Ethereum Prysmクライアントがメインネットで事故を起こし、リソース枯渇によりブロックとアテステーションが大規模に欠落

ChainCatcherのニュースによると、Prysmチームはメインネット事故の振り返りレポートを発表し、12月4日のEthereumメインネットFusaka期間中、ほぼすべてのPrysmビーコンノードが特定のattestationsを処理する際にリソース枯渇が発生し、バリデーターからのリクエストにタイムリーに応答できず、多数のブロックおよびアテステーションの欠落を引き起こしたと述べています。

事故の影響範囲はepoch 411439から411480までの42個のepochで、1344個のslotのうち248個のブロックが欠落し、欠落率は約18.5%でした。ネットワーク参加率は一時75%まで低下し、バリデーターは約382ETHのアテステーション報酬を失いました。根本原因は、Prysmがメインネットと同期していない可能性のあるノードからのattestationsを受信し、これらのattestationsが前のepochのブロックルートを参照していたことにあります。

その正当性を検証するために、Prysmは古いepochの状態を繰り返し再生し、高コストのepoch transitionを実行したため、ノードが高負荷時にリソース枯渇を引き起こしました。関連する欠陥はPrysm PR 15965に由来し、1ヶ月前にテストネットにデプロイされていましたが、同様のシナリオは発生しませんでした。

公式が提示した一時的な解決策は、v7.0バージョンで--disable-last-epoch-targetパラメータを有効にすることです。その後リリースされたv7.1およびv7.1.0には長期的な修正策が含まれており、head stateを使用してattestationsを検証し、過去の状態の再生を繰り返さないようにしています。

Prysmは、問題は12月4日UTC4:45以降徐々に緩和され、epoch 411480時点でネットワーク参加率が95%以上に回復したと述べています。

Prysmチームは、今回の事件がクライアント多様性の重要性を浮き彫りにしたと指摘し、単一クライアントのシェアが3分の1を超えると一時的にファイナリティが得られなくなる可能性があり、3分の2を超えるとファイナリティのないチェーンのリスクがあるとしています。また、機能スイッチのコミュニケーション不足や、テスト環境で大規模な非同期ノードをシミュレートできなかったことについても反省し、今後はテスト戦略と設定管理を改善するとしています。