AI实践哪家强?来 AICon, 解锁技术前沿,探寻产业新机! 了解详情
写点什么

JVM 上的确定性执行机制

  • 2017-05-11
  • 本文字数:5003 字

    阅读完需:约 16 分钟

要点

  • 目前的加密货币并不适用于一般性的支付网络
  • 具有加密验证机制的分布式共享总账能够在一些场景下发挥它的作用
  • 通过编程框架编写“智能契约”(smart contract)来构建共享总账,并用于操作共享总账的状态,这已成为一种趋势
  • 从基础计算机科学角度来看,智能契约语言不可避免地存在一些问题
  • JVM 的类加载机制可以规避这些问题,并为智能契约提供了确定性执行(deterministic execution)机制

很多开发人员对比特币和加密货币都有所了解。媒体上充斥着各种耸人听闻的非法交易和犯罪活动事件,这些事件的中心内容都与比特币有关。

比特币的主要属性(公开的交易匿名总账、不可逆的交易、不可靠的账号网络)在支付网络的日常合法交易中表现得力不从心,这种趋势日渐突显。

不过,如果单纯从技术角度来看,加密货币的开发在某些方面还是很有趣的。它们在合法领域的应用开发才刚刚起步。随着比特币和加密货币技术的发展,一些有趣的技术开始显现出来。

这类系统可能在一些行业领域取得成功,比如供应链管理、金融技术(包括清算系统)和所有权登记(特别是对于那些在行政区域内存在录入或腐败问题的物理资产)。2016 年的“区块链”热潮正在褪去,不过其相关的技术可以被用于真实场景。

由 Linux 基金维护的 Hyperledger 就是一个很有趣的项目,包括分布式总账、区块链和机密货币相关技术,有 80 多个组织对此感兴趣。

这篇文章将聚焦在这个新兴领域的一个特定技术上。试想这样的一种情况,如果共享总账的参与各方彼此了解(可能存在某种被信任的集中式第三方机构,它会分发秘钥对给参与者),那么不可靠性就不再成为问题,公开挖矿(以及大量相关的验证工作)也可以被丢弃掉。

不过即使是这种非常简单的情景,仍然存在一些问题。我们比较关注的一个问题是,如何能够确保每个参与方执行的是一个智能契约,而且这些契约对总账产生的效果是相同的(假设所有参与方都是从相同的总账状态开始的)。

换句话说,健壮的智能契约框架需要确保每一个契约都能够按照确定性来执行,并能够终结执行。这是计算机科学理论研究领域的一个老问题。

每个计算机专业的学生都知道,图灵机是计算机程序执行模型的理论基础。图灵机理论揭示了图灵机与运行在物理机上的等价程序之间的相关性。

因此,编程语言可以被归入图灵语言的范畴,图灵语言可以模拟出所有可能的图灵机(假设内存是无限制的)。非图灵语言显然不如图灵语言来得强大,而且对于计算机科学来说,非图灵语言也不如图灵语言来得有趣。

这种划类是有意义的,但它仍然存在停机问题,这是计算机科学领域的一个基础问题。该问题最初由阿兰·图灵提出:在一个给定的初始状态,不可能存在一种通用的算法,可用于确定一个图灵机是会停止还是会一直运行下去。

这个问题给确定性执行的概念带来了阻碍,在一些基本条件无法得到满足的情况下,比如停机行为不可预测,我们该如何确保所有的程序能够产生相同的结果?幸运的是,有一些技术可以帮组我们绕开停机问题。

首先,我们知道图灵机的定义里有一个前提,就是存储是不受限制的(对于内存也是如此)。但现实的计算机所使用的存储是有限的。或许我们可以通过限制程序和计算的规模来规避停机问题,而函数编程为我们带来了一些启示。假设我们把程序看成从X 到Y 的有限状态的单次转换(这里的状态可以指有限的图灵机存储),使用符号表示如下:

f : X -> Y现在,我们把所有可能的程序看成一个空间(有限的),我们往这个空间里添加了一个特别的状态,表示程序在一定时间内不会停止,那么我们就建立起了一个有限(但是很大)的 map。

这个 map 代表了所有可能的程序。map 的键是(start_state,program_code),map 的值是程序的停止状态,这些状态可以通过在程序上应用 start_state 获得。这是著名的函数编程技术——备忘录(memoization)。在一个不存在副作用的编程语言里,我们可以使用预计算的结果代替函数调用。也就是说,对于有限状态空间和有限程序来说,它们可以避免停机问题。

不仅如此,函数式思维还为我们带来了关于确定性执行的一般性定义:

给定状态 X 和函数 f,在有限的时间内,不管是谁将函数 f 应用在 X 上(假设运行平台具有一致的语义),总能产生相同的状态 Y。

不过要注意,确定性执行要求我们在不执行代码的情况下,使用一些编程手段确定一个函数是否满足确定性执行条件。

有了理论基础,我们现在开始进入实际的例子。我们以 Corda 项目(最近贡献给了 Hyperledger 项目)的确定性类加载器为例。Corda 为编写确定性智能契约提供了一个 JVM 框架,用于操作分布式总账的状态。

示例代码可以在 Corda 项目的 Github 主页上找到。如果有人想参与到项目中,或者想参与讨论、拉取分支,随时欢迎。

乍一看,把 JVM 看作一个确定性执行平台有点奇怪。JVM 的很多东西都是动态的,例如多线程 Java 程序、垃圾回收、JIT 编译的竟态条件所导致的方法运行差异性,等等。

不过,JVM 有如下优势。

  • JVM 字节码语义易于理解和管理
  • Java 的安全模型被证明是健壮的
  • JVM 字节码工具已经很成熟
  • 类加载机制为确定性代码分析提供了一个便利的平台

Corda 沙箱使用类加载机制和运行时组件来达成如下目的。

  • 拒绝明显的非确定性程序
  • 在加载类时插入资源追踪代码
  • 提供了一个系统,用于终结那些试图违反资源约束的程序(回滚事务)

WhitelistClassLoader 是 Corda 框架里的一个类加载器。它会拒绝加载直接或间接创建线程的代码,因为所有多线程程序都是非确定性的。

这个类加载器包含了一个白名单,名单里列出了所有已知的安全方法,比如 Object::getClass(),这个方法是允许被调用的(包含了 native 代码的方法会被踢出名单)。

这个类加载器会往加载的类里面注入运行时追踪代码,用于检测类的资源使用情况。

这个类加载器系统已经知道 JRE 包里面的哪些方法是确定性的,这些方法可以被用户代码自由调用。有了这些类加载器组件,就可以为智能契约代码构建一个确定性执行系统。

类加载器客户端在加载类时会调用它的 loadClass() 方法。这个方法先尝试从缓存里查找类,如果找不到,会委托给父加载器去加载。如果父加载器也无法加载,它会委托 findClass() 方法去加载。

这个过程遵循标准的 Java 类加载机制。自定义类加载器一般会通过覆盖 findClass() 方法来实现自定义的类加载功能。

也就是说,真正实现类加载的是 findClass() 方法。在 WhitelistClassLoader 里,findClass() 方法会扫描被加载的类是否是确定性的。它使用 ASM 来读取和检查被加载的类。扫描代码看起来是这样的(经过少许的简化):

复制代码
public boolean scan() throws IOException {
try (final InputStream in = Files.newInputStream(
classDir.resolve(classInternalName + ".class"))) {
try {
// 使用输入流创建一个 ASM ClassReader 对象
final ClassReader classReader = new ClassReader(in);
// 创建一个 ClassVistor,用于分析加载的类是否是确定性的。
// 我们使用 CandidacyStatus 对象持续跟踪在扫描过程中遇到的方法,
// 并标记它们是否为确定性的。
ClassVisitor whitelistCheckingClassVisitor
= new WhitelistCheckingClassVisitor(classInternalName,
candidacyStatus);
// 使用 ASM 的 reader 和 vistor 模式来读取要加载的类
classReader.accept(whitelistCheckingClassVisitor,
ClassReader.SKIP_DEBUG);
} catch (Exception ex) {
// ... 这里忽略异常处理部分
}
}
return candidacyStatus.isLoadable();
}

类加载过程最关键的部分是 class visitor,它负责给代码添加特定的约束。

例如,关键字 strictfp 在 Java 语言里很少被用到,它要求强制遵循 IEEE 754 浮点数标准。一般来说,很少类会使用这个关键字。不过如果不使用这个关键字,JVM 一般会选择在硬件层面进行浮点数运算,其精确度完全取决于硬件。

运行在现代 CPU 上的 JVM 一般会给出比 IEEE 754 更高精确度的结果,不过这也意味着不同的硬件和不同的实现会产生不同的结果,从而造成了不确定性。

确定性类加载器会简单粗暴地拒绝加载没有使用 strictfp 关键字的程序代码,但很少程序员会用到这个关键字,所以这个让人感到沮丧。不过,WhitelistClassLoader 会为所有加载的类打开 strictfp 开关,以确保浮点数运算行为的一致性。

class visitor 在进入主要的分析阶段之前会处理 strictfp 关键字问题和其他与确定性有关的问题(比如不允许使用 finalizer),每个方法对应一个 WhitelistCheckingMethodVisitor 对象。

在扫描过程中,类加载器会用到 CandidacyStatus,它知道某些方法的确定性状态(一般指单类的方法)。从它的名字我们就可以看出,这些方法会被认为是可加载的候选方法。

WhitelistCheckingMethodVisitor 的主要任务是为方法调用创建调用图。规则很简单,如果候选方法只调用确定性的方法,那么它也是确定性的。在对整个类进行了扫描之后,调用图可以帮助我们判断整个类是否是确定性的。

这个实现起来很简单,我们通过覆盖 AMS Visitor API 的 visitMethodInsn() 方法来实现。

复制代码
public void visitMethodInsn(int opcode, String owner, String name,
String desc, boolean itf) {
CandidateMethod candidateMethod =
candidacyStatus.getCandidateMethod(currentMethodName);
String internalName = owner + "." + name + ":" + desc;
if (candidacyStatus.putIfAbsent(internalName)) {
candidacyStatus.addToBacklog(internalName);
}
CandidateMethod referencedCandidateMethod =
candidacyStatus.getCandidateMethod(internalName);
candidateMethod.addReferencedCandidateMethod(referencedCandidateMethod);
// ...
}

method visitor 也需要考虑到一些边界情况,还需要做一些清理工作。例如,Java 运行时会停止超限的线程,并抛出 ThreadDeath 错误,捕捉到 ThreadDeath 异常的代码会试图绕过确定性检查。

对于这种情况,为了避免 ThreadDeath 异常或者它的父类(Error 或 Throwable)被捕捉到,method visitor 需要实现一些逻辑,这些逻辑代码需要在访问 try-catch 代码块时被调用。

复制代码
public void visitTryCatchBlock(Label start, Label end,
Label handler, String type) {
if (type == null)
throw new IllegalArgumentException("Exception type must " +
"not be null in try/catch block in " + currentMethodName);
// 不允许 ThreadDeath 或它的父类被捕捉到,从而保证了确定性
if (type.equals(Utils.THREAD_DEATH) || type.equals(Utils.ERROR)
|| type.equals(Utils.THROWABLE)) {
CandidateMethod candidateMethod =
candidacyStatus.getCandidateMethod(currentMethodName);
candidateMethod.disallowed("Method " + currentMethodName +
" attempts to catch ThreadDeath, Error or Throwable");
}
}
}

在确定了单个方法的调用图之后,通过简单的分析就能判断方法是否是确定性的。如果一个方法具有如下两个特点,那么它就是确定性的。

  • 没有明显的非确定性特征。
  • 只调用了确定性的方法。

单个方法扫描完毕之后,程序返回。等所有方法扫描完毕,class visitor 会检查是否所有方法都被标记为确定性的。如果是,那么这个类就被标记为可加载的,并在加载之前注入运行时资源监测代码。

这个白名单框架刚面世不久,建议对其多做一些测试。它所提供的确定性执行机制不仅适用于新的需求场景,也为那些对确定性要求很高的生产系统提供了良好的基础。

关于作者

Ben Evans是 jClarity 的联合创始人。jClarity 是一个初创公司,致力于为开发和运维团队提供性能方面的工具和服务。他是 LJC(London Java User Group)的组织者,也是 JCP 执行委员会成员,为 Java 生态系统制定规范。他获得过 Java Champion 殊荣,并 3 次拿下 JavaOne Rockstar Speaker 的称号。他是《Java 程序员修炼之道》(The Well-Grounded Java Developer)和《Java 技术手册》(Java in a Nutshell)的合著者,还是 Java 平台、性能、并发等相关主题的演讲常客。Ben 擅长演讲、教授、协作和咨询,可以直接联系他以便获得更多的信息。

查看英文原文: Deterministic Execution on the JVM

2017-05-11 17:093391
用户头像

发布了 322 篇内容, 共 151.4 次阅读, 收获喜欢 148 次。

关注

评论

发布
暂无评论
发现更多内容

敏捷开发工具leangoo时间线视图管理项目

顿顿顿

Scrum 敏捷开发 甘特图 敏捷开发管理 时间线

类加载机制

Apache IoTDB

IoTDB

打造成熟产品矩阵,瓴羊Quick BI数据可视化获认可

小偏执o

OceanBase 4.0 解读:全链路追踪要解决什么问题?从一条慢SQL说起

OceanBase 数据库

数据库 oceanbase

更人性化的无阈值监控不再为无效告警烦恼

观测云

运维 可观测性 监控告警 观测云 可观测性用观测云

FL Studio编曲2023最新水果中文版本功能介绍

茶色酒

FL Studio 21

CDR2023下载安装图文教程coreldraw23

茶色酒

CorelDraw2023

面对“中国式报表”需求, 瓴羊 Quick BI的电子表格优于Tableau?

夏日星河

OceanBase 第六期技术征文活动|小鱼还能“更快”吗?你来试试

OceanBase 数据库

数据库 oceanbase

Deploy Workshop|DIY部署环境,让OceanBase跑起来

OceanBase 数据库

数据库 oceanbase

超越ChatGPT:大模型的智能极限

OneFlow

人工智能 深度学习 ChatGPT

云原生应用配置管理的5个最佳实践

HummerCloud

云原生

详解基于 Celestia、Eclipse 构建的首个Layer3 链 Nautilus Chain

股市老人

Apache Flink 1.16 功能解读

Apache Flink

大数据 flink 实时计算

写入性能:TDengine 最高达到 InfluxDB 的 10.3 倍,TimeScaleDB 的 6.74 倍

TDengine

大数据 tdengine 性能测试 时序数据库 国产数据库

数据基础设施 NFTScan 新增支持 Gnosis 网络

NFT Research

NFT 区块链、

k8s 探测方法总结

Geek_f24c45

#k8s

走进RocketMQ(四)高性能网络通信

白裤

Java RocketMQ io RocketMQ网络通信

开源即时通讯IM框架 MobileIMSDK:快速入门

JackJiang

网络编程 即时通讯 IM

初识VUE响应式原理

京东科技开发者

Vue 系统架构 Proxy 企业号 3 月 PK 榜 响应系统

A/B实验避坑指南:为什么不建议开AABB实验

字节跳动数据平台

大数据 云服务 数据产品 AB testing实战

如何使用 Apache IoTDB 中的 UDF

Apache IoTDB

UDF IoTDB

程序调试利器——GDB使用指南

京东科技开发者

c++ debug gdb 企业号 3 月 PK 榜 程序检测

Serverless 时代开启,云计算进入业务创新主战场

Serverless Devs

Serverless

你也能成为“黑客”高手——趣谈Linux Shell编程语言

京东科技开发者

Linux 系统架构 操作系统 开发 企业号 3 月 PK 榜

详解基于 Celestia、Eclipse 构建的首个Layer3 链 Nautilus Chain

鳄鱼视界

JVM上的确定性执行机制_Java_Ben Evans_InfoQ精选文章