口。 - 浏览器详细介绍请参考浏览器 • JSON-RPC接口可参考 JSON-RPC API - 系统设计文档请参考 系统设计 ## 关键特性 • 多群组: 教程 使用手册 设计文档 并行计算: 使用手册 设计文档 • 分布式存储: 使用手册 设计文档 ## 重要 - 本技术文档只适用FISCO BCOS 2.0+，FISCO BCOS 1.3.x版本的技术文档请查看 1.3系列技术文档 包括采用了高效的共识算法，把能并行的计算并行化，减少重复计算，对关键计算单元进行升级等。更进一步地，其性能的核心突破点不仅仅在于单链，更在于基于单链性能优化架构设计，并实现灵活、高效、可靠、安全的并行计算和可平行扩展的能力。这帮助开发者能够灵活地根据自己业务场景的实际需要，通过简单增加机器，达到自己需要的性能。总体上，FISCO BCOS 平台优化了网络通信模型，采用拜占庭容错共识机制，结合多链架 储，避免了世界状态急剧膨胀导致性能下降的问题； • 优化了数据存储的结构，更节约存储空间。 同时，2.0版本仍然兼容1.0版本的本地存储模式。更多关于存储介绍，请参考分布式存储操作手册 ## 并行计算模型 2.0版本中新增了合约交易的并行处理机制，进一步提升了合约的并发吞吐量。 1.0版本以及大部分业界传统区块链平台，交易是被打包成一个区块，在一个区块中交易顺序串行执行的。2.0版本基于预

- 浏览器详细介绍请参考浏览器 • JSON-RPC接口可参考 JSON-RPC API - 系统设计文档请参考 系统设计 ## 关键特性 • 多群组: 教程 使用手册 设计文档 • 并行计算: 使用手册 设计文档 • 分布式存储: 使用手册 设计文档 ## 重要 - 本技术文档只适用FISCO BCOS 2.0+，FISCO BCOS 1.3.x版本的技术文档请查看 1.3系列技术文档 BCOS通过信通院可信区块链评测功能、性能两项评测，单链TPS可达两万。 ## 关键特性 整体架构 |架构模型|一体两翼多引擎| |---|---| |群组架构|支持链内动态扩展多群组| |分布式存储|支持海量数据存储| |并行计算|支持块内交易并行执行| |节点类型|共识节点、观察节点| |计算模型|排序-执行-验证| |系统性能|| |峰值TPS|2万+ TPS (PBFT)| |交易确认时延|秒级| |硬件推荐配置|| 一体指代群组架构，支持快速组建联盟和建链，让企业建链像建聊天群一样便利。根据业务场景和业务关系，企业可选择不同群组，形成多个不同账本的数据共享和共识，从而快速丰富业务场景、扩大业务规模，且大幅简化链的部署和运维成本。 两翼指的是支持并行计算模型和分布式存储，二者为群组架构带来更好的扩展性。前者改变了区块中按交易顺序串行执行的做法，基于DAG（有向无环图）并行执行交易，大幅提升性能；后者支持企业（节点）将数据存储在远端分布式系统中，克服了本地化数据存储的诸多限制。

一体指代群组架构，支持快速组建联盟和建链，让企业建链像建聊天群一样便利。根据业务场景和业务关系，企业可选择不同群组，形成多个不同账本的数据共享和共识，从而快速丰富业务场景、扩大业务规模，且大幅简化链的部署和运维成本。 两翼指的是支持并行计算模型和分布式存储，二者为群组架构带来更好的扩展性。前者改变了区块中按交易顺序串行执行的做法，基于DAG（有向无环图）并行执行交易，大幅提升性能；后者支持企业（节点）将数据存储在远端分布式系统中，克服了本地化数据存储的诸多限制。 状态急剧膨胀导致性能下降的问题； - 优化了数据存储的结构，更节约存储空间。 同时，2.0版本仍然兼容1.0版本的本地存储模式。更多关于存储介绍，请参考分布式存储操作手册 ## 2.1.3 并行计算模型 2. 0版本中新增了合约交易的并行处理机制，进一步提升了合约的并发吞吐量。 1. 0版本以及大部分业界传统区块链平台，交易是被打包成一个区块，在一个区块中交易顺序串行执行的。2.0版本基 AG，基于DAG并行执行交易，最好情况下性能可提升数倍（取决于CPU核数）。 更多并行计算模型的介绍，请参考并行交易的设计文档和使用手册。 ## 2.1.4 预编译合约 FISCO BCOS2.0提供预编译合约框架，支持采用C++编写合约，其优势是合约调用响应更快，运行速度更高，消耗资源更少，更易于并行计算，极大提升整个系统的效率。FISCO BCOS内置了多个系统级的合约，提供准入控制、权

BCOS通过信通院可信区块链评测功能、性能两项评测，单链TPS可达两万。 ## 关键特性 ## 整体架构 # 系统架构 架构模型 一体两翼多引擎 群组架构 支持链内动态扩展多群组 分布式存储 支持海量数据存储 并行计算 支持块内交易并行执行 节点类型 共识节点、观察节点 计算模型 排序-执行-验证 # 系统性能 峰值TPS 2万+ TPS（PBFT） 交易确认时延 秒级 # 硬件推荐配置 CPU 2 一体指代群组架构，支持快速组建联盟和建链，让企业建链像建聊天群一样便利。根据业务场景和业务关系，企业可选择不同群组，形成多个不同账本的数据共享和共识，从而快速丰富业务场景、扩大业务规模，且大幅简化链的部署和运维成本。 两翼指的是支持并行计算模型和分布式存储，二者为群组架构带来更好的扩展性。前者改变了区块中按交易顺序串行执行的做法，基于DAG（有向无环图）并行执行交易，大幅提升性能；后者支持企业（节点）将数据存储在远端分布式系统中，克服了本地化数据存储的诸多限制。 ，避免了世界状态急剧膨胀导致性能下降的问题； - 优化了数据存储的结构，更节约存储空间。 同时，2.0版本仍然兼容1.0版本的本地存储模式。更多关于存储介绍，请参考分布式存储操作手册 ## 并行计算模型 2. 0版本中新增了合约交易的并行处理机制，进一步提升了合约的并发吞吐量。 1. 0版本以及大部分业界传统区块链平台，交易是被打包成一个区块，在一个区块中交易顺序串行执行的。2.0版本基

BCOS通过信通院可信区块链评测功能、性能两项评测，单链TPS可达两万。 ## 关键特性 |架构模型|一体两翼多引擎| |---|---| |群组架构|支持链内动态扩展多群组| |分布式存储|支持海量数据存储| |并行计算|支持块内交易并行执行| |节点类型|共识节点、观察节点| |计算模型|排序-执行-验证| |系统性能|| |峰值TPS|2万+TPS(PBFT)| |交易确认时延|秒级| |硬件推荐配置|| |CPU|2 一体指代群组架构，支持快速组建联盟和建链，让企业建链像建聊天群一样便利。根据业务场景和业务关系，企业可选择不同群组，形成多个不同账本的数据共享和共识，从而快速丰富业务场景、扩大业务规模，且大幅简化链的部署和运维成本。 两翼指的是支持并行计算模型和分布式存储，二者为群组架构带来更好的扩展性。前者改变了区块中按交易顺序串行执行的做法，基于DAG（有向无环图）并行执行交易，大幅提升性能；后者支持企业（节点）将数据存储在远端分布式系统中，克服了本地化数据存储的诸多限制。 ，避免了世界状态急剧膨胀导致性能下降的问题； - 优化了数据存储的结构，更节约存储空间。 同时，2.0版本仍然兼容1.0版本的本地存储模式。更多关于存储介绍，请参考分布式存储操作手册 ## 并行计算模型 2. 0版本中新增了合约交易的并行处理机制，进一步提升了合约的并发吞吐量。 1. 0版本以及大部分业界传统区块链平台，交易是被打包成一个区块，在一个区块中交易顺序串行执行的。2.0版本基

BCOS通过信通院可信区块链评测功能、性能两项评测，单链TPS可达两万。 ## 关键特性 |架构模型|一体两翼多引擎| |---|---| |群组架构|支持链内动态扩展多群组| |分布式存储|支持海量数据存储| |并行计算|支持块内交易并行执行| |节点类型|共识节点、观察节点| |计算模型|排序-执行-验证| |系统性能|| |峰值TPS|2万+TPS(PBFT)| |交易确认时延|秒级| |硬件推荐配置|| |CPU|2 一体指代群组架构，支持快速组建联盟和建链，让企业建链像建聊天群一样便利。根据业务场景和业务关系，企业可选择不同群组，形成多个不同账本的数据共享和共识，从而快速丰富业务场景、扩大业务规模，且大幅简化链的部署和运维成本。 两翼指的是支持并行计算模型和分布式存储，二者为群组架构带来更好的扩展性。前者改变了区块中按交易顺序串行执行的做法，基于DAG（有向无环图）并行执行交易，大幅提升性能；后者支持企业（节点）将数据存储在远端分布式系统中，克服了本地化数据存储的诸多限制。 ，避免了世界状态急剧膨胀导致性能下降的问题； - 优化了数据存储的结构，更节约存储空间。 同时，2.0版本仍然兼容1.0版本的本地存储模式。更多关于存储介绍，请参考分布式存储操作手册 ## 并行计算模型 2. 0版本中新增了合约交易的并行处理机制，进一步提升了合约的并发吞吐量。 1. 0版本以及大部分业界传统区块链平台，交易是被打包成一个区块，在一个区块中交易顺序串行执行的。2.0版本基

吞吐上不能满足海量数据的计算需求。 分布式存储和分布式计算理论刚刚被提出来，Google 的两篇著名论文发表后引起业界的关注，一篇是关于 GFS 分布式文件系统，另外一篇是关于 MapReduce 并行计算框架的理论，分布式计算模式在互联网行业特别是搜索引擎和分词检索等方面获得了巨大成功。 ![Image](/uploads/documents/3/b/9/4/3b9493d73fc9ae5a9e698883a78d00be/p5_2 向的扩展性还可带来系统良好的成长性。 问题来了，在 X86 集群上实现自动的并行计算，无论是后来的 MapReduce 计算框架还是 MPP（海量并行处理）计算框架，最终还是需要软件来实现，Greenplum 正是在这一背景下产生的，借助于分布式计算思想，Greenplum 实现了基于数据库的分布式数据存储和并行计算（GoogleMapReduce 实现的是基于文件的分布式数据存储和计算，我们会在后面比较这两种方法的优劣性）。 nplum，因此而得名）召集了十几位业界大咖（据说来自 google、yahoo、ibm 和 TD），说干就干，花了一年多的时间完成最初的版本设计和开发，用软件实现了在开放 X86 平台上的分布式并行计算，不依赖于任何专有硬件，达到的性能却远远超过传统高昂的专有系统。 ![Image](/uploads/documents/3/b/9/4/3b9493d73fc9ae5a9e698883a78d00be/p6_1