تحلیل مشکل سه‌‌گانه مقیاس پذیری‌‌ بلاک چین

ویتالیک بوترین (Vitalik Buterin) به مشکلی جدی در امر مقیاس پذیری‌‌ بلاک چین ها اشاره و از آن با نام مشکل سه‌‌گانه (Trilemma) یاد می‌کند. این مشکل از سه وجهه تمرکز زدایی، امنیت و مقیاس پذیری‌‌ تشکیل شده است و به نظر می‌‌رسد که دستیابی به هر سه ویژگی به صورت یکجا تا حدودی سخت و حتی غیرممکن باشد. اما آیا واقعا این کار غیر ممکن است؟ در ادامه به تحلیل و بررسی این موضوع می‌پردازیم.

0 180

تحلیل مشکل سه‌‌گانه مقیاس پذیری‌‌ بلاک چین :

اگر مسئله تمرکز زدایی، امنیت و مقیاس پذیری‌‌ قبلا حل شده باشد، آیا هنوز هم باید آن را مشکل سه‌‌گانه بنامیم؟

از زمانی که تیم اتریوم مشکل سه‌‌گانه مقیاس پذیری‌‌ بلاک چین را مطرح کرد، عده زیادی از افراد از آن به عنوان مشکل نهایی در مقیاس پذیری‌‌ یاد کرده‌‌اند و بحث‌‌های زیادی را در مورد آن انجام داده‌‌اند.

به صورت کلی، سه ویژگی آن – تمرکز زدایی، مقیاس پذیری‌‌ و امنیت – مشخصا برای تمامی شبکه‌‌های مبتنی بر DLT (فناوری لجر توزیع‌‌شده) که قصد دارند موارد استفاده واقعی را به وجود آورند حیاتی هستند.

در هر حال، به نظر می‌‌رسد که سردرگمی زیادی در مورد مقیاس پذیری‌‌ و اهمیت این مشکل سه‌‌گانه مقیاس پذیری‌‌ بلاک چین وجود داشته باشد. بسیاری آن را به عنوان اثباتی ریاضیاتی برای تایید این نکته قبول کرده‌‌اند که DLT را نمی‌‌توان مقیاس‌‌بندی کرد و چندین مثال جدید را برای آن پیش کشیده‌‌اند. عده‌‌ای دیگر نیز مسئله مذکور را به عنوان مدرکی برای اثبات این عقیده مطرح کرده‌‌اند که تنها راه‌‌حل مقیاس پذیری‌‌ از طریق شاردینگ (Sharding) است.

در واقع، هیچ یک از این نتیجه‌‌گیری‌‌ها واقعیت ندارد.

این مقاله سعی دارد چنین سوءبرداشت‌‌هایی را برطرف کرده و نگاهی عمیق‌‌تر به معیارهای کمی و کیفی مسئله سه‌‌گانه مقیاس پذیری‌‌ داشته باشد.

تعریف مشکل سه‌‌گانه مقیاس پذیری‌‌ بلاک چین

تحلیل مشکل سه‌‌گانه مقیاس پذیری‌‌ بلاک چین

به صورت کلی، مشکل سه‌‌گانه بر این بحث استوار است که باید یک سازش کلی در میان سه ویژگی مهم فناوری DLT انجام داد: تمرکز زدایی، مقیاس پذیری‌‌ و امنیت.

اگرچه چنین چیزی جالب و در عین حال محتمل به نظر می‌‌رسد – در غیر این صورت، چرا پروژه‌‌ها تاکنون قادر نبوده‌‌اند مشکل مقیاس پذیری‌‌ را حل کنند؟ – اما ضروری است که با مفهوم دقیق و ریاضیاتی آن قبل از انجام هرگونه ارزیابی آشنا شویم.

مهم‌‌ترین بخش‌‌های تاکید شده توسط تیم اتریوم در مورد مشکل سه‌‌گانه مقیاس پذیری‌‌ بلاک چین بدین صورت است:

بر اساس این مسئله، سیستم‌‌های بلاک چینی تنها می‌‌توانند دو مورد از سه ویژگی زیر را در آن واحد در اختیار داشته باشند:

  1. تمرکز زدایی: (به شرایطی از سیستم اشاره دارد که در آن هر شرکت‌‌کننده تنها به منابع (O(c دسترسی دارد. به عبارت دیگر، یک لپ‌‌تاپ معمولی یا سرور مجازی اختصاصی (VPS))
  2. مقیاس پذیری‌‌ (توانایی پردازش تراکنش‌‌های c) O(n) > O))
  3. امنیت (ایمن بودن در مقابل حمله‌‌کنندگان دارای منابع n) O))

نکته: در صورت عدم آشنایی با این مسائل باید گفت که تعاریف ارائه‌‌شده از نماد O بزرگ (Big O Notation) استفاده می‌‌کنند که یک تابع را بر اساس نرخ رشد و در زمان افزایش یک متغیر داده شده توضیح می‌‌دهد. برای مثال، پیدا کردن قدبلندترین شخص در میان دسته‌‌ای از افراد برابر با O(k) است، چرا که باید قد تمامی افراد را اندازه بگیرید. هرچه افراد بیشتری داشته باشید، فرآیند نیز بیشتر طول خواهد کشید و زمان کلی با تعداد افراد به صورت خطی می‌‌باشد. نکته مهم در مورد مقاله پیش رو این است که نماد O بزرگ دسته‌‌بندی‌‌های پیچیدگی را توصیف می‌‌کند. به طور ویژه، (O(n و (O(c در تعاریف داده‌‌شده درجات بسیار مختلفی را نشان می‌‌دهند که ممکن است از هم فاصله زیادی داشته باشند. به علاوه، O بزرگ فاکتورهای زیادی را دربر می‌‌گیرد، بدین معنی که (c * O(n) = O(n  برای تمامی cهای ثابت صادق است.

بنابراین این تعریف می‌‌تواند چه معنایی داشته باشد؟ دو نوع منبع کلی در این قضیه وجود دارد.

(O(n به سطح مطلوب ظرفیت پذیرش تراکنش و همچنین منابع حمله‌‌کنندگان احتمالی اشاره دارد. این دو نرخ می‌‌توانند توسط یک فاکتور ثابت – حتی یک فاکتور بزرگ – تغییر یابند، اما به یک اندازه رشد می‌‌کنند. چنین فرضیه‌‌ای می‌‌تواند بسیار مناسب باشد.

دو مولفه را می‌‌توان برای DLT در نظر گرفت: وضعیت (به عبارت دیگر، داده‌‌هایی که حساب‌‌ها و تراکنش‌‌ها را توصیف می‌‌کنند) و پردازش تراکنش‌‌ها (به عبارت دیگر، اجماع و تمامی چیزهای دیگر که در امر اعتباربخشی به درخواست‌‌ها نقش دارند). هردوی وضعیت و پردازش تراکنش‌‌ها تحت این مدل با (O(n نشان داده می‌‌شوند، که باز هم منطقی است.

(O(c برابر با میزان منابع به ازای هر کاربر شبکه (سخت‌‌افزار، پول و غیره) است. کاربران ممکن است سطوح مختلفی از منابع را در اختیار داشته باشند، اما در فاکتوری ثابت از یکدیگر حضور دارند. مهم‌‌تر از هر چیز اینکه منابع کاربری به شدت پایین‌‌تر از منابع حمله‌‌کنندگان می‌‌باشند، بدین معنی که (O(c) < O(n.

تعریف ریاضیاتی مشکل سه‌‌گانه عنوان می‌‌دارد که با توجه به محدودیت‌‌های خاص در منابع مانند سخت‌‌افزار، مقیاس‌‌بندی ظرفیت بیش از محدودیت‌‌های موجود غیرممکن می‌‌باشد.

چنین به نظر می‌‌رسد که این ادعا درست است. تعداد تراکنش‌‌ها در هر ثانیه را تنها می‌‌توان بر اساس توانایی سخت‌‌افزار تعیین کرد، بدون توجه به اینکه سخت‌‌افزار موجود چقدر قدرتمند باشد. در برهه‌‌ای از زمان باز هم دچار تنگنا خواهید شد.

آیا گذر کردن از این محدودیت‌‌ها ممکن است؟ تعاریف ریاضیاتی مشخصا پاسخ منفی را پیش روی ما می‌‌گذارند.

پلتفرم Logos مشکل سه‌‌گانه مقیاس پذیری‌‌ بلاک چین را حل کرده است

اگرچه مشکل سه‌‌گانه به خوبی در فضای بلاک چینی خودنمایی می‌‌کند، اما Logos تمامی سه ویژگی مورد نظر را از طریق مکانیزم شاردینگ تا حدودی برطرف کرده است.

در سطح کلی، شاردینگ شامل تقسیم کردن شبکه به چندین زیرگروه است و هر تراکنش از یک زیرگروه استفاده می‌‌کند. گفتنی است که روش شاردینگ ایمن و کاربردی می‌‌باشد و در صورتی که به درستی طراحی شود می‌‌تواند ظرفیت را تا حد زیادی افزایش دهد.

در پلتفرم Logos، فرآیند شاردینگ شامل تقسیم کردن نودهای اعتباربخش‌‌ به دسته‌‌ای از گروه‌‌های جداگانه (شاردها) از طریق یک تابع تصادفی معتبر می‌‌باشد. هر حساب به شیوه‌‌ای مشابه با یک شارد بخصوص هماهنگ شده است. داده‌‌های DAG (گراف جهت‌‌دار غیرمدور) نیز در سطح حساب‌‌ها قابل طراحی می‌‌باشند (هر حساب دارایی زنجیره تراکنش‌‌های مخصوص بخود می‌‌باشد) و همین امر آن را به کاری بسیار آسان‌‌تر نسبت به شاردینگ بلاک چین تبدیل کرده است.

اعتباربخش‌‌های موجود در هر شارد تراکنش‌‌های مربوط به حساب‌‌ها را پردازش می‌‌کنند و پایگاه‌‌ داده توزیع‌‌شده مرتبط را نگه می‌‌دارند. از آنجا که شارد می‌‌تواند به شیوه‌‌ای منحصربه‌‌فرد حساب‌‌ها را در هنگام انجام تراکنش‌‌ها قفل کند، حملات دابل اسپند (Double Spend Attacks) غیرممکن هستند.

شایان ذکر است که مدل شاردینگ Logos به شبکه اجازه می‌‌دهد مقیاس خود را به شیوه‌‌ای پویا با تعداد شرکت‌‌کنندگان شبکه هماهنگ کند و در همان حال نیاز بیشتری به قدرت رایانشی وجود نداشته باشد.

وضعیت و پردازش تراکنش‌‌ها در فرآیند شارد قرار می‌‌گیرند، بدین معنی که تمامیت منابع شبکه در میان نودها (Nodes) توزیع می‌‌شود، به جای آنکه به صورت جهانی به اشتراک گذاشته شود. بنابراین شاردینگ دقیقا با چیزی سر و کار دارد که مشکل‌‌ سه‌‌گانه به عنوان امری غیرممکن در نظر می‌‌گیرد.

به بیان دقیق‌‌تر، پلتفرم Logos با استفاده از شاردینگ تمامی سه ویژگی ذکرشده را برآورده می‌‌کند:

  • شبکه تراکنش‌‌های (O(n را انجام می‌‌دهد
  • هر اعتباربخش تنها دارای منابع (O(c) < O(n می‌‌باشد، بدین معنی که شبکه در حال پردازش سطحی متفاوت از تراکنش‌‌ها نسبت به آن چیزی است که هر اعتباربخش به صورت جداگانه قادر به انجام آن می‌‌باشد. شاردها و اعتباربخش‌‌های اضافی می‌‌توانند برای تراکنش‌‌های دیگر به کار گرفته شوند.

شبکه در مقابل حمله‌‌کنندگان (O(n مقاوم است. حمله‌‌کننده با استفاده از VRF در میان شاردهای زیادی توزیع خواهد شد تا جایی که دیگر از لحاظ اقتصادی برای وی به صرفه نخواهد بود. با افزایش این منابع، تعداد شاردها نیز افزایش خواهد یافت. از آنجا که  (O(n)/O(n) = O(1 ,توانایی یک حمله‌‌کننده برای از پا درآوردن یک شارد تاثیر چندانی نخواهد داشت. سیستم مشوق‌‌های اقتصادی Slashing و Logos نیز برای به دست آوردن این سه ویژگی مناسب است.

از آنجا که تمامی ویژگی‌‌های بالا برآورده شده‌‌اند، می‌‌توانیم بگوییم که راه‌‌حل کار را پیدا کرده‌‌ایم.

مشکل سه‌‌گانه اجباری یا ریاضیاتی نیست

قبل از آنکه بیش از حد هیجان‌‌زده شویم، باید این سوال را از خودمان بپرسیم که Logos به چه شکل توانسته است چنین مشکل سه‌‌گانه اجباری و ریاضیاتی را حل کند؟

با توجه به حل این مسئله توسط Logos، بدیهی است که فرضیه مبتنی بر غیرممکن بودن آن اشتباه بوده و نمی‌‌توان از آن به عنوان یک مشکل سه‌‌گانه واقعی یاد کرد.

بر حسب اتفاق، مطرح‌‌کنندگان مشکل سه‌‌گانه هیچگاه از آن به عنوان مسئله‌‌ای اجباری یاد نکرده‌‌اند. تیم اتریوم دقیقا به همان شیوه‌‌ مطرح شده توسط پیشنهاد‌‌کنندگان اولیه آن اذعان داشتند که این مسئله چنین نیست.

معتقدم که بیشتر سردرگمی پیش‌‌آمده در مورد مشکل سه‌‌گانه از بستری فنی نشات گرفته است که این مسئله در آن مطرح شد. به نظر می‌‌رسد که عموم مردم فریب اعلامیه‌‌های بلندبالا در مورد مشکل سه‌‌گانه را خورده‌‌ و بدون اینکه از پیامدهای ضمنی مسئله آگاه باشند، آن را به عنوان حقیقت قبول کرده‌‌اند.

می‌‌توان گفت که مشکل سه‌‌گانه به جای حقیقتی ریاضیاتی تنها یک آزمون فکری باشد. مسئله اصلی به منظور روشن ساختن تلاش‌‌های تیم اتریوم در راستای برطرف کردن آن و همچنین بهبود مشکلات موجود مطرح شد. به طور اساسی، این مسئله به عنوان روشی برای برجسته ساختن راه‌‌حل مقیاس پذیری‌‌ اتریوم مطرح شد و باید اعتراف کرد که این کار را به خوبی انجام داده است. شاردینگ یکی از جالب‌‌ترین راه‌‌حل‌‌های مقیاس پذیری‌‌ است و تعدادی از مسائل مطرح‌‌شده در مشکل سه‌‌گانه را برطرف می‌‌سازد.

اما مسئله بدین صورت نیست که این فناوری دارای ویژگی‌‌های بخصوص ریاضیاتی است یا اینکه تعریف آن تمامی مفاهیم سطح‌‌ بالا را دربر می‌‌گیرد. مهم‌‌تر از هر چیز باید به یاد داشت که شاردینگ تنها راه‌‌حل موجود برای مقیاس پذیری‌‌ شبکه یا “حل کردن” مشکل سه‌‌گانه نیست، همانطور که بسیاری از اوقات چنین تصور می‌‌شود. بنابراین سودمندی ریاضیاتی مشکل سه‌‌گانه در زمان طراحی DLT قابل تامل و در نهایت محدود است.

تمرکز زدایی در مشکل سه‌‌گانه

شاید یک سوال جالب‌‌تر این باشد که آیا ماهیت مسائل مطرح‌‌شده مفید است یا خیر. به طور ویژه، بسیاری از افراد تعریف غیرریاضیاتی تمرکز زدایی را در نظر می‌‌گیرند که بدین صورت می‌‌توان آن را تعریف کرد: “شرکت‌‌کنندگان باید قادر باشند یک نود کامل را بر روی یک لپ‌‌تاپ معمولی اجراء کنند.” در فضای O بزرگ، اجراء کردن یک نود بر روی Raspberry Pi و یک سرور قدرتمند (یا حتی یک ابرکامپیوتر) برابر هستند، بنابراین تعریف غیررسمی قادر نیست مسئله تمرکز زدایی را به درستی و به همان شیوه ریاضیاتی مطرح شده در مشکل سه‌‌گانه نشان دهد.

با این وجود، تعریف غیررسمی در تعاریف ریاضیاتی و همچنین جاهای دیگر بیان شده است و نیت از انجام چنین کاری این است که بخش اساسی تمرکز زدایی باید بر اساس توانایی اجراء یک نود کامل بر روی سخت‌‌افزارهای معمولی بنیان نهاده شود.

آیا این وضعیت مفهوم تمرکز زدایی را به خوبی بیان می‌‌کند؟ خیر، حداقل نه به صورتی که تاثیر حائز اهمیتی در شرایط واقعی داشته باشد. به عبارت دیگر، اگرچه ممکن است اجراء کردن یک نود کامل بر روی لپ‌‌تاپ اهمیت نظری زیادی داشته باشد، اما هیچ اهمیتی را نمی‌‌توان از لحاظ عملی برای آن در نظر گرفت.

اهمیت عملی در مقابل اهمیت نظری

تفاوت زیادی در میان اهمیت عملی و اهمیت نظری وجود دارد که اغلب در گفتمان‌‌های بلاک چینی نادیده گرفته می‌‌شود. اهمیت نظری در مورد این است که آیا یک کاربرد فنی یا ریاضیاتی را برای یک رویداد یا انتخاب خاص می‌‌توان فرض کرد، بدون توجه به اینکه چقدر کوچک باشد. اهمیت عملی در مورد این است که آیا آن رویداد یا انتخاب، تاثیری در دنیای واقعی دارد یا خیر.

یکی از حوزه‌‌هایی که تعریف مذکور در آن اهمیت دارد آمار است. اگر قصد دارید تفاوت میانگین قد مردم در بوستون و نیویورک را با استفاده از یک نمونه آماری بزرگ تخمین بزنید، احتمالا به یک تفاوت مهم آماری (به عبارت دیگر، نظری)، اما کوچک خواهید رسید که نرخ p بسیار پایینی دارد. با این وجود، نتایج این مطالعه دارای اهمیت عملی نیستند.

از سوی دیگر، اگر در حال مطالعه بر روی بیماران سرطانی باشید، حتی یک نرخ p بسیار کوچک مانند ۰.۰۵ اهمیت نظری بسیار کمی دارد، اما از لحاظ عملی بسیار مهم است.

محدودیت‌‌های عملی مشکل سه‌‌گانه

همین بحث را می‌‌توان در مورد DLT و مشکل سه‌‌گانه نیز به کارگرفت. اگر تمامی افراد عادی موجود در شبکه بتوانند به عنوان اعتباربخش کامل عمل کنند، ممکن است اهمیت نظری زیادی را به همراه داشته باشد. اما در واقع هیچ ارزش عملی نخواهد داشت. هر شبکه‌‌ای که وضعیت ایمنی مناسبی دارد (چه بر اساس مشکل سه‌‌گانه یا به صورت کلی) باید مکانیزمی را برای اختصاص دادن رای‌‌ها در نظر داشته باشد که بازتابی از سرمایه‌‌گذاری اقتصادی است، مانند کامپیوترها در پروتکل اثبات کار (Proof of Work) یا توکن‌‌ها در پروتکل اثبات سهام (Proof of Stake). علی‌‌رغم مکانیزم به کار رفته، مطمئنا نکاتی در مورد تاثیر اقتصاد مقیاس (Economies of Scale) به علاوه توزیع پارتو (Pareto Distribution) وجود دارد که به چند نود اعتباربخش بزرگ و تعداد زیادی اعتباربخش کوچک ختم خواهد شد. در مقایسه با نودهای اعتباربخش اصلی، افراد معمولی هیچ تاثیر معنی‌‌داری بر روی سیستم نخواهند داشت، در حالی که هنوز هم هزینه‌‌های اضافی به بار خواهند آورد. اما از سوی دیگر، متمرکز شدن بر روی این تعریف ساختگی از “جامعیت” در بهبود دادن تمرکز زدایی واقعی ناکام می‌‌ماند و در همان حال به شیوه‌‌ای منفی بر روی عملکرد شبکه تاثیر می‌‌گذارد.

اما چیزی که از لحاظ نظری و عملی اهمیت دارد این است که همه بتوانند اطمینان داشته باشند که نودهای اعتباربخش از قدرت خود سوءاستفاده نمی‌‌کنند و اگر چنین کاری انجام دهند، به شیوه‌‌ای مناسب تنبیه شوند. خوشبختانه از آنجایی که تایید کردن اجماع در مقایسه با دستیابی به آن بسیار آسان‌‌تر است، چنین کاری را می‌‌توان بدون به هم ریختن شبکه و اجازه دادن به همه برای عمل به عنوان اعتباربخش انجام داد. یکی از نتایج کلیدی در مورد پلتفرم Logos این است که هیچ کاربری نمی‌‌تواند امنیت شبکه را به خطر بیاندازد، بدون اینکه به شیوه‌‌ای بسیار خرابکارانه عمل کند که در این صورت نیز به آسانی قابل تشخیص بوده و بلافاصله با تنبیه روبرو خواهد شد.

در نهایت، تمرکز زدایی به آن شیوه‌‌ای که مشکل سه‌‌گانه مطرح می‌‌کند یک ویژگی مطلق نیست (چه از لحاظ ریاضیاتی یا از لحاظ فنی)، اما می‌‌توان آن را به عنوان یک گستره در نظر گرفت. آن دسته‌‌ از شبکه‌‌ها را می‌‌توان به عنوان غیرمتمرکز حساب کرد که تضمین می‌‌کنند هیچ کاربر – یا گروهی از کاربران – نمی‌‌تواند شبکه را به دست بگیرد. معماری‌‌هایی که قادر نیستند چنین توزیع قدرتی را فراهم آورند متمرکز هستند.

در عمل، چنین چیزی ارتباط کمی با توانایی اجراء کردن نودهای اعتباربخش بر روی لپ‌‌تاپ دارد. همه می‌‌توانند از طریق استخراج در فرآیندهای اجماع اثبات کار شرکت کنند، اما شبکه‌‌های اثبات کار بسیار متمرکز هستند. برای مثال، در هردوی شبکه‌‌های بیت کوین و اتریوم کمتر از چهار استخر استخراج بیش از ۵۰% هش‌‌ریت (Hash Rate) را در اختیار دارند. راه‌‌حل‌‌های دیگر مانند مسئله محول‌‌سازی (Delegation) در پروتکل اثبات سهام که از جانب بسیاری به عنوان متمرکز در نظر گرفته می‌‌شوند در واقع می‌‌توانند نسبت به پروتکل اثبات کار یا حتی فرآیند اجماع اثبات سهام بسیار غیرمتمرکزتر باشند.

به همان شیوه، تعریف کمی مشکل سه‌‌گانه برای تجزیه و تحلیل مسئله مقیاس پذیری‌‌ از لحاظ عملی اهمیتی ندارد.

شبکه‌‌ای که مشکل سه‌‌گانه را به شیوه‌‌ای ریاضیاتی حل می‌‌کند احتمالا (و نه ضرورتا) مقیاس پذیر است، اما شبکه‌‌ای که مشکل سه‌‌گانه را حل نکرده است نیز به همان اندازه امکان دارد مقیاس پذیر باشد.

چنین چیزی چگونه ممکن است؟ اگرچه نماد O بزرگ برای تحلیل رفتارهای محدودکننده تابع‌‌ها کاربرد دارد، اما تفاوت‌‌های عملی میان تابع‌‌های مختلف را از طریق از میان برداشتن نرخ‌‌های ثابت نادیده می‌‌گیرد. اما مقادیر ثابت از لحاظ عملی اهمیت دارند. برای مثال، توابع f(x) = x² و g(x) = 745,912 * x² هردو (O(x² هستند، اما اگر هردو را در دنیای واقعی استفاده کنیم، میزان پیچیدگی(f(x  حدود ۶ برابر از (g(xکمتر است که تفاوت بسیار بزرگی است. به همین شیوه، یک راه‌‌حل مقیاس پذیری‌‌ که در آن منابع کاربر، منابع حمله‌‌کننده و ظرفیت شبکه همگی (O(n هستند، می‌‌تواند ظرفیت بسیار بیشتری را در مقایسه با منابع کاربران فراهم آورد و برای موارد کاربردی در دنیای واقعی بسیار کافی باشد.

از سوی دیگر، شبکه‌‌ای که معیارهای ریاضیاتی مشکل سه‌‌گانه را برطرف می‌‌کند ممکن است در مقیاسی عملی کار نکند. در مثال زیر، پردازش تراکنش و منابع حمله‌‌کننده هردو (O(x² هستند، که نسبت به مقیاس منابع کاربر (O(x در فضای O بزرگ به شدت بیشتر می‌‌باشند. اما پردازش تراکنش برای تمامی طیف‌‌های منطقی و واقعی منابع بسیار کمتر از منابع کاربر هستند.

البته می‌‌توان به یک نقطه تلاقی مشخص اشاره کرد که در آن تابع (O(x²  بر (O(x تسلط خواهد داشت، اما اگر چنین سطحی را در دنیای واقعی مشاهده نکنیم چه مزیتی می‌‌تواند داشته باشد؟ در این مورد، اتکاء کردن به مشکل سه‌‌گانه به عنوان آزمون نمایانگر برای مسئله مقیاس پذیری‌‌ نمی‌‌تواند مسئله را کاملا به تصویر بکشد.

تحلیل مشکل سه‌‌گانه مقیاس پذیری‌‌ بلاک چین

نماد O بزرگ می‌‌تواند تفاوت‌‌های عملی مهم را پنهان کند

با اتکاء به نماد O بزرگ، مشکل سه‌‌گانه دسته‌‌ای کامل از راه‌‌حل‌‌های معتبر و حائز اهمیت مقیاس پذیری‌‌ را نادیده می‌‌گیرد و همچنین تعدادی از ملاحظات عملی را پنهان می‌‌کند.

در تمامی موارد، مسئله تمرکز زدایی یا مقیاس پذیری‌‌ بر اساس تنها یک ویژگی واحد تعریف نمی‌‌شود، بلکه دسته‌‌ای پیچیده از مولفه‌‌های مرتبط با هم در مورد علوم کامپیوتری و تئوری گیم در آن نقش دارند. اگرچه یک مسئله ساده مانند مشکل سه‌‌گانه مقیاس پذیری‌‌ ممکن است بسیار جذاب باشد، اما ریزه‌‌کاری‌‌های این‌‌چنینی را از لحاظ نظری و عملی ناتمام باقی می‌‌گذارد. راه‌‌حلی که برای حل آن پیشنهاد شده است – شاردینگ – تنها روش برای دستیابی به مقیاس پذیری‌‌ نیست و پیشرفت‌‌های Logos در مورد ساختار داده، اجماع و ساختار توکن در روند به وجود آوردن شبکه‌‌ای جدید برای بکارگیری جهانی به یک اندازه حائز اهمیت هستند.

در نهایت سوال درست این نیست که “این شبکه مشکل سه‌‌گانه مقیاس پذیری‌‌ را به چه صورت برطرف می‌‌کند؟” بلکه اینکه “این شبکه چگونه به روشی عملی مقیاس پذیر می‌شود؟”

منبع

شاید از این مطالب هم خوشتان بیاید.

ارسال پاسخ

آدرس ایمیل شما منتشر نخواهد شد.