Weitere Onkelstatistiken | Ethereum Foundation Blog

Das Folgende sind einige interessante Ergebnisse zur Leistung verschiedener Bergleute im Verlauf der ersten 280.000 Blöcke der Ethereum -Blockchain. Für diese Zeitspanne habe ich die Liste der Block- und Onkel -Coinbase -Adressen gesammelt. Rohdaten können gefunden werden Hier für Blöcke Und hier für OnkelUnd daraus können wir viele interessante Informationen über abgestandene Raten und wie gut die verschiedenen Bergleute und Pools sind.

Zunächst einmal die Streudiagramm:

Was wir hier deutlich sehen, sind einige Haupttrends. Zunächst sind die Onkelraten im Vergleich zu Olympia recht niedrig. Ganz Bitcoin sogar im Jahr 2011als sein Mining -Ökosystem ähnlicher war, wie Ethereum mit CPU und GPUs immer noch dominant und mit einem niedrigen Transaktionsvolumen dominierte. Beachten Sie, dass dies nicht bedeutet, dass Bergleute nur 93,11% der Einnahmen erzielen würden, die sie wären, wenn sie für alle anderen unendlich gut vernetzt wären. Der Onkel -Mechaniker von Ethereum schneidet ~ 87% der Differenz effektiv aus, sodass der tatsächliche “durchschnittliche Verlust” durch schlechte Konnektivität nur ~ 0,9% beträgt. Trotzdem werden diese Verluste aus zwei Gründen zunehmen, sobald das Netzwerk mehr Transaktionen sieht: Erstens arbeitet der Onkel -Mechaniker nur mit Basisblockprämien, nicht mit Transaktionsgebühren und zweitens, und zweitens führen größere Blöcke notwendigerweise zu längeren Ausbreitungszeiten.

Zweitens können wir sehen, dass es einen allgemeinen Trend gibt, dass größere Bergleute niedrigere Onkelraten haben. Dies ist natürlich zu erwarten, obwohl es wichtig ist, zu sezieren (1), warum dies geschieht, und (2) inwieweit dies tatsächlich ein realer Effekt ist und nicht nur ein statistisches Artefakt der Tatsache, dass kleinere Proben tendenziell extremere Ergebnisse haben.

Die Statistiken durch Bergmann -Größe sind wie folgt:

* Dieses Ergebnis ist wohl stark von einem einzigen Ausreißer, dem wahrscheinlichen gebrochenen Bergmann, der der Punkt auf dem Diagramm mit 4005 Blöcken abgebaut ist, 0,378 Onkel -Rate; Wenn wir diesen Bergmann nicht enthalten, erhalten wir eine durchschnittliche Onkelrate von 0,071 Das scheint viel mehr mit dem allgemeinen Trend zu sein.

Es gibt vier primäre Hypothesen, die diese Ergebnisse erklären können:

• Professionalität Disparität: Große Bergleute sind professionelle Operationen und haben mehr Ressourcen zur Verfügung, um in die Verbesserung ihrer allgemeinen Konnektivität zum Netzwerk zu investieren (z. B. durch den Kauf eines besseren drahtlosen Kaufs, indem sie sorgfältiger beobachten, um festzustellen, ob ihre Onkel -Raten aufgrund von Netzwerkproblemen sehr suboptimal sind) und somit eine höhere Effizienz haben. Kleine Bergleute hingegen sind in der Regel Hobbyisten auf ihren Laptops und sind möglicherweise nicht besonders gut mit dem Internet verbunden.
• Last-Block-Effekt: Der Bergmann, der den letzten Block erzeugt hat, findet sofort “heraus” über den Block, anstatt nach der Wartezeit von ~ 1 Sekunde, damit er sich durch das Netzwerk ausbreitete, und sorgt somit einen Vorteil bei der Suche nach dem nächsten Block
• Pooleffizienz: Die sehr großen Bergleute sind Pools, und Pools sind aus irgendeinem Grund mit der Vernetzung effizienter als Solo -Bergleute.
• Zeitspanne Unterschiede: Pools und andere sehr große Bergleute waren am ersten Tag der Blockchain nicht aktiv, als die Blockzeiten sehr schnell waren und die Onkelraten sehr hoch waren.

Der Last-Block-Effekt erklärt eindeutig nicht die gesamte Geschichte. Wenn es 100% der Ursache wäre, würden wir tatsächlich eine lineare Effizienzverringerung feststellen: Bergarbeiter, die 1 Block abgebaut haben, könnten eine 8% ige Onkelrate sehen, Bergarbeiter, die 28000 (dh 10% aller) Blöcke abbauten, würden eine 7,2% ige Onkelrate, Bergarbeiter, die 56000 Blöcke abgebaut hatten, eine 6,4% ige Onkelrate usw. sehen. Dies liegt daran, dass Bergleute, die 20% der Blöcke abgebaut hätten, den letzten Block in 20% der Fälle abgebaut hätten und somit von einem erwarteten Onkelsatz von 0% in 20% der Fälle profitieren würden, weshalb die Reduzierung von 20% von 8% auf 6,4%. Der Unterschied zwischen Bergarbeitern, der 1 Block und Bergarbeiter, die 100 Blöcke abgebaut haben, abgebaut wären, wären vernachlässigbar. In Wirklichkeit scheint der Rückgang der abgestandenen Raten mit zunehmender Größe natürlich fast perfekt logarithmisch zu sein, eine Kurve, die viel mehr mit einer Professionalitätsunterschiede als alles andere übereinstimmt. Die Zeitraumdifferenztheorie wird auch durch die Kurve gestützt, obwohl es wichtig ist zu beachten, dass während dieser ersten hektischen zwei Tage, an denen die Onkelraten hoch waren, und so dass höchstens ~ 1600 Onkeln (dh 8% aller Onkel und 0,6% aller Blöcke) abgebaut wurden, und so dass höchstens ~ 0,6% der Onkelraten ausmachen können.

Die Tatsache, dass Professionalitätsunterschiede zu dominieren scheint, ist in gewissem Sinne ein ermutigendes Zeichen, zumal (i) der Faktor auf kleinen bis mittleren Skalen eher wichtig ist als bei mittlerer bis großer Skalen, und (ii) einzelne Bergarbeiter tendieren dazu, wirtschaftliche Faktoren, die ihre reduzierte Effizienz – insbesondere die Tatsache, dass sie Hardware verwenden, die sie längst bereits bezahlt haben.

Was ist nun mit dem Sprung von 7,1% bei 1000-10000 Blocks auf 5,5% für alle darüber? Der Last-Block-Effekt kann etwa 40% des Effekts ausmachen, aber nicht alles (schnelle Mathematik: Der durchschnittliche Bergmann in der ersteren Kohorte hat einen Netzwerkanteil von 1%, in der letzteren Kohorte 10% und der Unterschied von 9% sollte eine Abnahme von 7,1 * auf 7,1% * 0,93 = 6,4% projizieren. Angesichts der geringen Anzahl von Minern.

Das Hauptmerkmal der Bergleute über 10000 Blöcken ist natürlich das Sie Sind Pools (oder mindestens drei der fünf; die; andere zwei sind Solo -Bergleute, obwohl sie die kleinsten sind). Interessanterweise haben die beiden Nicht-Pools Onkel-Raten von 8,1% bzw. 3,5%, was einem gewichteten Durchschnitt von 6,0% ist, was sich nicht viel von der durchschnittlichen durchschnittlichen abgestandenen Rate der drei Pools von 5,4% unterscheidet. Im Allgemeinen scheint es, als wären die Pools etwas effizienter als die Solo -Bergleute, aber erneut sollte der Befund nicht als statistisch signifikant angesehen werden. Obwohl die Stichprobengröße in jedem Pool sehr groß ist, ist die Probengröße der Pools gering. Darüber hinaus ist der effizientere Bergbaupool nicht der größte (Nanopool) – es ist STORNOVA.

Dies führt uns zu einer interessanten Frage: Woher kommen die Effizienz und Ineffizienzen des gepoolten Bergbaus? Einerseits sind Pools wahrscheinlich sehr gut mit dem Netzwerk verbunden und leisten gute Arbeit, um ihre eigenen Blöcke zu verbreiten. Sie profitieren auch von einer schwächeren Version des Last-Block-Effekts (schwächere Version, da es immer noch die Single-Hop-Roundreise von Bergmann zum Pool zu Bergmann gibt). Andererseits sollte die Verzögerung bei der Arbeit aus einem Pool nach der Erstellung eines Blocks die abgeschlossene Rate leicht erhöhen: Unter der Annahme einer Netzwerklatenz von 200 ms um etwa 1%. Es ist wahrscheinlich, dass diese Kräfte grob abbrechen.

Die dritte wichtige Sache, die Sie messen sollten, ist: Wie viel der Unterschiede, die wir sehen, liegt bei einer echten Ungleichheit darin, wie gut vernetzte Bergleute sind und wie viel zufällige Chance? Um dies zu überprüfen, können wir einen einfachen statistischen Test durchführen. Hier sind die Dezile der Onkel -Raten aller Bergleute, die mehr als 100 Blöcke produzierten (dh die erste Zahl ist die niedrigste Onkelrate, die zweite Zahl ist das 10. Perzentil, das dritte ist das 20. Perzentil und so weiter, bis die letzte Zahl am höchsten ist):

[0.01125703564727955, 0.03481012658227848, 0.04812518452908179, 0.0582010582010582, 0.06701030927835051, 0.07642487046632124, 0.0847457627118644, 0.09588299024918744, 0.11538461538461539, 0.14803625377643503, 0.3787765293383271]

Hier sind die Dezile, die von einem Zufallsmodell erzeugt werden, bei dem jeder Bergmann eine “natürliche” abgestandene Rate von 7,41% hat und alle Unterschiede darauf zurückzuführen sind, dass einige Glück haben oder unglücklich sind:

[0.03, 0.052980132450331126, 0.06140350877192982, 0.06594885598923284, 0.06948640483383686, 0.07207207207207207, 0.07488986784140969, 0.078125, 0.08302752293577982, 0.09230769230769231, 0.12857142857142856]

Wir bekommen also ungefähr die Hälfte des Effekts. Die andere Hälfte stammt tatsächlich aus echten Konnektivitätsunterschieden; Insbesondere wenn Sie ein einfaches Modell durchführen, bei dem “natürliche” abgestandene Raten zufällige Variablen mit einer Normalverteilung um einen Mittelwert von 0,09, Standardabweichung 0,06 und harte mindestens 0 sind, erhalten Sie:

[0, 0.025374105400130124, 0.05084745762711865, 0.06557377049180328, 0.07669616519174041, 0.09032875837855091, 0.10062893081761007, 0.11311861743912019, 0.13307984790874525, 0.16252390057361377, 0.21085858585858586]

Dies ist ziemlich nah, obwohl es auf der niedrigen Seite zu schnell und langsam auf der hohen Seite wächst. In Wirklichkeit sieht es so aus positive Schiefewas wir erwarten würden, da die Rückgänge bei der Verbreitung zunehmender Anstrengungen mehr und besser mit dem Netzwerk verbunden sind. Alles in allem sind die Effekte nicht sehr groß; Besonders bei der Berücksichtigung des Onkelmechanismus durch 8 durch 8, sind die Unterschiede viel kleiner als die Unterschiede bei den Stromkosten. Daher sind die besten Ansätze zur Verbesserung der Entwicklung der Dezentralisierung wohl hoch konzentriert, um dezentralere Alternativen zu Bergbaupools zu entwickeln. Vielleicht Bergbaupools, die so etwas wie Meni Rosenfelds implementieren Multi-PPS kann eine mittelfristige Lösung sein.