Журнал: Том 31, № 2, 2026
Сторінки: 73 – 84
DOI: https://doi.org/10.62660/bcstu/2.2026.73
191 Перегляд

Вплив об’єму кешу останнього рівня на обхід дерева стану в Hyperledger Besu при найгіршому сценарії доступу

Максим Бистрик, Олександр Хошаба
Отримано 23.10.2025
Доопрацьовано 09.04.2026
Прийнято 18.05.2026
Опубліковано 26.06.2026

Анотація

Стрімкий розвиток корпоративних блокчейн-мереж змістив вузькі місця продуктивності від мережевого консенсусу до внутрішніх механізмів обходу бази даних стану, де нерегулярний доступ до пам’яті створює критичні мікроархітектурні обмеження. Основною метою роботи було емпіричне визначення того, як об’єм кеш-пам’яті останнього рівня впливає на продуктивність та стабільність високонавантажених вузлів Hyperledger Besu під час навігації по дереву станів. Дослідження проведено в апаратно ізольованому середовищі з фіксованою частотою ядер на базі асиметричного процесора AMD, що дозволило прямо порівняти 32 МБ стандартного кешу та 96 МБ 3D-stacked пам’яті за найгіршого сценарію випадкового доступу. Результати тестування продемонстрували, що за умови досягнення апаратного насичення продуктивність вузла значною мірою диктується не тактовою частотою процесора, а швидкістю отримання даних та об’ємом кеш-пам’яті останнього рівня. Під час пікового навантаження у 36 000 запитів на секунду стандартна архітектура з 32 МБ кешу зіткнулася з бар’єром пам’яті (Memory Wall), що призвело до раптової деградації системи. Кількісний аналіз показав, що топологія з розширеним кешем (96 МБ) стабільно підтримувала затримку 95-го процентиля на рівні 6,55 мс, тоді як на стандартному кеші цей показник експоненціально зріс до 114,80 мс. Статистичне моделювання підтвердило, що використання меншого кешу призводить до майже 18-разового (GMR = 17,84) збільшення хвостової затримки під час насичення апаратних ресурсів. Крім того, частота критичної втрати оброблених даних для стандартної конфігурації зросла майже у 23 рази (IRR = 22,99), спричинивши системне вичерпання ресурсів і каскадний збій інфраструктури. Практична цінність дослідження полягає в емпіричному обґрунтуванні необхідності програмної оптимізації пулу транзакцій та пропонуванні ресурсно-адаптивного методу, який враховує апаратну топологію для масштабування корпоративних розподілених реєстрів

Ключові слова

блокчейн; високонавантажені системи; pointer chasing; Memory Wall; розростання стану; технологія 3D V-Cache; оптимізація операцій читання

Використані джерела

  1. Bhargava, R., & Troester, K. (2024). AMD next-generation “Zen 4” core and 4th Gen AMD EPYC server CPUs. IEEE Micro, 44(3), 8-17. doi: 10.1109/MM.2024.3375070.
  2. Cardoso, C., Silva, C., Veloso, A., Sousa, J., & Abelém, A. (2025). An API-driven framework for performance testing of Hyperledger Besu blockchain networks. In Lablock artigos curtos – Latin-American symposium on dependable and secure computing (pp. 23-28). Porto Alegre: Sociedade Brasileira de Computação. doi: 10.5753/ ladc_estendido.2025.16872.
  3. Chen, Z., Wu, C., Gu, Y., Jia, R., Li, J., & Guo, M. (2025). Gaze into the pattern: Characterizing spatial patterns with internal temporal correlations for hardware prefetching. In 2025 IEEE international symposium on high performance computer architecture (pp. 173-187). New York: IEEE. doi: 10.1109/HPCA61900.2025.00024.
  4. Deng, Y., Yan, M., & Tang, B. (2024). Accelerating Merkle Patricia Trie with GPU. Proceedings of the VLDB Endowment, 17(8), 1856-1869. doi: 10.14778/3659437.3659443.
  5. Fan, C., Lin, C., Khazaei, C., & Musilek, P. (2022). Performance analysis of Hyperledger Besu in private blockchain. In IEEE international conference on decentralized applications and infrastructures (pp. 64-73). New York: IEEE. doi: 10.1109/DAPPS55202.2022.00016.
  6. Farshin, A., Roozbeh, A., Maguire, G.Q.Jr., & Kostić, D. (2019). Make the most out of last level cache in Intel processors. In Proceedings of the fourteenth Eurosys conference 2019 (article number 8). New York: Association for Computing Machinery. doi: 10.1145/3302424.3303977.
  7. Hsieh, K., Khan, S., Vijaykumar, N., Chang, K.K., Boroumand, A., Ghose, S., & Mutlu, O. (2016). Accelerating pointer chasing in 3D-stacked memory: Challenges, mechanisms, evaluation. In 2016 IEEE 34th international conference on computer design (pp. 25-32). New York: IEEE. doi: 10.1109/ICCD.2016.7753257.
  8. Huang, Y., Zhu, H., & Li, Y. (2018). Performance improvements by deploying L2 prefetchers with helper thread for pointer-chasing applications. International Journal of Performability Engineering, 14(10), 2312-2320. doi: 10.23940/ijpe.18.10.p7.23122320.
  9. Kuznetsov, O., Frontoni, E., Kuznetsova, K., & Arnesano, M. (2025). Optimizing Merkle proof size through path length analysis: A probabilistic framework for efficient blockchain state verification. Future Internet, 17(2), article number 72. doi: 10.3390/fi17020072.
  10. Kuznetsov, O., Oleshko, I., Tymchenko, V., Lisitsky, K., Rodinko, M., & Kolhatin, A. (2021). Performance analysis of cryptographic hash functions suitable for use in blockchain. International Journal of Computer Network and Information Security, 13(2), 1-15. doi: 10.5815/ijcnis.2021.02.01.
  11. Leal, F., Chis, A.E., & González-Vélez, H. (2020). Performance evaluation of private Ethereum networks. SN Computer Sciences, 1, article number 285. doi: 10.1007/s42979-020-00289-7.
  12. Liu, L., Wang, H., Wang, A., Xiao, M., Cheng, Y., & Chen, S. (2021). Mind the gap: Broken promises of CPU reservations in containerized multi-tenant clouds. In Proceedings of the ACM symposium on cloud computing (pp. 243-257). New York: Association for Computing Machinery. doi: 10.1145/3472883.3486997.
  13. Mardiansyah, V., Muis, A., & Sari, R.F. (2023). Multi-State Merkle Patricia Trie (MSMPT): High-performance data structures for multi-query processing based on lightweight blockchain. IEEE Access, 11, 117282-117296. doi: 10.1109/ACCESS.2023.3325748.
  14. Oaks, S. (2020). Java performance: In-depth advice for tuning and programming Java 8, 11, and beyond. Santa Rosa: O’Reilly Media.
  15. Perez, D., & Livshits, B. (2020). Broken Metre: Attacking resource metering in EVM. ArXiv. doi: 10.48550/ arXiv.1909.07220.
  16. Pierro, G.A., Coco, L., & Tonelli, R. (2024). Besu vs. Quorum: Comparative analysis in the context of simulated energy communities. In 6th distributed ledger technology workshop. Torino: University of Turin.
  17. Singh, T., et al. (2025). “Zen 5”: The AMD high-performance 4nm x86-64 microprocessor core. In 2025 IEEE international solid-state circuits conference (pp. 1-3). New York: IEEE. doi: 10.1109/ISSCC49661.2025.10904529.
  18. Stępień, K., & Skublewska-Paszkowska, M. (2025). Performance evaluation of REST and GraphQL API aproaches in data retrieval scenarios using NestJS. Journal of Computer Sciences Institute, 36, 350-356. doi: 10.35784/ jcsi.7794.
  19. Sultan, M., Shakiba, K., Lee, A., Chen, P., & Stumm, M. (2024). TTLs matter: Efficient cache sizing with TTL-aware miss ratio curves and working set sizes. In Proceedings of the nineteenth European conference on computer systems (pp. 387-404). New York: Association for Computing Machinery. doi: 10.1145/3627703.3650066.
  20. Wood, G. (2022). Ethereum: A secure decentralised generalised transaction ledger. Retrieved from https://ethereum. github.io/yellowpaper/paper.pdf.
  21. Zeitak, A., & Morrison, A. (2021). Cuckoo Trie: Exploiting memory-level parallelism for efficient DRAM indexing. In Proceedings of the 28th ACM symposium on operating systems principles (pp. 147-162). New York: Association for Computing Machinery. doi: 10.1145/3477132.3483551.
  22. Zhang, I., Zarick, R., Wong, D., Kim, T., Pellegrino, B., Li, M., & Wong, K. (2025). QMDB: Quick Merkle Database. ArXiv. doi: 10.48550/arXiv.2501.05262.

ЦИТУВАТИ

Bystryk, M., & Khoshaba, O. (2026). Last-level cache capacity in Hyperledger Besu state-trie traversal under worst-case access. Bulletin of Cherkasy State Technological University, 31(2), 73-84. https://doi.org/10.62660/bcstu/2.2026.73