論文の概要: Tuning Block Size for Workload Optimization in Consortium Blockchain Networks
- arxiv url: http://arxiv.org/abs/2509.03367v1
- Date: Thu, 28 Aug 2025 18:03:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 21:40:46.555595
- Title: Tuning Block Size for Workload Optimization in Consortium Blockchain Networks
- Title（参考訳）: コンソーシアムブロックチェーンネットワークにおけるワークロード最適化のためのチューニングブロックサイズ
- Authors: Narges Dadkhah, Somayeh Mohammadi, Gerhard Wunder,
- Abstract要約: 本研究では,Hyperledger Fabricの理想的なブロックサイズを決定することにより,性能を最大化する数学的モデルを提案する。
機械学習を活用し、遺伝的アルゴリズムを用いてモデルを解くことにより、ブロックサイズ、トランザクションサイズ、ネットワーク容量などの要因がブロック処理時間にどのように影響するかを評価する。
- 参考スコア（独自算出の注目度）: 2.992414059774663
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Determining the optimal block size is crucial for achieving high throughput in blockchain systems. Many studies have focused on tuning various components, such as databases, network bandwidth, and consensus mechanisms. However, the impact of block size on system performance remains a topic of debate, often resulting in divergent views and even leading to new forks in blockchain networks. This research proposes a mathematical model to maximize performance by determining the ideal block size for Hyperledger Fabric, a prominent consortium blockchain. By leveraging machine learning and solving the model with a genetic algorithm, the proposed approach assesses how factors such as block size, transaction size, and network capacity influence the block processing time. The integration of an optimization solver enables precise adjustments to block size configuration before deployment, ensuring improved performance from the outset. This systematic approach aims to balance block processing efficiency, network latency, and system throughput, offering a robust solution to improve blockchain performance across diverse business contexts.
- Abstract（参考訳）: ブロックチェーンシステムで高いスループットを達成するためには、最適なブロックサイズを決定することが重要です。
多くの研究はデータベース、ネットワーク帯域幅、コンセンサス機構などの様々なコンポーネントのチューニングに重点を置いてきた。
しかし、ブロックサイズがシステムパフォーマンスに与える影響は議論の的であり、しばしば異なるビューをもたらし、ブロックチェーンネットワークに新たなフォークをもたらす。
本研究では、著名なコンソーシアムブロックチェーンであるHyperledger Fabricの理想的なブロックサイズを決定することで、パフォーマンスを最大化する数学的モデルを提案する。
機械学習を活用し、遺伝的アルゴリズムを用いてモデルを解くことにより、ブロックサイズ、トランザクションサイズ、ネットワーク容量などの要因がブロック処理時間にどのように影響するかを評価する。
最適化ソルバの統合により、デプロイメント前にサイズ設定を正確に調整し、アウトセットからパフォーマンスを向上させることができる。
この体系的なアプローチは、ブロック処理効率、ネットワークレイテンシ、システムのスループットのバランスをとることを目的としており、さまざまなビジネスコンテキストでブロックチェーンのパフォーマンスを改善する堅牢なソリューションを提供する。
関連論文リスト
- Efficient patient-centric EMR sharing block tree [2.1833640209032823]
ブロックチェーンベースの新しいデータ構造であるMedBlockTreeの設計について述べる。
拡張Proコンセンサスアルゴリズムを導入し、複数のブランチを管理し、ネットワークの一貫性を維持する。
我々の総合シミュレーションでは, 分岐数, 作業者数, 衝突速度, ネットワーク遅延の4次元にわたる性能評価を行った。
論文 参考訳（メタデータ） (2025-04-29T08:42:01Z) - Conthereum: Concurrent Ethereum Optimized Transaction Scheduling for Multi-Core Execution [3.462869032423588]
Conthereumはブロック内並列トランザクション実行のための並行ソリューションである。
Conthereumの中心には、新しくて軽量で高性能なスケジューラがある。
標準的な8コアマシンでは,計算能力の増大に伴い,ほぼ線形スループットが向上することを示す。
論文 参考訳（メタデータ） (2025-04-09T21:15:05Z) - Efficient and Trustworthy Block Propagation for Blockchain-enabled Mobile Embodied AI Networks: A Graph Resfusion Approach [60.80257080226662]
本稿では,コンソーシアムブロックチェーン対応MEANETのためのグラフ再拡散モデルに基づく信頼性の高いブロック伝搬最適化フレームワークを提案する。
具体的には,信頼クラウドモデルに基づく革新的な信頼計算機構を提案する。
グラフニューラルネットワークと拡散モデルの強みを利用して,最適なブロック伝搬軌跡を効果的かつ適応的に生成するグラフ拡散モデルを開発した。
論文 参考訳（メタデータ） (2025-01-26T07:47:05Z) - Zaptos: Towards Optimal Blockchain Latency [52.30047458198369]
Zaptosは、エンドツーエンドのレイテンシを最小限に抑えるために設計された並列パイプラインアーキテクチャである。
Zaptosは秒単位のレイテンシで毎秒20,000トランザクションのスループットを実現している。
論文 参考訳（メタデータ） (2025-01-18T00:22:22Z) - Dynamic Digital Twins of Blockchain Systems: State Extraction and Mirroring [3.5376671181893897]
本稿では、Digital Twinベースのブロックチェーン管理フレームワークを設計するための取り組みを構成する。
基本システムの条件に適合するようにコンセンサスプロセスを適用することを目的としている。
具体的には、ブロックチェーンシステムを抽出し、それをデジタルツインにミラーリングするという問題に対処する。
論文 参考訳（メタデータ） (2024-12-07T03:54:34Z) - Digital Twin-Assisted Federated Learning with Blockchain in Multi-tier Computing Systems [67.14406100332671]
産業用 4.0 システムでは、リソース制約のあるエッジデバイスが頻繁にデータ通信を行う。
本稿では,デジタルツイン (DT) とフェデレーション付きデジタルツイン (FL) 方式を提案する。
提案手法の有効性を数値解析により検証した。
論文 参考訳（メタデータ） (2024-11-04T17:48:02Z) - Should my Blockchain Learn to Drive? A Study of Hyperledger Fabric [14.834625066344586]
本稿では、人間の介入なしにワークロードの変化を予測し、最適なパフォーマンスのために自分自身を再構成する可能性を秘めている自動運転ブロックチェーンの概念について考察する。
私たちは、自律的な適応に適した一般的なパーミッションブロックチェーンシステムであるHyperledger Fabricの特定のパラメータとコンポーネントを特定し、関連する課題に対する潜在的なソリューションを提供します。
私たちの実験では、スループットが最大11%向上し、レイテンシが30%削減されたことが示されています。
論文 参考訳（メタデータ） (2024-06-10T14:33:59Z) - Graph Attention Network-based Block Propagation with Optimal AoI and Reputation in Web 3.0 [59.94605620983965]
我々は、ブロックチェーン対応Web 3.0のための、グラフ注意ネットワーク(GAT)ベースの信頼できるブロック伝搬最適化フレームワークを設計する。
ブロック伝搬の信頼性を実現するために,主観的論理モデルに基づく評価機構を導入する。
グラフ構造化データの処理能力に優れたGATが存在することを考慮し、GATを強化学習に利用して最適なブロック伝搬軌道を得る。
論文 参考訳（メタデータ） (2024-03-20T01:58:38Z) - Enhanced Security and Efficiency in Blockchain with Aggregated Zero-Knowledge Proof Mechanisms [15.034624246970154]
ブロックチェーンシステムにおけるデータ検証の現在のアプローチは、効率性と計算オーバーヘッドの観点から、課題に直面している。
本研究では,メルクル木構造におけるゼロ知識証明の革新的集約手法を提案する。
我々は,その生成と検証に必要な証明と計算資源を著しく削減するシステムを開発した。
論文 参考訳（メタデータ） (2024-02-06T09:26:46Z) - 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)
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。