路线图中的并行化、Rust 等改进，都是为接下来 StarkNet 提升 TPS 所做的准备。
rollups 的有效性不受限于L1的吞吐量，使得 L2 的 TPS 可以很高。
在 StarkNet 的性能路线图中，解决了系统中的一个关键因素——排序器。
性能的改进主要有以下几点：
排序器（Sequencer）的并行化
为 Cairo 虚拟机（Cairo-VM）提供 Rust 语境下的实现
在 Rust 语境下的排序器
证明者（Provers）并不是瓶颈，他们可以处理比现在更多的东西。
大约一年前，StarkNet Alpha 正式上线了以太坊主网，这时，我们将重心放在了功能的构建上，现在，我们决定将重点转移到提高性能之上，并计划通过一系列的步骤来提高 StarkNet 上的用户体验。
在这篇文章中，我将解释为什么有很多优化措施只适用于有效性汇总（Validity Rollups），并分享 StarkNet 实施这些措施的计划和步骤，其中一些计划已经在 StarkNet Alpha 0.10.2 中实现，在讨论具体的细节之前，让我们先来回顾一下限制链上性能的原因。
提高区块链可扩展性和 TPS 的方法之一是：在解除区块的限制（比如GAS和区块大小的限制）同时，保持区块生成时间的不变。这需要区块生产者（L1 上的验证器，L2 上的排序器）提供更高效的服务，因此就需要更有效地执行这些组件，因此，我们将重点转移到 StarkNet 排序器的优化之上，在下文会详述具体内容。
这里会有一个问题，为什么对排序器的优化仅仅对 Validity Rollups 有效，换句话说，为什么我们不能在 L1 上以相同的方法改进，避免有效性汇总（Validity Rollups） 有复杂性？在下一节内容中，对这一问题将进行回答。
如果 L1 的区块限制被解除，会遇到一个很大的问题，因为链的高吞吐带来了链上区块的高增长率，为了确保不同的节点跟上最新的全链状态，就需要增加了更多的全节点。又由于 L1 全节点必须记录所有历史记录，区块大小的大幅增加会给全节点运营者带来巨大压力，并导致部分全节点因为机器性能落后而退出系统，结果，能够运营全节点的都是一些比较大的实体，最终就是用户无法以无信任的姿态验证状态并参与网络。
这也让我们明白，从某种意义上来说正是 L1 吞吐量的限制，成就了一个真正去中心化的和相对安全的网络系统。
只有在考虑全节点的问题时，我们才能看到有效性汇总（Validity Rollups）的优势。正常情况下，一个L1全节点需要重新执行整个链的历史以确保当前状态的正确性，而 StarkNet 节点只需要验证 STARK 证明，而且这种验证需要的计算资源呈指数级下降。重点是，链上全节点状态的验证同步没有涉及到执行；一个节点可以从另一个全节点那里接受当前状态的转储，只需通过 STARK 证明来验证这个状态是否有效即可。这让我们在增加网络的吞吐量的同时，不用增加全节点的数量。
因此，在 L2 上，通过对排序器的优化可以对整个系统的性能进行提升，但这在L1上不能实现的。
这一部分，我们将讨论目前有哪些计划用于对 StarkNet 排序器的优化。
性能路线图的第一步是为交易执行引入并行化。这个提议是在 StarkNet alpha 0.10.2 中正式引入的，该版本于11月29日在以太坊主网上发布，我们现在来深入探讨下什么是并行化。
一般来说，并行执行多个交易区块是不可以的，因为不同的交易可能是相互依赖的。以下方示例中进行说明，我们假设有一个包含来自同一用户的三笔交易的区块：
Tx A（交易A，下同）：将USDC兑换ETH
Tx B：为某款NFT支付ETH费用
Tx C：将USDT兑换BTC
显然，交易A必须发生在交易B之前，但交易C完全独立于两者，是可以并行执行的。如果每个交易需要1秒执行，那么通过引入并行化处理之后，区块生产时间可以从3秒减少到2秒。
问题的关键在于，我们事先并不知道不同交易之间的依赖性。在实践中，只有当我们执行到示例中的 Tx B 时，我们才会发现它是依赖于 Tx A所做的改变。更准确地说，这种依赖性源于Tx B 从Tx A 写入的存储单元中读取这一动作。我们可以把不同的 Tx 看成是一个依赖图，其中存在从交易 A 到交易 B 的一条边，当且仅当 A 写入一个由 B 读取的存储单元时，B 才可能执行。下图显示了这种依赖之间的关系：
在上面的示例中，每一列都可以并行执行。
为了克服事先无法确定不同交易事件之间的依赖关系，我们根据 Aptos Labs 推出的BLOCK-STM，将 OP 并行化（optimistic parallelization）引入到 StarkNet 排序器中。在这种模式下，会以乐观地方式并行地处理事务，并在发现碰撞时重新执行。比如在上述示例图中，我们可以并行执行 TX1-4，但事后发现 Tx 4 依赖于 Tx1，因此这次执行是无效的（应该在 Tx1 执行后运行 Tx 4 ），在这种情况下，将重新执行Tx4。
请注意，在上述这种乐观并行化的基础上我们也增加一些优化措施。例如，与其等待每个执行的结束，可以在发现一个使之运行结果无效的依赖关系时就中止执行。
另一个优化的例子是选择哪些事务来重新执行。假设由上述示例图的所有事务组成的区块被送入一个拥有五核CPU的排序器。首先，我们尝试并行执行 tx 1-5，如果完成的顺序是Tx2、Tx3、Tx4、Tx1，最后是Tx5，那么我们将在 Tx4 已经执行后才发现依赖关系Tx1→Tx4，这表明它应该被重新执行。直观地说，考虑到Tx4的重新执行，Tx5也需要重新执行，然而，我们可以遍历由执行已经结束的事务构建的依赖图，只重新执行依赖于Tx4的事务，而不是将失效Tx4之后的事务都重新执。
StarkNet 中的智能合约是通过 Cairo 语言编写的，并在 Cairo-VM 虚拟机中执行。目前，排序器正在使用python语言在 Cairo-VM 上运行。为了优化虚拟机的实现性能，我们之前发起了用 Rust 重写 Cairo-VM 虚拟机的工作。
目前，cairo-rs可以执行原生 Cairo 代码，下一步是处理智能合约的执行和与 pythonic 排序器的集成，一旦与 cairo-rs 集成，排序器的性能有望进一步提高。
通过 python 到 rust 的转变以提高网络性能，不仅限于 Cairo-VM，StarkNet 用 Rust 重写了排序器相关的代码。除了 Rust 的内部优势之外，这还为排序器的其他优化提供了可能，比如，可以集合 cairo-rs 的优势，而无需 python-rust 通信的开销，也可以完全重新设计状态的存储和访问方式。
在整篇文章中，没有提到有效性汇总（Validity Rollups）中核心元素之一——证明者（Provers）。作为可以说是架构中最复杂的组件，证明者（Provers）算是瓶颈，也是优化的重点。但现在，StarkNet 的瓶颈是更加“标准”的组件，特别是对于递归证明，可以将当前测试网/主网上的更多交易放入证明中。事实上，StarkNet 区块与 StarkEx 交易一起得到有效的市场证明，后者有时会有数十万 NFT 的铸造事件。
总之，并行化、Rust 等改进，都是为接下来 StarkNet 提升 TPS 所做的准备。
2749984