真実の回復 | Filecoin チェーンの停止に驚いたのは誰ですか?

2020 年 12 月 19 日、Filecoin ネットワークでオンチェーン障害が発生しました。これは、一定期間新しいブロックを作成できたものの、マイナーが結果の状態について合意に達することができず、各ブロックが異なる値を計算したことを意味します。コミュニティのメンバー、マイナー、開発者の迅速な対応のおかげで、修正プログラムは 4 時間以内にリリースされ、ネットワークは 7 時間以内に完全回復を達成しました。

根本的な問題は、ストレージ マイナー アクターの実装におけるオブジェクト マッピングの潜在的に非決定的な反復です。アクターは Go で実装されています。 Go マップの反復処理は非決定的であることが知られています。

アクターは、反復の結果を使用する前に常にそれをソートします(静的分析を強制します)。残念ながら、このような 2 つのマッピングをソートするときに使用される比較関数にバグがあり、ソート結果が無効になります (参照#1335 )。したがって、異なるノードはマップエントリを異なる順序で処理し、結果とガス消費量が異なります。

このコード パスに実際に到達できるのは、(a) 複数のセクターが同時に終了したと宣言するマイナー、または (b) 複数のパーティションにわたる障害から同時に回復するマイナーのみです。 (他の 2 つのコード パスもこの時点まで到達しますが、実際にはほとんど起こりません)。これまで、これら 2 つのパスはどちらもメインネットでは使用されておらず、複数のセクター/パーティションは非決定性を明らかにするデータとして使用されていませんでした。休止のきっかけは、複数の部門が同時に廃止されたことだった。

最も重要なことは、停電中にデータが失われなかったことを強調しておく必要がある。新しいブロックを作成できないと、ネットワーク上のトランザクションが一時的に禁止されますが、ストレージ プロバイダーによって提供されるすべてのデータは、ネットワークが再び稼働すると安全に利用できるようになります。さらに、Filecoin プロトコルの仕様では、チェーンが中断した場合でもデータの取得が可能になっていることも注目に値します。言い換えれば、イベント期間中はオンチェーン取引は不可能になりますが、Filecoin ネットワークのコア機能は変更されません。

基本的な問題が最初に発見され、特定され、修正され、展開されるスピードも明らかでした。

1. 自動監視により、事故発生から 15 分以内に警報が発せられました。

2. 30分以内に、鉱山労働者と実装開発者が集まり、対応した。

3. 4時間以内に開発者はこの問題を特定し、修正プログラムをリリースしました。

4. 7時間以内に、十分な数のノードが修正を採用し、多数決のパワーしきい値を超え、ネットワークは回復の道を歩み始めました。

これは、まだ若い分散型ネットワークにとって、信じられないほど速い反応でした。確立されたブロックチェーンでチェーンの一時停止やフォークが発生した場合でも、Filecoin がこのイベントを解決するのにかかる時間は、何年も稼働しているブロックチェーンと同程度です。この事件が迅速に処理されたことは、コミュニティ全体が誇りに思うべきことだ。

ブロックチェーンの構築はロケットの構築に似ています。非常に複雑な技術が関係しているため、最初の試みですべてを正しく行うことは困難です。実際のロケットと同様に、予期しない出来事を予測することは困難です。このような事態が発生した場合、問題をできるだけ早く解決し、影響を最小限に抑え、問題が再発する可能性を減らすためのインフラストラクチャを整備することが重要です。

この目的のために、複数のチームが事後検証の作成と実行に取り組み、アクター/ロールのテスト範囲を特定し、ネットワーク インフラストラクチャ/通信のアラートと問題のエスカレーションに対するその他の改善を行い、将来のインシデントを軽減できるようにしました。

Filecoin コミュニティ全体の共同の努力により、この新しいテクノロジーは今後も改善されていきます。私たちは、ネットワーク全体が問題の発見と解決の過程で改善を続け、最終的には安定した信頼性の高い「起動可能な」プラットフォームを形成すると信じています。