論文の概要: Horizontal Scaling of Transaction-Creating Machines
- arxiv url: http://arxiv.org/abs/2305.17039v1
- Date: Fri, 26 May 2023 15:49:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 05:26:30.688049
- Title: Horizontal Scaling of Transaction-Creating Machines
- Title(参考訳): トランザクション生成機の水平スケーリング
- Authors: Ole Delzer, Ingo Weber, Richard Hobeck, Stefan Schulte
- Abstract要約: ブロックチェーンにおけるトランザクション生成の水平スケーリングには,4つのアプローチを提案する。
提案されている4つのアプローチのうち2つは、トランザクション生成を水平にスケール可能である。
- 参考スコア(独自算出の注目度): 0.08192907805418582
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blockchain technology has become one of the most popular trends in IT over
the last few years. Its increasing popularity and the discovery of ever more
use cases raises the question of how to improve scalability. While researchers
are exploring ways to scale the on-chain processing of transactions, the
scalability of the off-chain creation of transactions has not been investigated
yet. This is relevant for organizations wishing to send a high volume of
transactions in a short time frame, or continuously, e.g., manufacturers of
high-volume products. Especially for blockchain implementations such as
Ethereum, which require transactions to include so-called nonces (essentially a
sequence number), horizontally scaling transaction creation is non-trivial. In
this paper, we propose four different approaches for horizontal scaling of
transaction creation in Ethereum. Our experimental evaluation examines the
performance of the different approaches in terms of scalability and latency and
finds two of the four proposed approaches feasible to scale transaction
creation horizontally.
- Abstract(参考訳): ブロックチェーン技術は、ここ数年でITでもっとも人気のあるトレンドの1つになっている。
その人気の高まりと、ますます多くのユースケースの発見は、スケーラビリティを改善する方法に関する疑問を提起している。
研究者はトランザクションのオンチェーン処理をスケールする方法を模索しているが、トランザクションのオフチェーン生成のスケーラビリティはまだ調査されていない。
これは、短時間で大量のトランザクションを送信したい組織や、高ボリューム製品の製造者などの継続的な組織に関係している。
特にethereumのようなブロックチェーン実装では、トランザクションにいわゆるnonces(シーケンス番号)を含める必要があるため、トランザクション生成を水平にスケーリングすることは簡単ではない。
本稿では,Ethereumにおけるトランザクション生成の水平スケーリングに関する4つのアプローチを提案する。
実験により,スケーラビリティとレイテンシの観点から異なるアプローチの性能を検証し,トランザクション生成を水平方向にスケール可能な4つのアプローチのうちの2つを見出した。
関連論文リスト
- Generative AI-enabled Blockchain Networks: Fundamentals, Applications,
and Case Study [73.87110604150315]
Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。
本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
論文 参考訳(メタデータ) (2024-01-28T10:46:17Z) - SoK: Decentralized Sequencers for Rollups [9.079095219587181]
ロールアップはスループットの向上、レイテンシの削減、トランザクション手数料の削減を提供する。
現時点では、トランザクションの順序を決定するために集中型シーケンサに依存している。
本稿では,ロールアップにおける分散型シーケンサの包括的探索について述べる。
論文 参考訳(メタデータ) (2023-10-05T15:49:48Z) - Identifying contributors to supply chain outcomes in a multi-echelon
setting: a decentralised approach [69.62333053044712]
本稿では,推定貢献の分散計算における説明可能な人工知能の利用を提案する。
このアプローチは、サプライチェーンアクターにデータ共有を説得する必要性を緩和する。
その結果,集中型アプローチと比較して,品質変化の源泉を検出する方法の有効性が示された。
論文 参考訳(メタデータ) (2023-07-22T20:03:16Z) - Blockchain Large Language Models [65.7726590159576]
本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。
提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
論文 参考訳(メタデータ) (2023-04-25T11:56:18Z) - TxAllo: Dynamic Transaction Allocation in Sharded Blockchain Systems [37.22526235663589]
本稿では、クロスシャードトランザクションの数を減らすために、トランザクション割り当て問題に焦点をあてる。
アカウントの割り当てを動的に推測するために,決定論的かつ高速なアロケーションスキームTxAlloを提案する。
60シャードのブロックチェーンの場合、TxAlloはクロスシャードトランザクション比率を98%から12%に下げる。
論文 参考訳(メタデータ) (2022-12-22T10:22:31Z) - Concepts and Algorithms for Agent-based Decentralized and Integrated
Scheduling of Production and Auxiliary Processes [78.120734120667]
本稿ではエージェントベースの分散型統合スケジューリング手法について述べる。
要求の一部は、線形にスケールする通信アーキテクチャを開発することである。
このアプローチは、工業的要件に基づいた例を使って説明されます。
論文 参考訳(メタデータ) (2022-05-06T18:44:29Z) - Blockchain Framework for Artificial Intelligence Computation [1.8148198154149393]
ブロック検証とコンセンサス機構を深層強化学習プロセスとして設計する。
当社の手法は,次世代のパブリックブロックチェーンネットワークの設計に使用されている。
論文 参考訳(メタデータ) (2022-02-23T01:44:27Z) - Asynchronous Parallel Incremental Block-Coordinate Descent for
Decentralized Machine Learning [55.198301429316125]
機械学習(ML)は、巨大なIoT(Internet of Things)ベースのインテリジェントでユビキタスなコンピューティングのビッグデータ駆動モデリングと分析のための重要なテクニックである。
急成長するアプリケーションやデータ量にとって、分散学習は有望な新興パラダイムである。
本稿では,多くのユーザデバイスに分散した分散システム上でMLモデルをトレーニングする問題について検討する。
論文 参考訳(メタデータ) (2022-02-07T15:04:15Z) - Temporal-Amount Snapshot MultiGraph for Ethereum Transaction Tracking [5.579169055801065]
ネットワークの観点からのトランザクションのより深い理解を提供するリンク予測によるトランザクション追跡の問題について検討する。
具体的には,TASMG(temporal-amount snapshot multigraph)とTAW(temporal-amount walk)からなる組込みリンク予測フレームワークを提案する。
トランザクションネットワークの現実的なルールと特徴を考慮することにより、TASMGはトランザクションレコードを時間単位のネットワークとしてモデル化し、TAWはトランザクションレコードを介してアカウントを効果的に埋め込みます。
論文 参考訳(メタデータ) (2021-02-16T08:21:16Z) - A Deep Reinforcement Learning Framework for Continuous Intraday Market
Bidding [69.37299910149981]
再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。
欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。
本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。
その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
論文 参考訳(メタデータ) (2020-04-13T13:50:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。