En mars de cette année, le réseau de blockchain L1 évolutif Artelaa lancé EVM++, une mise à niveau visant la prochaine génération de la technologie de la couche d'exécution EVM. Le premier «+» dans EVM++ signifie «extensibilité», réalisée grâce à la technologie Aspect pour aider les développeurs à créer des programmes personnalisés sur la chaîne dans un environnement WebAssembly (WASM). Ces programmes peuvent collaborer avec EVM pour fournir des extensions spécifiques à l'application à haute performance et personnalisées pour les dApps. Le deuxième «+» représente la «scalabilité», réalisée grâce à des techniques d'exécution parallèle et à la conception d'un espace de bloc élastique, améliorant considérablement la capacité et l'efficacité de traitement du réseau.
WebAssembly (WASM) est un format de code binaire efficace capable d'atteindre des vitesses d'exécution proches de la vitesse native dans les navigateurs web, ce qui le rend particulièrement adapté à la gestion de tâches intensives en calcul telles que l'IA et le traitement des données volumineuses.
Hier, Artela a publié un livre blancdétail sur la façon dont il améliore la scalabilité du blockchain grâce au développement de piles d'exécution parallèle et à l'introduction de l'espace de bloc élastique basé sur les principes de l'informatique élastique.
Dans la machine virtuelle Ethereum (EVM) traditionnelle, toutes les opérations de contrat intelligent et les transitions d'état doivent être globalement cohérentes à travers le réseau. Cela nécessite que tous les nœuds exécutent les mêmes transactions dans le même ordre, même si certaines transactions n'ont aucune dépendance réelle entre elles. Cela entraîne un traitement sériel, causant des retards et des inefficacités inutiles.
Le traitement parallèle permet à plusieurs processeurs ou cœurs de calcul d'exécuter simultanément plusieurs tâches de calcul ou de traiter des données, améliorant considérablement l'efficacité de traitement et réduisant le temps d'exécution, en particulier pour des problèmes de calcul complexes ou de grande échelle qui peuvent être divisés en tâches indépendantes. Parallel EVM étend ou améliore l'EVM traditionnel en permettant l'exécution concurrente de plusieurs contrats intelligents ou appels de fonctions de contrat, ce qui augmente le débit et l'efficacité globaux du réseau. De plus, il optimise l'efficacité par rapport à l'exécution mono-thread. L'avantage principal de Parallel EVM est de permettre aux applications décentralisées d'atteindre des performances comparables à celles d'Internet.
Artela est un L1 qui améliore la scalabilité et les performances de l'EVM en introduisant l'EVM++. EVM++ améliore la couche d'exécution de l'EVM, intégrant la flexibilité de l'EVM avec les hautes performances de WASM. Cette machine virtuelle améliorée prend en charge le traitement parallèle et le stockage efficace, permettant à des applications plus complexes et exigeantes en termes de performances de s'exécuter sur Artela. EVM++ prend en charge non seulement les contrats intelligents traditionnels, mais permet également l'ajout et l'exécution dynamiques de modules haute performance on-chain, tels que des agents d'IA, qui peuvent fonctionner en tant que coprocesseurs on-chain de manière indépendante ou participer directement à des jeux on-chain, créant ainsi des PNJ vraiment programmables.
Artela garantit que la puissance de calcul des nœuds du réseau peut être adaptée de manière flexible en fonction de la demande grâce à sa conception d'exécution parallèle. De plus, les nœuds de validation prennent en charge la mise à l'échelle horizontale, ce qui permet au réseau d'ajuster automatiquement l'échelle des nœuds de calcul en fonction de la charge ou de la demande actuelle. Ce processus de mise à l'échelle est coordonné par un protocole élastique pour garantir des ressources de calcul suffisantes dans le réseau de consensus. En garantissant une puissance de calcul évolutive grâce à un calcul élastique, Artela réalise un espace de bloc élastique, permettant aux grandes dApps de demander un espace de bloc indépendant en fonction de leurs besoins spécifiques. Cela répond non seulement au besoin d'expansion de l'espace de bloc public, mais garantit également les performances et la stabilité des grandes applications.
L'exécution optimiste prédictive est l'une des technologies fondamentales d'Artela et la distingue des autres EVM parallèles comme Sei et Monad. L'exécution optimiste fait référence à une stratégie d'exécution parallèle qui suppose initialement l'absence de conflits entre les transactions. Dans ce mécanisme, chaque transaction maintient une version privée de l'état, enregistrant des modifications sans les finaliser immédiatement. Après l'exécution de la transaction, une phase de validation vérifie les conflits causés par les changements d'état global provenant de transactions concurrentes pendant la même période. Si des conflits sont détectés, les transactions sont ré-exécutées. La prédictivité implique l'utilisation de modèles d'IA spécifiques pour analyser les données de transactions historiques, prédire les dépendances entre les transactions sur le point d'être exécutées, et identifier quelles transactions pourraient accéder aux mêmes données. Sur la base de cette analyse, les transactions sont regroupées et leur ordre d'exécution est organisé pour réduire les conflits et les exécutions redondantes.
En revanche, Sei repose sur les développeurs pour définir à l'avance les dépendances des transactions via des fichiers, tandis que Monad utilise une analyse statique au niveau du compilateur pour générer des fichiers de dépendance des transactions. Ni Sei ni Monad n'atteignent l'équivalence EVM et manquent de la capacité d'adaptation d'Artela basée sur des modèles de prédiction dynamiques pilotés par l'IA.
La technologie de préchargement asynchrone vise à résoudre les goulots d'étranglement d'entrée-sortie (E/S) causés par l'accès à l'état, dans le but d'améliorer la vitesse de récupération des données et de réduire les temps d'attente de l'exécution des transactions. Dans Artela, avant d'exécuter les transactions, les données d'état nécessaires sont préchargées depuis un stockage lent (comme les disques durs) vers un stockage rapide (comme la mémoire) en fonction de modèles prédictifs. Ce chargement proactif des données requises réduit au minimum les temps d'attente d'E/S pendant l'exécution. Avec les données préchargées et mises en cache, plusieurs processeurs ou threads d'exécution peuvent accéder simultanément à ces données, ce qui augmente encore la parallélisme de l'exécution.
Avec l'introduction de la technologie d'exécution parallèle, le traitement des transactions peut être parallélisé, mais si la vitesse de lecture, d'écriture et de mise à jour des données ne peut pas être synchronisée, cela devient un facteur critique limitant les performances globales du système. Par conséquent, l'obstacle se déplace progressivement vers la couche de stockage. Des solutions telles que MonadDB et SeiDB ont commencé à se concentrer sur l'optimisation de la couche de stockage. Artela s'appuie sur et intègre diverses techniques de traitement de données traditionnelles matures pour développer un stockage parallèle, améliorant ainsi encore l'efficacité du traitement parallèle.
Les systèmes de stockage parallèle sont principalement conçus pour répondre à deux problèmes majeurs: réaliser un traitement parallèle du stockage et améliorer l'enregistrement efficace des états de données dans les bases de données. Les défis communs du stockage de données comprennent l'inflation des données lors des opérations d'écriture et la pression accrue sur le traitement des bases de données. Pour résoudre efficacement ces problèmes, Artela adopte une stratégie de séparation entre l'Engagement d'État (EE) et le Stockage d'État (SE). Cette stratégie divise les tâches de stockage en deux parties: une partie gère les opérations nécessitant un traitement rapide sans conserver des structures de données complexes, permettant ainsi d'économiser de l'espace et de réduire la redondance des données; l'autre partie est responsable de l'enregistrement complet des informations détaillées sur les données.
De plus, pour maintenir des performances tout en traitant de grands volumes de données, Artela utilise une méthode d'agrégation de petits blocs de données en des blocs plus grands, réduisant la complexité des opérations de stockage de données.
L'Espace de Bloc Elastique (EBS) d'Artela est conçu sur la base du concept de calcul élastique, permettant un ajustement automatique du nombre de transactions qu'un bloc peut accueillir en fonction des niveaux de congestion du réseau.
L'informatique élastique est un modèle de service informatique en nuage qui permet aux systèmes d'ajuster automatiquement la configuration des ressources informatiques pour répondre aux demandes de charge de travail variables. Son objectif principal est d'optimiser l'efficacité de l'utilisation des ressources et de garantir la fourniture rapide de puissance informatique supplémentaire lorsque la demande augmente.
EBS ajuste dynamiquement les ressources de bloc selon les besoins spécifiques des dApps, fournissant un espace de blocage à mise à l'échelle indépendante pour les dApps à forte demande. L'objectif est de répondre aux différences significatives dans les exigences de performance de la blockchain pour diverses applications. L'avantage principal de l'EBS réside dans une "performance prévisible", garantissant que les dApps reçoivent un nombre prévisible de transactions par seconde (TPS). Ainsi, indépendamment de la congestion de l'espace public de blocage, les dApps bénéficiant d'un espace de blocage indépendant bénéficient d'un TPS stable. De plus, si les contrats des dApps prennent en charge le traitement parallèle, ils peuvent atteindre un TPS encore plus élevé. En substance, l'EBS offre un environnement plus stable par rapport aux plateformes de blockchain traditionnelles telles qu'Ethereum et Solana, qui connaissent souvent une dégradation des performances lors de la congestion du réseau, comme lors des boom des NFT ou des pics de DeFi. Artela résout efficacement de tels problèmes grâce à une gestion des ressources personnalisée et optimisée.
En résumé, Artela réalise une grande évolutivité et des performances réseau prévisibles grâce à sa pile d'exécution parallèle et son Espace de Blocs Élastiques (EBS). Cette architecture d'exécution parallèle utilise des modèles d'IA pour prédire avec précision les dépendances de transaction, réduisant ainsi les conflits et les exécutions redondantes. De plus, les applications à grande échelle peuvent accéder à une puissance de traitement et à des ressources dédiées selon les besoins, garantissant des performances stables même sous des charges réseau élevées. Cette capacité permet au réseau Artela de prendre en charge des cas d'utilisation plus complexes tels que le traitement de données volumineuses en temps réel et les transactions financières sophistiquées.
Cet article est reproduit de [Recherche de ChainFeeds], le droit d'auteur appartient à l'auteur original [0XNATALIE], si vous avez des objections à la reproduction, veuillez contacter le Porte Apprendreéquipe, et l'équipe s'en occupera dès que possible selon les procédures pertinentes.
Clause de non-responsabilité: Les points de vue et opinions exprimés dans cet article ne représentent que les opinions personnelles de l'auteur et ne constituent pas des conseils en matière d'investissement.
Les autres versions linguistiques de l'article sont traduites par l'équipe Gate Learn et ne sont pas mentionnées dans Gate.io, l'article traduit ne peut être reproduit, distribué ou plagié.
En mars de cette année, le réseau de blockchain L1 évolutif Artelaa lancé EVM++, une mise à niveau visant la prochaine génération de la technologie de la couche d'exécution EVM. Le premier «+» dans EVM++ signifie «extensibilité», réalisée grâce à la technologie Aspect pour aider les développeurs à créer des programmes personnalisés sur la chaîne dans un environnement WebAssembly (WASM). Ces programmes peuvent collaborer avec EVM pour fournir des extensions spécifiques à l'application à haute performance et personnalisées pour les dApps. Le deuxième «+» représente la «scalabilité», réalisée grâce à des techniques d'exécution parallèle et à la conception d'un espace de bloc élastique, améliorant considérablement la capacité et l'efficacité de traitement du réseau.
WebAssembly (WASM) est un format de code binaire efficace capable d'atteindre des vitesses d'exécution proches de la vitesse native dans les navigateurs web, ce qui le rend particulièrement adapté à la gestion de tâches intensives en calcul telles que l'IA et le traitement des données volumineuses.
Hier, Artela a publié un livre blancdétail sur la façon dont il améliore la scalabilité du blockchain grâce au développement de piles d'exécution parallèle et à l'introduction de l'espace de bloc élastique basé sur les principes de l'informatique élastique.
Dans la machine virtuelle Ethereum (EVM) traditionnelle, toutes les opérations de contrat intelligent et les transitions d'état doivent être globalement cohérentes à travers le réseau. Cela nécessite que tous les nœuds exécutent les mêmes transactions dans le même ordre, même si certaines transactions n'ont aucune dépendance réelle entre elles. Cela entraîne un traitement sériel, causant des retards et des inefficacités inutiles.
Le traitement parallèle permet à plusieurs processeurs ou cœurs de calcul d'exécuter simultanément plusieurs tâches de calcul ou de traiter des données, améliorant considérablement l'efficacité de traitement et réduisant le temps d'exécution, en particulier pour des problèmes de calcul complexes ou de grande échelle qui peuvent être divisés en tâches indépendantes. Parallel EVM étend ou améliore l'EVM traditionnel en permettant l'exécution concurrente de plusieurs contrats intelligents ou appels de fonctions de contrat, ce qui augmente le débit et l'efficacité globaux du réseau. De plus, il optimise l'efficacité par rapport à l'exécution mono-thread. L'avantage principal de Parallel EVM est de permettre aux applications décentralisées d'atteindre des performances comparables à celles d'Internet.
Artela est un L1 qui améliore la scalabilité et les performances de l'EVM en introduisant l'EVM++. EVM++ améliore la couche d'exécution de l'EVM, intégrant la flexibilité de l'EVM avec les hautes performances de WASM. Cette machine virtuelle améliorée prend en charge le traitement parallèle et le stockage efficace, permettant à des applications plus complexes et exigeantes en termes de performances de s'exécuter sur Artela. EVM++ prend en charge non seulement les contrats intelligents traditionnels, mais permet également l'ajout et l'exécution dynamiques de modules haute performance on-chain, tels que des agents d'IA, qui peuvent fonctionner en tant que coprocesseurs on-chain de manière indépendante ou participer directement à des jeux on-chain, créant ainsi des PNJ vraiment programmables.
Artela garantit que la puissance de calcul des nœuds du réseau peut être adaptée de manière flexible en fonction de la demande grâce à sa conception d'exécution parallèle. De plus, les nœuds de validation prennent en charge la mise à l'échelle horizontale, ce qui permet au réseau d'ajuster automatiquement l'échelle des nœuds de calcul en fonction de la charge ou de la demande actuelle. Ce processus de mise à l'échelle est coordonné par un protocole élastique pour garantir des ressources de calcul suffisantes dans le réseau de consensus. En garantissant une puissance de calcul évolutive grâce à un calcul élastique, Artela réalise un espace de bloc élastique, permettant aux grandes dApps de demander un espace de bloc indépendant en fonction de leurs besoins spécifiques. Cela répond non seulement au besoin d'expansion de l'espace de bloc public, mais garantit également les performances et la stabilité des grandes applications.
L'exécution optimiste prédictive est l'une des technologies fondamentales d'Artela et la distingue des autres EVM parallèles comme Sei et Monad. L'exécution optimiste fait référence à une stratégie d'exécution parallèle qui suppose initialement l'absence de conflits entre les transactions. Dans ce mécanisme, chaque transaction maintient une version privée de l'état, enregistrant des modifications sans les finaliser immédiatement. Après l'exécution de la transaction, une phase de validation vérifie les conflits causés par les changements d'état global provenant de transactions concurrentes pendant la même période. Si des conflits sont détectés, les transactions sont ré-exécutées. La prédictivité implique l'utilisation de modèles d'IA spécifiques pour analyser les données de transactions historiques, prédire les dépendances entre les transactions sur le point d'être exécutées, et identifier quelles transactions pourraient accéder aux mêmes données. Sur la base de cette analyse, les transactions sont regroupées et leur ordre d'exécution est organisé pour réduire les conflits et les exécutions redondantes.
En revanche, Sei repose sur les développeurs pour définir à l'avance les dépendances des transactions via des fichiers, tandis que Monad utilise une analyse statique au niveau du compilateur pour générer des fichiers de dépendance des transactions. Ni Sei ni Monad n'atteignent l'équivalence EVM et manquent de la capacité d'adaptation d'Artela basée sur des modèles de prédiction dynamiques pilotés par l'IA.
La technologie de préchargement asynchrone vise à résoudre les goulots d'étranglement d'entrée-sortie (E/S) causés par l'accès à l'état, dans le but d'améliorer la vitesse de récupération des données et de réduire les temps d'attente de l'exécution des transactions. Dans Artela, avant d'exécuter les transactions, les données d'état nécessaires sont préchargées depuis un stockage lent (comme les disques durs) vers un stockage rapide (comme la mémoire) en fonction de modèles prédictifs. Ce chargement proactif des données requises réduit au minimum les temps d'attente d'E/S pendant l'exécution. Avec les données préchargées et mises en cache, plusieurs processeurs ou threads d'exécution peuvent accéder simultanément à ces données, ce qui augmente encore la parallélisme de l'exécution.
Avec l'introduction de la technologie d'exécution parallèle, le traitement des transactions peut être parallélisé, mais si la vitesse de lecture, d'écriture et de mise à jour des données ne peut pas être synchronisée, cela devient un facteur critique limitant les performances globales du système. Par conséquent, l'obstacle se déplace progressivement vers la couche de stockage. Des solutions telles que MonadDB et SeiDB ont commencé à se concentrer sur l'optimisation de la couche de stockage. Artela s'appuie sur et intègre diverses techniques de traitement de données traditionnelles matures pour développer un stockage parallèle, améliorant ainsi encore l'efficacité du traitement parallèle.
Les systèmes de stockage parallèle sont principalement conçus pour répondre à deux problèmes majeurs: réaliser un traitement parallèle du stockage et améliorer l'enregistrement efficace des états de données dans les bases de données. Les défis communs du stockage de données comprennent l'inflation des données lors des opérations d'écriture et la pression accrue sur le traitement des bases de données. Pour résoudre efficacement ces problèmes, Artela adopte une stratégie de séparation entre l'Engagement d'État (EE) et le Stockage d'État (SE). Cette stratégie divise les tâches de stockage en deux parties: une partie gère les opérations nécessitant un traitement rapide sans conserver des structures de données complexes, permettant ainsi d'économiser de l'espace et de réduire la redondance des données; l'autre partie est responsable de l'enregistrement complet des informations détaillées sur les données.
De plus, pour maintenir des performances tout en traitant de grands volumes de données, Artela utilise une méthode d'agrégation de petits blocs de données en des blocs plus grands, réduisant la complexité des opérations de stockage de données.
L'Espace de Bloc Elastique (EBS) d'Artela est conçu sur la base du concept de calcul élastique, permettant un ajustement automatique du nombre de transactions qu'un bloc peut accueillir en fonction des niveaux de congestion du réseau.
L'informatique élastique est un modèle de service informatique en nuage qui permet aux systèmes d'ajuster automatiquement la configuration des ressources informatiques pour répondre aux demandes de charge de travail variables. Son objectif principal est d'optimiser l'efficacité de l'utilisation des ressources et de garantir la fourniture rapide de puissance informatique supplémentaire lorsque la demande augmente.
EBS ajuste dynamiquement les ressources de bloc selon les besoins spécifiques des dApps, fournissant un espace de blocage à mise à l'échelle indépendante pour les dApps à forte demande. L'objectif est de répondre aux différences significatives dans les exigences de performance de la blockchain pour diverses applications. L'avantage principal de l'EBS réside dans une "performance prévisible", garantissant que les dApps reçoivent un nombre prévisible de transactions par seconde (TPS). Ainsi, indépendamment de la congestion de l'espace public de blocage, les dApps bénéficiant d'un espace de blocage indépendant bénéficient d'un TPS stable. De plus, si les contrats des dApps prennent en charge le traitement parallèle, ils peuvent atteindre un TPS encore plus élevé. En substance, l'EBS offre un environnement plus stable par rapport aux plateformes de blockchain traditionnelles telles qu'Ethereum et Solana, qui connaissent souvent une dégradation des performances lors de la congestion du réseau, comme lors des boom des NFT ou des pics de DeFi. Artela résout efficacement de tels problèmes grâce à une gestion des ressources personnalisée et optimisée.
En résumé, Artela réalise une grande évolutivité et des performances réseau prévisibles grâce à sa pile d'exécution parallèle et son Espace de Blocs Élastiques (EBS). Cette architecture d'exécution parallèle utilise des modèles d'IA pour prédire avec précision les dépendances de transaction, réduisant ainsi les conflits et les exécutions redondantes. De plus, les applications à grande échelle peuvent accéder à une puissance de traitement et à des ressources dédiées selon les besoins, garantissant des performances stables même sous des charges réseau élevées. Cette capacité permet au réseau Artela de prendre en charge des cas d'utilisation plus complexes tels que le traitement de données volumineuses en temps réel et les transactions financières sophistiquées.
Cet article est reproduit de [Recherche de ChainFeeds], le droit d'auteur appartient à l'auteur original [0XNATALIE], si vous avez des objections à la reproduction, veuillez contacter le Porte Apprendreéquipe, et l'équipe s'en occupera dès que possible selon les procédures pertinentes.
Clause de non-responsabilité: Les points de vue et opinions exprimés dans cet article ne représentent que les opinions personnelles de l'auteur et ne constituent pas des conseils en matière d'investissement.
Les autres versions linguistiques de l'article sont traduites par l'équipe Gate Learn et ne sont pas mentionnées dans Gate.io, l'article traduit ne peut être reproduit, distribué ou plagié.