HyperLedger Fabric 1.0的Transaction处理流程
如果把区块链比作一个只能读写，不能删改的分布式数据库的话，那么事务和查询就是对这个数据库进行的最重要的操作。以比特币来说，我们通过钱包或者Blockchain.info进行区块链的查询操作，而转账行为就是Transaction的处理。而HyperLedger Fabric在1.0对系统架构进行了升级，使得事务的处理更加复杂。
一、架构
让我们来看看Fabric 0.6到1.0的架构图：
这个图来自IBM微课堂第三讲，我们可以看到原来单一的peer节点在1.0中进行了拆分，分为peer（背书节点和提交节点）和orderer（排序节点）。membership也就是我们在1.0中说的CA节点，其中也涉及到很多密码学和安全相关的知识，我们暂且按住不表，只说SDK、Peer和Orderer之间的关系。
二、账本
要了解Fabric对事务的处理，首先我们需要了解Fabric中的账本，也就是实际存储和查询数据的地方。这是IBM微讲堂中对Fabric账本的示意图：
Fabric 1.0中的账本分为3种：
- 区块链数据，这是用文件系统存储在Committer节点上的。区块链中存储了Transaction的读写集。
- 为了检索区块链的方便，所以用LevelDB对其中的Transaction进行了索引。
- ChainCode操作的实际数据存储在State Database中，这是一个Key Value的数据库，默认采用的LevelDB，现在1.0也支持使用CouchDB作为State Database。
三、事务提交过程
了解了Fabric中的账本，接下来我们来了解一下对这些账本的操作涉及到的Transaction。
我们仍然以Example02为例，具体准备过程可参看我之前的博客：http://www.cnblogs.com/studyzy/p/6973334.html
当执行a向b转账10元，我们在cli中执行的命令为：
peer chaincode invoke -o orderer.example.com:7050 --tls $CORE_PEER_TLS_ENABLED --cafile /opt/gopath/src/github.com/hyperledger/fabric/peer/crypto/ordererOrganizations/example.com/orderers/orderer.example.com/msp/cacerts/ca.example.com-cert.pem -C mychannel -n devincc -c '{"Args":["invoke","a","b","10"]}'
当CLI中运行该命令时，发生了什么呢？我们来看看IBM微讲堂中PPT关于事务生命周期和相关账本的示例图：
其中peer chaincode invoke表明这是一个Transaction调用。-c '{"Args":["invoke","a","b","10"]}'中的”invoke”说明调用的是example02.go中的invoke函数，具体函数我们可以看看到底实现了什么功能：
// Transaction makes payment of X units from A to B func (t *SimpleChaincode) invoke(stub shim.ChaincodeStubInterface, args []string) pb.Response { var A, B string // Entities var Aval, Bval int // Asset holdings var X int // Transaction value var err error if len(args) != 3 { return shim.Error("Incorrect number of arguments. Expecting 3") } A = args[0] B = args[1] // Get the state from the ledger // TODO: will be nice to have a GetAllState call to ledger Avalbytes, err := stub.GetState(A) if err != nil { return shim.Error("Failed to get state") } if Avalbytes == nil { return shim.Error("Entity not found") } Aval, _ = strconv.Atoi(string(Avalbytes)) Bvalbytes, err := stub.GetState(B) if err != nil { return shim.Error("Failed to get state") } if Bvalbytes == nil { return shim.Error("Entity not found") } Bval, _ = strconv.Atoi(string(Bvalbytes)) // Perform the execution X, err = strconv.Atoi(args[2]) if err != nil { return shim.Error("Invalid transaction amount, expecting a integer value") } Aval = Aval - X Bval = Bval + X fmt.Printf("Aval = %d, Bval = %d\n", Aval, Bval) // Write the state back to the ledger err = stub.PutState(A, []byte(strconv.Itoa(Aval))) if err != nil { return shim.Error(err.Error()) } err = stub.PutState(B, []byte(strconv.Itoa(Bval))) if err != nil { return shim.Error(err.Error()) } return shim.Success(nil) }
其中主要的4个关于StateDatabase调用是：
Avalbytes, err := stub.GetState(A) Bvalbytes, err := stub.GetState(B) err = stub.PutState(A, []byte(strconv.Itoa(Aval))) err = stub.PutState(B, []byte(strconv.Itoa(Bval)))
1.客户端SDK把'{"Args":["invoke","a","b","10"]}'这些参数发送到endorser peer节点，
2.endorser peer会与ChainCode的docker实例通信，并为其提供模拟的State Database的读写集，也就是说ChainCode会执行完逻辑，但是并不会在stub.PutState的时候写数据库。
3.endorser把这些读写集连同签名返回给Client SDK。
4.SDK再把读写集发送给Orderer节点，Orderer节点是进行共识的排序节点，在测试的情况下，只启动一个orderer节点，没有容错。在生产环境，要进行Crash容错，需要启用Zookeeper和Kafka。在1.0中移除了拜占庭容错，没有0.6的PBFT，也没有传说中的SBFT，不得不说是一个遗憾。
5.Orderer节点只是负责排序和打包工作，处理的结果是一个Batch的Transactions，也就是一个Block，这个Block的产生有两种情况，一种情况是Transaction很多，Block的大小达到了设定的大小，而另一种情况是Transaction很少，没有达到设定的大小，那么Orderer就会等，等到大小足够大或者超时时间。这些设置是在configtx.yaml中设定的。
6.打包好的一堆Transactions会发送给Committer Peer提交节点,
7.提交节点收到Orderer节点的数据后，会先进行VSCC校验，检查Block的数据是否正确。接下来是对每个Transaction的验证，主要是验证Transaction中的读写数据集是否与State Database的数据版本一致。验证完Block中的所有Transactions后，提交节点会把吧Block写入区块链。然后把所有验证通过的Transaction的读写集中的写的部分写入State Database。另外对于区块链，本身是文件系统，不是数据库，所有也会有把区块中的数据在LevelDB中建立索引。
四、查询
如果我们只是通过ChainCode查询数据，而存在写入数据，那么会有什么区别呢？在CLI中peer命令提供了query子命令，比如Example02中，查询a账户的余额是：
peer chaincode query -C mychannel -n devincc -c '{"Args":["query","a"]}'
这样系统会调用ChainCode中的invoke函数，但是传入的function name是query。也就是会执行如下代码：
} else if function == "query" { // the old "Query" is now implemtned in invoke return t.query(stub, args) } // query callback representing the query of a chaincode func (t *SimpleChaincode) query(stub shim.ChaincodeStubInterface, args []string) pb.Response { var A string // Entities var err error if len(args) != 1 { return shim.Error("Incorrect number of arguments. Expecting name of the person to query") } A = args[0] // Get the state from the ledger Avalbytes, err := stub.GetState(A) if err != nil { jsonResp := "{\"Error\":\"Failed to get state for " + A + "\"}" return shim.Error(jsonResp) } if Avalbytes == nil { jsonResp := "{\"Error\":\"Nil amount for " + A + "\"}" return shim.Error(jsonResp) } jsonResp := "{\"Name\":\"" + A + "\",\"Amount\":\"" + string(Avalbytes) + "\"}" fmt.Printf("Query Response:%s\n", jsonResp) return shim.Success(Avalbytes) }
我们可以看到，我们只是调用了stub.GetState(A)，并没有写操作，那么会像前面说的Transaction一样那么复杂吗？答案是不会。
因为调用调用的是peer query，在代码中，只有invoke的时候才会执行Transaction步骤中的4、5、6、7.
但是如果我们使用peer invoke，那么会怎么样呢？比如如下的命令：
peer chaincode invoke -o orderer.example.com:7050 --tls $CORE_PEER_TLS_ENABLED --cafile /opt/gopath/src/github.com/hyperledger/fabric/peer/crypto/ordererOrganizations/example.com/orderers/orderer.example.com/msp/cacerts/ca.example.com-cert.pem -C mychannel -n mycc -c '{"Args":["query","a"]}'
那么从代码上来看，虽然我们是一个查询，却会以Transaction的生命周期来处理。
五、小结
通过对这个Transaction过程的分析，我们可以得出以下结论：
- Fabric不支持对同一个数据的并发事务处理，也就是说，如果我们同时运行了a->b 10元，b->a 10元，那么只会第一条Transaction成功，而第二条失败。因为在Committer节点进行读写集版本验证的时候，第二条Transaction会验证失败。这是我完全无法接受的一点！
- Fabric是异步的系统，在Endorser的时候a->b 10元，b->a 10元都会返回给SDK成功，而第二条Transaction在Committer验证失败后不进行State Database的写入，但是并不会通知Client SDK，所以必须使用EventHub通知Client或者Client重新查询才能知道是否写入成功。
- 不管在提交节点对事务的读写数据版本验证是否通过，因为Block已经在Orderer节点生成了，所以Block是被整块写入区块链的，而在State Database不会写入，所以会在Transaction之外的地方标识该Transaction是无效的。
- query没有独立的函数出来，并不是根据只有读集没有写集而判断是query还是Transaction。
