基于区块链网络的数据处理方法、装置、设备及存储介质制造方法及图纸

本申请公开一种基于区块链网络的数据处理方法、装置、设备及存储介质，该方法包括：从交易池包括的多个交易队列中选择目标交易队列，从目标交易队列中选取出N个交易；不同交易队列具有不同的交易复杂梯度；根据目标交易队列的交易复杂梯度，动态确定N个交易对应的区块调度耗时；区块调度耗时与目标交易队列的交易复杂梯度成正相关；在区块调度耗时内执行N个交易中的各个交易，并将在区块调度耗时内所执行完成的交易打包成区块；可提高区块产出效率。率。率。

【技术实现步骤摘要】
基于区块链网络的数据处理方法、装置、设备及存储介质


[0001]本申请涉及区块链
，尤其涉及一种基于区块链网络的数据处理方法、装置、设备及存储介质。

技术介绍

[0002]在目前的区块链场景中，区块链网络中用于实现区块打包的节点，在每次执行区块打包过程时，会从交易池中获取一个或多个交易并执行交易得到相应的执行结果，进而可以将获取到的各个交易以及相应交易的执行结果打包成区块；在该过程中，由于要在执行获取到的各个交易并得到相应的执行结果之后，才将交易和执行结果打包成区块，那么，若获取到的交易中存在异常交易长时间无法执行完成，那么会导致区块长时间无法产出，使得区块产出效率低。

技术实现思路

[0003]本申请实施例提供一种基于区块链网络的数据处理方法、装置、设备及存储介质，可避免在区块打包过程中存在异常交易长时间无法执行完成所导致的区块长时间无法产出的情况的发生，提高区块产出效率。
[0004]一方面，本申请实施例提供了一种基于区块链网络的数据处理方法，包括：从交易池包括的多个交易队列中选择目标交易队列，并从所述目标交易队列中选取出N个交易，N为正整数；其中，不同交易队列具有不同的交易复杂梯度，任一交易队列的交易复杂梯度用于指示：相应交易队列中的交易所处的耗时梯度；不同耗时梯度对应不同交易耗时范围，且任一耗时梯度对应的交易耗时范围的边界值与相应耗时梯度成正相关；根据所述目标交易队列的交易复杂梯度，动态确定所述N个交易对应的区块调度耗时；所述区块调度耗时与所述目标交易队列的交易复杂梯度成正相关，所述区块调度耗时是指：执行所述N个交易时所允许消耗的时长；在所述区块调度耗时内执行所述N个交易中的各个交易，并将在所述区块调度耗时内所执行完成的交易打包成区块。
[0005]一方面，本申请实施例提供了一种数据处理装置，包括：获取单元，用于从交易池包括的多个交易队列中选择目标交易队列，并从所述目标交易队列中选取出N个交易，N为正整数；其中，不同交易队列具有不同的交易复杂梯度，任一交易队列的交易复杂梯度用于指示：相应交易队列中的交易所处的耗时梯度；不同耗时梯度对应不同交易耗时范围，且任一耗时梯度对应的交易耗时范围的边界值与相应耗时梯度成正相关；处理单元，用于根据所述目标交易队列的交易复杂梯度，动态确定所述N个交易对应的区块调度耗时；所述区块调度耗时与所述目标交易队列的交易复杂梯度成正相关，所述区块调度耗时是指：执行所述N个交易时所允许消耗的时长；所述处理单元，还用于在所述区块调度耗时内执行所述N个交易中的各个交易，并
将在所述区块调度耗时内所执行完成的交易打包成区块。
[0006]一方面，本申请实施例提供了一种数据处理设备，所述数据处理设备包括输入接口和输出接口，还包括：处理器，适于实现一条或多条指令；以及，计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行上述基于区块链网络的数据处理方法。
[0007]一方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质中存储有计算机程序指令，所述计算机程序指令被处理器执行时，用于执行上述基于区块链网络的数据处理方法。
[0008]一方面，本申请实施例提供了一种计算机程序产品，计算机程序产品包括计算机程序，该计算机程序存储在计算机存储介质中；数据处理设备的处理器从计算机存储介质中读取该计算机程序，处理器执行该计算机程序，使得数据处理设备执行上述基于区块链网络的数据处理方法。
[0009]本申请实施例中，可以采用不同交易复杂梯度的交易队列来存储不同耗时梯度的交易，采用同一交易复杂梯度的交易队列来存储相同耗时梯度的交易，可以从不同交易复杂梯度的交易队列中选择目标交易队列，并从目标交易队列中选取出N个交易；进一步可以根据目标交易队列的交易复杂梯度，动态确定N个交易对应的区块调度耗时，来限制该N个交易的执行时长，也就是说，可以在区块调度耗时内执行N个交易中的各个交易，并将在区块调度耗时内所执行完成的交易打包成区块；可以根据不同交易队列的交易复杂梯度，动态确定从相应交易队列中选取出的N个交易所对应的区块调度耗时，来限制从不同交易队列中选取出的N个交易的执行时长，那么，即使选取出的N个交易中存在异常交易长时间无法执行完成，也不会导致区块长时间无法产出，即可以避免由于选取出的N个交易中存在异常交易长时间无法执行完成所导致的区块长时间无法产出的情况的发生，提高区块产出效率；并且，动态确定出的N个交易对应的区块调度耗时与目标交易队列的交易复杂梯度成正相关，也就是说，可以为从高交易复杂梯度的交易队列中选取出的，处于高耗时梯度的N个交易，动态确定出较长的区块调度耗时，为从低交易复杂梯度的交易队列中选取出的，处于低耗时梯度的N个交易，动态确定出较短的区块调度耗时，相较于配置一个固定的区块调度耗时，若配置的固定区块调度耗时过小，会导致高耗时梯度的正常交易无法被执行完成，进而无法被打包成区块，若配置的固定区块调度耗时过大，那么会导致耗时过长的异常交易也有可能被打包成区块，而本方案可以根据不同交易队列的交易复杂梯度，动态确定从相应交易队列中选取出的N个交易所对应的区块调度耗时，使得动态确定出的区块调度耗时与需要打包的N个交易更加适配，可以减小上述情况发生的可能性。
附图说明
[0010]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0011]图1是本申请实施例提供的一种区块的结构示意图；
图2是本申请实施例提供的一种数据处理系统的结构示意图；图3是本申请实施例提供的另一种数据处理系统的结构示意图；图4是本申请实施例提供的一种基于区块链网络的数据处理方法的流程示意图；图5是本申请实施例提供的另一种基于区块链网络的数据处理方法的流程示意图；图6是本申请实施例提供的一种基于交易队列的处理优先级从交易池中选择N个交易的示意图；图7是本申请实施例提供的一种对机器学习模型进行训练更新的示意图；图8是本申请实施例提供的一种执行数据处理方法的示意图；图9是本申请实施例提供的另一种执行数据处理方法的示意图；图10是本申请实施例提供的一种数据处理设备的模块示意图；图11是本申请实施例提供的又一种执行数据处理方法的示意图；图12是本申请实施例提供的再一种执行数据处理方法的示意图；图13是本申请实施例提供的一种数据处理装置的结构示意图；图14是本申请实施例提供的一种数据处理设备的结构示意图。
具体实施方式
[0012]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0013本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链网络的数据处理方法，其特征在于，包括：从交易池包括的多个交易队列中选择目标交易队列，并从所述目标交易队列中选取出N个交易，N为正整数；其中，不同交易队列具有不同的交易复杂梯度，任一交易队列的交易复杂梯度用于指示：相应交易队列中的交易所处的耗时梯度；不同耗时梯度对应不同交易耗时范围，且任一耗时梯度对应的交易耗时范围的边界值与相应耗时梯度成正相关；根据所述目标交易队列的交易复杂梯度，动态确定所述N个交易对应的区块调度耗时；所述区块调度耗时与所述目标交易队列的交易复杂梯度成正相关，所述区块调度耗时是指：执行所述N个交易时所允许消耗的时长；在所述区块调度耗时内执行所述N个交易中的各个交易，并将在所述区块调度耗时内所执行完成的交易打包成区块。2.如权利要求1所述的方法，其特征在于，所述方法还包括：若所述N个交易中存在目标交易，所述目标交易是指在所述区块调度耗时内未执行完成的交易，则将所述目标交易存储至所述多个交易队列中的备选交易队列中；其中，所述备选交易队列的交易复杂梯度，大于所述目标交易队列的交易复杂梯度。3.如权利要求2所述的方法，其特征在于，所述方法还包括：获取在当前时刻之前，所述目标交易历史被执行的总次数；所述当前时刻是指：确定所述N个交易中存在目标交易的时刻；若获取到的总次数小于次数阈值，则将所述目标交易重新存储至所述目标交易队列中；若获取到的总次数大于或等于所述次数阈值，则触发执行将所述目标交易存储至所述多个交易队列中的备选交易队列中的步骤。4.如权利要求1所述的方法，其特征在于，所述从交易池包括的多个交易队列中选择目标交易队列，包括：遍历所述交易池包括的多个交易队列，将当前遍历的交易队列确定为当前交易队列；根据所述当前交易队列中的各个交易的预测耗时，确定所述当前交易队列的耗时参数；其中，交易的预测耗时是指：对交易被执行完成所需的时长进行预测所得到的预测值；根据所述当前交易队列的耗时参数，确定所述当前交易队列的处理优先级；其中，所述当前交易队列的处理优先级与相应耗时参数成正相关；在所述多个交易队列均被遍历后，根据所述多个交易队列中的各个交易队列的处理优先级，从所述多个交易队列中选择所述目标交易队列。5.如权利要求4所述的方法，其特征在于，所述根据所述当前交易队列中的各个交易的预测耗时，确定所述当前交易队列的耗时参数，包括：对所述当前交易队列中的各个交易的预测耗时进行平均处理，得到所述当前交易队列的耗时参数。6.如权利要求4所述的方法，其特征在于，所述根据所述当前交易队列的耗时参数，确定所述当前交易队列的处理优先级，包括：获取所述当前交易队列的队列参数，所述队列参数包括等待时长和交易数量中的一种或多种；其中，所述当前交易队列的等待时长是指：所述当前交易队列中最早接收到的交易的接收时间点和当前时间点之间的间隔时长，所述当前时间点是指获取所述队列参数的时
刻；所述当前交易队列的交易数量是指：所述当前交易队列中所包括的交易的数量；根据所述当前交易队列的耗时参数以及所述队列参数，确定所述当前交易队列的处理优先级；其中，所述当前交易队列的处理优先级与相应耗时参数成正相关的同时，也与相应队列参数成正相关。7.如权利要求2或3所述的方法，其特征在于，所述备选交易队列的各个交易的选取顺序，与相应交易在所述备选交易队列中的排列顺序成正相关；所述将所述目标交易存储至所述多个交易队列中的备选交易队列中，包括：将所述目标交易存储至所述多个交易队列中的备选交易队列的首部。8.如权利要求1所述的方法，其特征在于，所述根据所述目标交易队列的交易复杂梯度，动态确定所述N个交易对应的区块调度耗时，包括：根据所述目标交易队列的交易复杂梯度以及所述N个交易的交易数量，动态确定所述N个交易对应的区块调度耗时；其中，所述区块调度耗时与所述目标交易队列的交易复杂梯度成正相关的同时，也与所述N个交易的交易数量成正相关。9.如权利要求8所述的方法，其特征在于，所述根据所述目标交易队列的交易复杂梯度以及所述N个交易的交易数量，动态确定所述N个交易对应的区块调度耗时，包括：获取预设的默认调度耗时、梯度影响因子和交易数量影响因子；根据所述梯度影响因子和所述目标交易队列的交易复杂梯度，确定所述目标交易队列的交易复杂梯度对所述默认调度耗时的影响度；根据所述交易数量影响因子和所述N个交易的交易数量，确定所述N个交易的交易数量对所述默认调度耗时的影响度；基于确定出的两个影响度，对所述默认调度耗时进行调整，得到所述N个交易对应的区块调度耗时。10.如权利要求8所述的方法，其特征在于，所述根据所述目标交易队列的交易复杂梯度以及所述N个交易的交易数量，动态确定所述N个交易对应的区块调度耗时，包括：获取在交易复杂梯度维度下所预设的第一基准调度耗时，...

【专利技术属性】
技术研发人员：卢光宏，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：