jakiro
作者：Decentralised.Co 來源：X，@Decentralisedco 翻譯：善歐巴，比特鏈視界
交易可擴展性一直是業內討論的熱點話題。過去幾周，我們一直在探討 Monad 如何幫助提升交易處理速度 (TPS)。本文詳細解釋了 Monad 的運作原理。
TPS 是我們一直關注的衡量標準。我們希望區塊鏈能夠支持更高的 TPS，從而容納更多用戶和應用程式。下圖顯示了以太坊和 L2 的 TPS 數字。目前為止，沒有一條鏈突破過 100 TPS 的大關。需要注意的是，TPS 是一個用于衡量可擴展性的通用術語。由於並非所有交易都一樣複雜，因此單純的 TPS 數據並不夠準確。但為了方便起見，我們仍將 TPS 視為衡量可擴展性的指標。
提高 TPS 的方法有哪些？
一種方法是像 Solana 一樣，從頭開始構建一個全新的系統。Solana 犧牲了與 EVM 的兼容性來換取速度。它使用多線程執行而不是單線程執行（可以類比多核 CPU 和單核 CPU），並行處理交易，並使用不同的共識機制。
第二種方法是使用鏈下執行並使用中心化排序器來擴展以太坊。
第三種方法是將 EVM 分解成單獨的組件並進行優化以提高可擴展性。
Monad 是一個新近籌集了 2.25 億美元的 EVM 兼容 L1 區塊鏈，它選擇從頭開始構建 EVM 而不是直接使用現有版本。Monad 採用了第三種方法來提高可擴展性。
下面我們將討論 Monad 引入的一些重大改變。
並行執行
以太坊虛擬機 (EVM) 串行執行交易。在上一個交易執行完成之前，下一個交易必須等待。可以舉個例子：想像一個摩託車組裝倉庫的平臺。多輛卡車運來摩託車零件（每輛卡車都裝有製造 50 輛摩託車所需的所有零件）。裝配倉庫有四個不同的功能，每個功能都由專門的團隊負責 – 卸載、分類、組裝和裝載。
在當前的 EVM 設置中，只有一個平臺，同一個地點用於裝卸貨物。因此，當卡車停下來時，摩託車零件會在同一個卡車上卸載、分類、組裝和裝載。當分類團隊工作時，其他團隊都在等待。因此，如果把他們的工作視為不同的插槽，那麼每個團隊每四個插槽中只會工作一次。這導致了嚴重的效率低下，凸顯了需要一種更加簡化的方式。
現在想像有四個擁有獨立裝卸區域的平臺。即使卸載團隊一次只能處理一輛卡車，他們也不必等待接下來的三個插槽才能進行工作。他們可以直接移到下一輛卡車旁開始工作。
分類、組裝和裝載團隊也是如此。當卡車完成卸載後，它會駛向裝載區，等待裝載團隊裝載組裝好的摩託車。因此，只有一個平臺和裝卸區域的倉庫會按順序執行所有操作，而擁有 4 個平臺和不同裝卸區域的倉庫則可以並行處理任務。
可以將 Monad 視為擁有多個卡車平臺的倉庫基礎設施，但它比這個例子複雜得多。當卡車之間存在依賴關係時，複雜性就會增加。例如，如果一輛卡車上沒有製造 50 輛摩託車所需的所有零件怎麼辦？交易並不總是獨立的。因此，當 Monad 並行執行它們時，它必須處理相互依賴的交易。
如何做到這一點？它執行一種稱為樂觀並行執行的操作。該協議只能並行執行獨立的交易。例如，考慮 4 筆交易，其中喬爾 (Joel) 的餘額為 1 ETH：
-
喬爾向薩烏拉夫 (Saurabh) 發送 0.2 ETH。
-
西德 (Sid) 鑄造一個 NFT。
-
喬爾向西德發送 0.1 ETH。
-
什洛克 (Shlok) 購買 PEPE。
所有這些交易都並行執行，具有掛起的待確認結果，這些結果將逐個提交。如果待處理的結果輸出與任何交易的原始輸入衝突，則會重新執行交易。交易 2 和 4 彼此獨立，因此它們的待處理結果不會與其他交易的輸入衝突。但 1 和 4 不是獨立的。
請注意，由於所有 4 筆交易都從相同的初始狀態（喬爾餘額為 1 ETH）開始，因此這裡關注的是喬爾的餘額。發送 0.2 ETH 後喬爾的餘額變為 0.8 ETH。在向西德發送 0.1 ETH 後，他的餘額變為 0.9 ETH。結果逐個提交，確保輸出不會與任何輸入衝突。在 1 的待處理結果提交後，喬爾的新餘額變為 0.8 ETH。
這個輸出與 3 的輸入衝突。因此，現在用 0.8 ETH 的輸入重新執行 3。執行完 3 之後，喬爾的餘額變為 0.7 ETH。
MonadDb
至此，一個明顯的問題是，我們如何知道不必重新執行大部分交易？答案在於重新執行並不是瓶頸。瓶頸在於訪問以太坊的內存。事實證明，以太坊在資料庫中存儲其狀態的方式使得訪問狀態變得困難（耗時且昂貴）。這就是 Monad 另一項改進發揮作用的地方 – MonadDb。Monad 以一種減少讀取操作相關開銷的方式構建了其資料庫。
當一個交易需要重新執行時，所有輸入都已經緩存在緩存內存中，與訪問整體狀態相比，緩存內存的訪問速度要快得多。
Solana 在測試網上擁有 5 萬 TPS，但在主網上只有約 1 千 TPS。Monad 聲稱在其內部測試網上實現了 1 萬個實際 TPS。儘管這並不總是代表實際性能，但我們迫不及待地想看看 Monad 在實際應用中的表現。
