《Simulation Modelling Practice and Theory》：Latency performance modeling and analysis for cross-chain transaction processing
编辑推荐：
跨链通信已成为区块链互操作性的关键使能技术，但其端到端延迟仍难以解析地表征。与单链交易不同，跨链操作必须跨越异构链和中继器的多个处理阶段，因此延迟在整个通信周期中累积。现有的跨链排队模型通常将这种处理捕获为一系列松散连接的服务阶段，但它们并未明确建模IBC风格
跨链通信已成为区块链互操作性的关键使能技术，但其端到端延迟仍难以解析地表征。与单链交易不同，跨链操作必须跨越异构链和中继器的多个处理阶段，因此延迟在整个通信周期中累积。现有的跨链排队模型通常将这种处理捕获为一系列松散连接的服务阶段，但它们并未明确建模IBC风格协议中前向传输路径和返回确认路径的耦合延迟效应。为解决这一空白，研究人员开发了一个统一的跨链交易延迟排队模型，该模型联合表征完整的数据包生命周期，包括源链提交、中继转发、目标链处理和确认返回。基于此公式，研究人员推导出闭合形式的延迟表达式，刻画延迟分布，并将框架扩展以捕获突发性到达、服务时间变异性和批量中继行为。数值和仿真结果揭示了确认耦合、服务异质性和批量处理如何在负载接近容量时共同决定瓶颈形成并放大端到端延迟。这些结果为跨链性能建模提供了更可靠的分析基础，并为可互操作区块链系统中的中继配置和容量规划提供了实用指导。
#### 研究背景与问题
随着区块链生态从孤立账本演变为异构平台集合（如Cosmos、Hyperledger Fabric、Ethereum等），不同共识机制、执行模型和性能权衡导致资产和数据难以安全高效地跨链移动，限制了去中心化应用的组合性。跨链协议（如哈希时间锁合约、中继桥、Cosmos生态中的跨区块链通信协议IBC）应运而生，其中IBC因其结构化、最小信任的包传输、证明验证和确认返回机制成为代表。然而，与单链交易不同，IBC交易需经历多阶段生命周期（源链提交、中继转发、目标链处理、确认返回），延迟跨多条链和中继累积，并受异构区块间隔、拥塞水平、确认需求和中继调度影响。实际部署中，这些交互导致显著的端到端延迟和高度可变的完成时间，尤其在高负载或某阶段成为持续瓶颈时。现有区块链性能研究多聚焦单链系统（利用排队和随机模型刻画确认延迟、吞吐量、共识延迟），但直接不捕获跨链通信的完整交易周期；而现有跨链处理的分析抽象通常将链间操作视为松散连接的服务阶段，未明确建模IBC风格通信中前向传输与返回确认之间的协议级依赖，难以解释下游拥塞、确认处理和中继行为如何共同决定瓶颈形成和端到端延迟增长。
#### 研究内容与结论
研究人员针对上述问题，为基于IBC的跨链交易延迟建立了一个端到端分析模型。通过将完整数据包生命周期建模为横跨源链、目标链和确认路径的串联排队系统，研究传递延迟如何在耦合处理阶段传播。从泊松到达和指数服务的可处理基线出发，推导出平均延迟、利用率和稳定性条件的显式表达式；进而利用概率生成函数和拉普拉斯-斯蒂尔切斯变换刻画队列长度和延迟分布，揭示瓶颈如何出现以及延迟尾部如何随负载演化。为反映实际区块链环境，扩展框架以捕获突发性流量（使用马尔可夫到达过程）、服务时间变异性（使用相位型服务模型）和批量中继行为（使用批量服务机制）。通过离散事件仿真验证模型，并利用框架量化流量强度、链异质性、确认处理和中继批量如何共同塑造端到端延迟。结论表明：1）端到端排队公式可准确表征IBC跨链交易延迟；2）放宽基线假设后分析框架仍保持信息量；3）模型提供识别瓶颈、调整中继行为和配置容量的设计洞见。论文发表在《Simulation Modelling Practice and Theory》。
#### 主要关键技术方法
研究人员使用了以下关键技术方法：1）**串联排队建模**：基于Jackson网络将跨链交易处理建模为多阶段串联排队系统（源链确认、中继转发、目标链处理、确认返回），推导平均延迟与稳定性条件；2）**变换基分析**：利用概率生成函数和拉普拉斯-斯蒂尔切斯变换刻画队列长度和延迟分布；3）**扩展随机建模**：采用马尔可夫到达过程（MAP）捕获突发性到达、相位型（PH）分布表示服务时间变异性、批量服务机制（Bulk-service）模拟中继批量转发行为；4）**离散事件仿真**：建立自定义仿真器模拟两个Cosmos链之间的IBC交易，验证分析模型并量化瓶颈影响。未涉及具体试剂或培养操作，无特定样本队列来源（基于通用区块链参数）。
#### 研究结果
**1. 基线模型下的延迟特性**
通过M/M/1串联排队（Jackson网络）推导出平均延迟、利用率及稳定条件。仿真验证表明：当源链和目标链服务速率相近时，端到端延迟主要由到达率与瓶颈服务率之差决定；确认路径的耦合效应使延迟随负载非线性增长，确认阶段成为关键瓶颈。
**2. 队列长度与延迟分布**
利用变换基分析获得队列长度和延迟的概率分布。结果显示：系统接近饱和时，延迟尾部显著延长，瓶颈阶段（通常为目标链或确认路径）主导整体延迟分布，且源链确认阶段的波动可通过返回确认放大。
**3. 突发性到达的影响（MAP扩展）**
引入马尔可夫到达过程模拟突发性交易流量。结果表明：与泊松到达相比，突发性到达在相同平均到达率下导致更高的平均延迟和更长的尾部，且确认路径的耦合效应加剧了延迟峰值，中继批量可部分缓解但无法完全消除该影响。
**4. 服务时间变异性的作用（PH扩展）**
采用相位型分布（如Erlang或超指数）建模目标链确认时间的变异性。数值结果证实：高变异性服务时间（如长尾分布）显著恶化延迟，尤其在负载较高时，目标链的变异性通过确认反馈传播至源链，导致整体延迟方差增大。
**5. 批量中继行为的影响（批量服务扩展）**
建模中继器批量转发数据包的行为。仿真发现：适当批量可降低平均延迟（通过减少中继转发开销），但过大批量会阻塞后续包，形成新瓶颈；最佳批量取决于到达率与目标链处理速度，且确认路径的批量处理需与前进路径协调以避免不对称延迟。
**6. 综合实验与瓶颈识别**
通过参数扫描实验（变化到达率、服务速率、批量大小）识别系统瓶颈。结论：当负载接近容量时，延迟放大主要源于确认路径的耦合与目标链的异质性；中继批量策略需根据链处理速度动态调整，以均衡各阶段利用率；设计实践中应优先缓解确认路径的瓶颈。
#### 讨论与结论部分总结
**讨论总结**：研究结果表明，跨链延迟不应被视为单一未分化指标，而应理解为多个耦合阶段（源链包含、中继转发、目标链处理、确认返回）共同作用的结果。实际部署中，操作者应首先识别主导瓶颈阶段再应用优化。例如，当目标链为瓶颈时，提高其确认速度或减少确认等待比优化中继转发更有效；当确认返回路径为瓶颈时，采用批量化确认或调整中继调度可缓解延迟。此外，模型揭示了流量突发性和服务时间变异性对延迟尾部的显著放大效应，提示在容量规划中需考虑不确定性预留。论文提出的框架为跨链系统的中继配置（如并行中继数、批大小）和容量预留提供了定量指导。
**研究结论翻译**：诸如IBC的互操作性协议使得构建跨多条区块链的应用程序成为可能，但它们也将交易延迟转变为真正的多阶段系统问题而非单链确认问题。在本文中，研究人员通过将数据包生命周期建模为耦合的排队系统（横跨源链处理、中继转发、目标链包含和确认返回），为IBC风格的跨链交易延迟开发了一个分析框架。基于该公式推导出闭合形式延迟表达式、排队长度分布及稳定性条件，并通过扩展模型捕捉突发性到达、服务时间变异性和批量中继。仿真验证了分析准确性并揭示了确认耦合、服务异质性和批量如何共同决定瓶颈形成。这些发现为跨链系统的中继配置和容量规划提供了实用指导。
