图分配方法的计算开销较高, 包括图构建开销和子图划分开销:
O(|V|+|E|), 涉及遍历交易记录并构建图; 子图划分开销则依赖于所采用的图划分算法, 复杂度
图构建开销通常为
较高的算法可能提供更优的分配效果, 但也带来更大的计算开销, 因此需在分配开销与效果之间进行权衡. 此外,
该方法通常假设系统未来的交易行为与历史行为一致, 这使得它在应对实时的账户活动突发变化时, 动态适应性
不足. 尤其是在系统需要快速响应并调整机制以应对动态环境时, 该方法无法提供及时有效的调整策略, 从而影响
系统的效率 [34] .
2.1.2 交易级的状态调度方法
交易级的状态调度方法通常在交易达到系统后, 判断是否需要对受影响的状态数据进行调度, 以避免复杂的