PRY:一文了解Medalla测试网网络动荡始末

作者:?BenEdgington

翻译:?阿剑

编者注：2020年8月15日，Medalla测试网出现了验证者参与率的大幅下降，起因是Prysm客户端默认使用Cloudflare公司的roughtime服务来较准节点的本地时间，但当时的roughtime服务出了错，导致所有Prysm节点的本地时间都快了4个小时，如此一来，Prysm节点就与使用其它客户端的节点隔绝开来了。

事发之后，Prysm客户端团队迅速推出了紧急修复并密切跟踪事态。但Medalla测试网仍因为各种原因而继续动荡，无法敲定epoch。事实上，事发之后，截至发文之时，Medalla测试网仅在北京时间2020年8月20日凌晨曾敲定区块，随后验证者参与度又降到了66%以下，未能敲定区块。

事实虽然令人不安，但它恰好提供了一个我们审视Eth2网络、审视节点行为的机会——绝不应放过这样的审视和反思的机会，否则我们仍有可能重蹈覆辙。

我们选择了多份材料，尝试多角度、多层次地复现完整的事实、囊括尽可能多不应被忽略的因素。诚然，我们缺乏能观察到去中心化网络全局情形的上帝之眼，认知的深度必定有其边界，但我们仍然希望，对陷入混沌的网络的恢复过程和参与者在此过程中的激励因素，能有一个完整的描述。到目前为止，这个目标还未实现。

第一份材料，来自Prysm客户端工程师prestonvanloon.eth在推特上对事件的报告。

Medalla测试网全局性故障初探

phil.eth：

ETH2.0测试网Medalla目前无法敲定区块，因为Prysm客户端的roughtime时钟同步出了问题。目前已经有了修复方案。请Prysm用户更新并重启你们的客户端。这一突发情况再次表明了客户端多样性以及测试网的重要性。

prestonvanloon.eth：

今天早些时候，Prysm出现了全局性故障，持续时间将近90分钟。本次事件的始末如下：

世界协调时17:30左右，@terencechain发现其客户端的时钟提前了4小时。很快，出现时钟偏移报警，discord频道也被大量用户报告淹没。

区块链协会在Tornado Cash案中提交简报:金色财经报道，DeFi教育基金加入了该倡导小组，认为加密混合器具有重要的社会功能，而OFAC可能会开创一个危险的先例。加密倡导组织区块链协会和DeFi教育基金在奥斯汀的美国地方法院就六名个人就美国财政部制裁Tornado Cash提起的诉讼提交了一份简报。法庭之友的陈述支持原告提出的部分简易判决动议。[2023/4/13 14:00:17]

Prysm客户端确实出了问题。

Medalla测试网上的验证者参与度骤降，其下降速度甚至超越了$YAM的归零速度，从75%降至5%以下。PrysmaticLabs团队立即展开了紧急行动。

我们决定将软件改成默认禁用roughtime时钟同步，取而代之的是可选择的功能切换。这样可以防止此类问题再次大规模爆发。从现在开始，roughtime的结果将仅供客户端软件参考，不再用于自动时钟校准。

下图是Prysm节点出现超过2秒的时钟偏移的时间段，从北京时间凌晨1:30至3:00持续了大约90分钟。

图片来源：@prestonvanloon.eth

现在，我们正看着这个数据思考一个问题“roughtime服务器怎么会偏差这么大？”数据显示，所有Prysm服务器报告的偏移量都在0.1秒不到。最后为什么会提前4小时？？

图片来源：@prestonvanloon.eth

我们还在调查这个问题！肯定是roughtime的增量计算出了bug，我们希望能尽快找到它。无论调查结果如何，我们认为应该将自动时间校准作为可选项，甚至彻底取消掉。

美元指数DXY站上114，短线走高50点:金色财经报道，美元指数DXY站上114，日内涨0.87%，短线走高50点。[2022/9/26 7:20:38]

欢迎阅读完整的事后调查报告，了解最新的调查进展。

在主网上线之前，测试网就是用来发现这类问题的。面对这种情况，多几个客户端选择对用户更为有利。

编者注：第二份材料来自Prysm客户端团队的分析报告，有详尽的时间线记录。从中我们可以知晓Prysm客户端发布紧急修复的整个过程，以及紧急修复带来的连带影响。截至本译稿发表之时，该分析报告表示已经找到了故障的具体原因。值得一提的是，报告原文所用的都是UTC时间，我们一律转换成了北京时间。

“roughtime”事件分析报告

作者：Terence、Raul、Preston

状态：等待决议。根本原因已找到，问题已缓解。

网络：Medalla

总结：Cloudflare的roughtime服务器全都返回错误信息，而Prysm节点并没有采取适当的应急措施。这个bug导致所有Prysm节点出现时钟偏移。在时钟偏移的影响下，验证者为超前的slot提议区块并生成见证消息。

影响：由于roughtime响应错误以及出现时钟偏移，验证者计算slot错误，提议的区块和生成的见证消息均无效。这个问题影响到了全局参与度。在北京时间凌晨1:30至2:45之间，所有Prysm节点都受到了影响。

根本原因：来自Cloudflare服务器的roughtime响应出错。具体来说，是因为“ticktock”报告了一个24小时之后的时间。这个时间戳，再经过所有6个服务器的数据取平均值，是的所有Prysm节点都产生了+4小时的时间调整。

解决方案：在我们评估roughtime响应错误所引发的潜在问题时，先将roughtime时钟同步设为可选项。

发现：Terence最先发现了这个问题。他注意到一个本地信标链节点一直在拒绝超前的区块和见证消息。几分钟之后，由于roughtime时钟偏移量较高，产生了报警。同时，#general和#bug-report频道的用户开始报告本地节点拒绝超前区块和见证信息的问题。

VeeFriends宣布完成5000万美元种子轮融资，a16z领投:金色财经报道，VeeFriends宣布完成5000万美元的种子轮融资，a16z领投。融资用于支持构建283个VeeFriends角色的未来知识产权，及推动其创意、技术和体验业务的扩张计划。[2022/7/29 2:44:58]

经验教训

哪里出了问题

我们误以为，对于roughtime服务器故障的问题，我们有适当的应急方案。

网络中的每个Prysm节点同时受到影响，导致验证者参与率大幅降低。

PrysmaticLabs团队原以为，NTP服务器本身较为分散，而且每个服务器都开放6个端口，不会出现全局故障的问题。

万幸的是

一位贡献者已经向我们提交了一个PullRequest，把roughtime时间校准设为可以选择退出的功能。

我们已经可以用命令行功能标签立即选择取消roughtime时钟校准，这让修复措施变得简单，而且只需一次PullRequtest就能验证。

用户在Discord上积极参与讨论。当节点出现问题时，有大量用户提供了详细报告和重要指标。

我们有一个持续不断的重同步机制，当它发现时钟偏移量超过2秒时，它会不断更新节点本地的时间。我们一直在重新校准roughtime时钟，以便更快解决这一问题。这可能让这次事件提前了大约30分钟至1小时结束。

roughtime时钟同步问题似乎在大约90分钟后就解决了，而且在我们能够紧急发布新版本前，这个事件就已经结束了。

时间线

2020/08/15

1:25AM：Terence发现他的本地节点由于一直拒绝超前区块，收到了大量报警。这些区块的slot都超前了4个多小时。

Phantom：用户可能会在解锁插件钱包时遇到问题，官方将发布修复程序:7月8日消息，Solana生态钱包Phantom发推称，约20%的Phantom用户可能会在解锁Phantom插件钱包时遇到问题，官方已注意到该问题，并将很快发布修复程序，用户资金是安全的，没有被黑客入侵。受影响用户可尝试重新导入助记词。[2022/7/8 2:00:43]

1:28AM：Prometheus监控报警系统收到了roughtime偏移量高的报警。那时，距离网络最后一次敲定区块过去了10epoch。

1:35AM：至少有30名用户在Discord频道表示他们开始收到下方报警：WARNroughtime:Roughtimereportsyourclockisoffbymorethan2secondsoffset=4h0m0.028854657s

1:43AM：Terence在#war-room频道群发了告警消息，称这是一个PS0级别的事件，需要大家共渡难关。

1:45AM：Discord频道的用户提出，重启信标链节点和验证者客户端无法暂时解决这个问题。最可行的方案是将roughtime时钟同步设为可选禁用的功能。

1:51AM：问题上升到了多客户端聊天室

1:52AM：Ivan完成了?https://github.com/prysmaticlabs/prysm/pull/6898

2:00AM：Terence与512位验证者一起在本地测试了6898号PullRequest。

2:20AM：据已捕获的调试日志显示，“ticktock”服务器有段时间一直在报告24小时之后的时间。

2:27AM：Raul联络了Preston。Preston将在1小时内回来构建新版本。同时，我们将发布docker镜像。

美联储FOMC经济预期：2022年底联邦基金利率预期中值3.4% GDP增速预期中值1.7%:6月16日消息，美联储FOMC经济预期显示，2022、2023、2024年底联邦基金利率预期中值分别为3.4%，3.8%，3.4%；2022、2023、2024年底PCE通胀预期中值分别为5.2%，2.6%，2.2%；更长期联邦基金利率预期中值为2.5%，3月预期为2.4%；2022、2023、2024年底GDP增速预期中值分别为1.7%，1.7%，1.9%。（财联社）[2022/6/16 4:30:05]

2:40AM：Preston指出只靠紧急修复还不够，我们需要取消将roughtime时钟同步作为默认项。

2:42AM：Raul开始调查Kibana，并使用fluentd中的filter分析来自roughtime的调试日志响应。

2:43AM：Terence交叉检查了信标链命名空间中所有pod的kubectl日志。正如预期的那样，pod确实存在roughtime时钟偏移问题。

2:46AM：Raul向6898号PR提交了正确的修复程序。

3:05AM：Raul确认该修复程序可以让节点在本地工作。如果存在时钟偏移，修复程序会产生告警日志，但是不会试图基于roughtime服务器更新时间。

3:08AM：Terence在我们的discord频道向所有人宣布：“Prysm节点出现roughtime响应错误，应急措施没有达到预期效果。我们已经找到了故障所在，很快就会进行紧急修复，并在1小时内上线新版本。在即将发布的新版本中，roughtime时钟同步将不再是默认项。”

3:18AM：Buildkite单元测试、规范测试、docker镜像构建成功。e2e测试尚未完成。Preston准备启动上线流程。

3:22AM：新版本生成：https://github.com/。Terence确认这个方法可以修复其验证者节点。Preston开始使用新的docker镜像依次重启我们的有状态集合中的pod。集群验证者会基于新的镜像进行更新。

3:34AM：Docker镜像被标记成alpha21版本，稳定性好，二进制文件已经构建完成

3:34AM：对有状态集合中pod的健康状态进行监控，确保滚动更新成功

3:36AM：使用新的docker镜像对我们的验证者pod进行滚动启动。

4:29AM：在日志上查看返回的延时值。平均来看，这些值似乎都在0.1秒以下。延迟不是调查的关键指标。准确来说，“中点”才是需要研究的地方。注：下表时间是太平洋标准时间。https://kibana.prylabs.network/

-图片来源：@prestonvanloon.eth-

5:32AM：查看高于2秒的偏移量。从该数据中可以看出，在长达90分钟的全局故障期间，Prylabs出块节点的偏移量大约是14000秒。注：下表时间是太平洋标准时间。

https://kibana.prylabs.network/

-图片来源：@prestonvanloon.eth-

4:41AM：通过Prometheus报警系统关于平均偏移量的数据，我们可以明显看出在北京时间凌晨1:30至2:45之间确实存在时钟偏移问题，之后偏移量开始下降并恢复正常。

4:52AM：即时调查结束。这次时钟偏移故障显然已经结束，而且修复程序已经发布。已经更新的节点将立即恢复，还没有更新的节点需要过段时间恢复。监控系统显示，验证者参与度在逐步回升。

6:20AM：用户报告说罚没保护机制已经启动。这是因为之前的时钟偏移导致验证者超前4小时提议区块并生成见证消息。为了避免遭到罚没，Prysm验证者没有继续提议无效区块。

8:13AM：再次故障

8:13AM：Nishant注意到6898号PR中存在严重缺陷。只有在roughtime功能标记开启的情况下，用户才能设置它的功能。

8:16AM：Preston更新了“最新的”二进制文件，使其指向alpha20版本来实现临时回滚，并建议用户回滚至alpha20版本。我们现在正在等待合并7004号PR作为alpha22版本的候选。

8:45AM：值班团队正在评估是否扩大热状态缓存的大小，以便alpha22版本能够更快让网络重新开始敲定区块。当前默认的热状态缓存大小为8个epoch，但是Medalla测试网距离上一次敲定区块已经过去了将近100个epoch。

9:12AM：值班团队决定将默认缓冲大小更新至64epoch，并使其可以通过功能标记来配置。经过初步测试，这有可能会使内存使用量增加1.5G。等网络重新开始敲定区块后，缓冲大小还可以调整。

9:57AM：所有PrysmaticLabs验证者节点都生成了会被罚没的见证消息。紧急修复程序删除了Prylabs验证者节点的本地存储。没有任何外部的罚没保护机制在运行。具体情形尚待确认……在1024名验证者中，至少有800名验证者已经或即将遭到罚没。

10:37AM：多名用户报告称无法同步区块链。目前的问题是，网络中有太多节点在同一时间进行同步。Alpha22版本被推迟，需要等待进一步通知。

10:46AM：Prylabs团队认为现在最好的办法就是等待。用户应该运行alpha20版本或最新的docker镜像。

2020/08/16

2:12AM：正在对同步难的问题进行调查。

11:36AM：Nishant和Victor发布初始同步修复程序。参见PullRequest7012。

2020/8/17

1:51AM：合并拉取7012号PR。一些用户报告说同步成功。PrysmaticLabs开始将7012部署到出块节点上。

5:15AM：从commit0be1957c2897909b943b80fdd028f5346ae6cde6开始开发Alpha.22版本

5:33AM：Alpha22版本发布。链接：https://github.com/

5:40AM：通过Discord频道宣布Alpha22版本上线。Prysmatic的值班团队继续监控同步情况，以便进行优化。与此同时，越来越多用户同步至最新区块。

12:53AM：Alpha23版本上线，已在Discord频道宣布该消息。Alpha23版本包含一些同步修复程序，有望解决Medalla测试网的问题。建议用户在运行时开启“--dev”标记，以便获得更好的体验。

原文链接:?https://hackmd.io/@benjaminion/eth2_news/https%3A%2F%2Fhackmd.io%2F%40benjaminion%2Fwnie2_200817

标签：PRYTIMIMEGHTPRYZTIM价格Octavus PrimeNaughty Quagmire

XMR热门资讯