Technische Samenvatting: Niet alle reads zijn conflicten: Een Write-Only Analyse van de Sui Blockchain

Probleemstelling

De Sui blockchain maakt gebruik van een object-gecentreerd datamodel om parallelle transactie-executie mogelijk te maken, wat theoretisch toestaat dat transacties die disjuncte state-sets aanraken, gelijktijdig worden uitgevoerd. De gerealiseerde prestaties worden echter begrensd door workload-contention (werkbelasting-conflicten). Eerdere empirische analyses van Sui, zoals door Biton & Friedman [7], vertrouwden op een "read+write" (R+W) conflict-grafiekmodel dat is overgenomen van account-gebaseerde blockchains (bijv. Ethereum). In het R+W-model bestaat er een conflict-edge tussen twee transacties als ze hetzelfde object aanraken en ten minste één van hen het object wijzigt.

De auteurs stellen dat het R+W-model fundamenteel niet overeenkomt met de executie-semantiek van Sui. Omdat de engine van Sui alleen serieel wordt bij mutabele gedeelde toegang (niet bij gedeelde reads), introduceert het R+W-model "spook-edges" (spurious edges). Een primair voorbeeld is de systeemklok (object 0x6): in een R+W-model creëert elke gebruikerstransactie die de klok leest voor een timestamp een conflict-edge met de systeemtransactie die de klok schrijft. Dit blaast de contention-metrieken kunstmatig op en creëert "hub-and-spoke" topologieën die suggereren dat er ernstige sequentiële knelpunten bestaan waar die er in werkelijkheid niet zijn. Bijgevolg biedt R+W een bovengrens voor contention die de sequentiële afhankelijkheden aanzienlijk kan overschatten en de haalbare parallellisme kan onderschatten.

Methodologie

Om deze beperkingen aan te pakken, stellen de auteurs een complementair "write-only" (W-only) conflictmodel voor en passen dit toe op Sui mainnet-data tot het einde van 2025.

Data-acquisitie en Verwerking

• Dataset: Transactiedata werd verzameld van Sui mainnet checkpoints met behulp van een custom Rust/Diesel indexer. De auteurs bemonsterden deterministisch elke 3.455e checkpoint (ongeveer 100/dag na de Mysticeti-upgrade) om een representatieve langetermijnset te creëren.
• Grafiekconstructie: Voor elk checkpoint werden ongerichte conflict-grafieken geconstrueerd waarbij nodes transacties vertegenwoordigen en edges conflicten vertegenwoordigen.
  • R+W Model: Een edge bestaat als $write(T_1) \cap (read(T_2) \cup write(T_2)) \neq \emptyset$.
  • W-only Model: Een edge bestaat alleen als $write(T_1) \cap write(T_2) \neq \emptyset$.
• Metrieken: De studie gebruikt standaard grafiekmetrieken aangepast uit eerder Ethereum-onderzoek [8, 15]:
  • Density, Assortativity, Clique Number, Largest Connected Component (LCC).
  • LSP/χ Ratio: De ratio van de Longest Simple Path (LSP) tot de Chromatic Number (χ). Dit begrenst de haalbare parallellisme (LSP is de ondergrens van sequentiële ketens; χ is het theoretische minimum aantal rondes).
  • Gas-Gewogen Analyse: Parallellisme-potentieel wordt ook gewogen door gasverbruik om rekening te houden met computationele kosten, waarbij onderscheid wordt gemaakt tussen veel goedkope transacties en enkele dure transacties.

Analytische Technieken

1. Union-Find Groepering: Objecten worden gegroepeerd op basis van write co-occurrence om specifieke applicatie-ecosystemen (bijv. DeepBook) te isoleren van het bredere netwerk.
2. Economische Mapping: Balanswijzigingen worden gekoppeld aan historische prijzen van CoinMarketCap om de USD-gedenomineerde waarde te kwantificeren die door sequentiële versus parallelle paden stroomt.
3. Counterfactual Probes: De auteurs simuleren de verwijdering van specifieke conflict-edges (bijv. binnen het DeepBook-ecosysteem) om te testen of specifieke applicaties fungeren als inherente knelpunten.

Belangrijkste Bevindingen

1. Structurele Topologieverschuiving: Van Sterren naar Cliques

De overgang van R+W naar W-only verandert de waargenomen netwerktopologie fundamenteel.

• R+W: Vertoont sterk disassortatieve, "hub-and-spoke" structuren gedreven door de systeemklok. Bijna elke gebruikerstransactie verbindt met de klok-schrijver, wat een enorme kunstmatige ster creëert.
• W-only: De kunstmatige ster stort in. De resterende topologie is sterk assortatief en clique-gedomineerd. Conflicten komen voor in dichte, kleine groepen transacties die dezelfde objecten wijzigen, in plaats van in een centraal knooppunt.
• Kwantitatieve Verschuiving: De mediane degree-assortativity keert om van $-0,500$ (R+W) naar $\approx +1$ (W-only). Het mediane clique number daalt van 5,5 naar 4, en de Largest Connected Component (LCC) daalt van 8,5 naar 4.

2. Nauwere Grenzen aan Parallellisme

Het W-only model biedt een ondergrens op contention (en daarmee een nauwere bovengrens op parallellisme).

• Routinebelasting: De geschatte optimale parallellisme-headroom daalt van $\approx 1,2\text{--}1,4\times$ (R+W) naar $\approx 1\times$ (W-only).
• Hoge Belasting: Het plafond daalt van $\approx 5\times$ naar $\approx 3\times$.
• Conclusie: Het strippen van read-zijde afhankelijkheden vermindert de schatting van de optimale parallellisme met 30–40% bij routinebelastingen. Het knelpunt bij de routinebelasting van Sui wordt geïdentificeerd als de workload-compositie (specifiek, write-hot objecten) in plaats van het onvermogen van de parallelle engine om te plannen.

3. Applicatie-niveau Contention: Het DeepBook Ecosystem

Met behulp van union-find groepering hebben de auteurs het DeepBook-ecosysteem geïsoleerd (Sui's native centrale limit order book).

• Volume vs. Logica: DeepBook is verantwoordelijk voor 87,3% van alle applicatie-niveau conflicten naar volume. Echter, counterfactual probes (het verwijderen van de interne DeepBook-edges) laten zien dat de bijdrage aan sequentiële knelpunten strikt proportioneel is aan het transactievolume van DeepBook.
• Sharding Effect: In tegenstelling tot traditionele account-gebaseerde CLOBs die serialisatie op een enkel contract afdwingen, shard DeepBook de state over per-pool en per-balance-manager objecten. Dit staat toe dat transacties die disjuncte pools aanraken, parallel worden uitgevoerd.
• Resultaat: DeepBook legt geen disproportionele sequentiële knelpunten op ten opzichte van andere hoog-volume applicaties; de contention is een functie van volume, niet van unieke logica.

4. Economische Kosten van Sequentialiteit

Het mappen van grafiekstructuren naar USD-waarde onthult de economische blootstelling aan ordeningseffecten.

• Sequentiële Last: 10–50% van de USD-gedenomineerde waarde van het netwerk stroomt door sequentieel beperkte executiepaden (de LCC).
• Parallelle Flow: De resterende 50–90% stroomt door parallelle paden.
• MEV Implicaties: Het sequentiële deel is potentieel blootgesteld aan reordering-gebaseerde Maximal Extractable Value (MEV) strategieën, terwijl het parallelle deel dat niet is. De auteurs merken op dat dit een momentopname is van de huidige workload-blootstelling, geen universele bovengrens.

Betekenis en Claims

Het artikel claimt een semantische herwaardering te bieden van conflict-modellering in Sui. Door het conflict-model af te stemmen op de werkelijke executie-semantiek van Sui (seriële toegang tot mutabele gedeelde objecten), elimineert het W-only model de "niet-executie afhankelijkheden" die worden geïntroduceerd door read-only toegangen.

• Methodologische Bijdrage: De auteurs stellen het W-only model voor als een noodzakelijke aanvulling op R+W, en beargumenteren dat R+W in object-gecentreerde systemen de contention systematisch overschat.
• Architecturaal Inzicht: De studie demonstreert dat het object-model van Sui succesvol is in het converteren van wat in account-gebaseerde chains (een CLOB) een sequentieel knelpunt zou zijn, naar een workload waarbij de contention schaalt met volume maar niet met unieke logische beperkingen.
• Praktische Impact: De bevindingen suggereren dat operators infrastructuur moeten dimensioneren voor "tail behavior" (virale events zoals de Sui 8192 game die een $\approx 175\times$ versnelling liet zien) in plaats van gemiddeld gedrag, aangezien routinebelastingen vaak weinig residuele parallellisme hebben om te exploiteren door de workload-compositie.

De auteurs concluderen dat de W-only methodologie een cross-platform vocabulaire biedt voor het vergelijken van applicatie-gedreven contention in moderne blockchains (bijv. Aptos, Solana) zonder de "read-side ruis" die account-gecentreerde analyses domineert.