En la última década, las cadenas de bloques (blockchains) han cobrado protagonismo como herramientas para coordinar entidades con intereses muy diferentes y posiblemente contrapuestos que se benefician de trabajar juntas. Los sistemas actuales de blockchain mantienen un almacenamiento fiable de los datos, organizados como una secuencia totalmente ordenada de transacciones, y sólo proporcionan coherencia eventual para acceder a ellos. Sin embargo, creemos que hay muchas alternativas que explorar más allá de este servicio habitual. En una dimensión, el orden total entre transacciones es útil, pero a costa de tener que resolver consensos distribuidos, lo que limita la escalabilidad. Algunas aplicaciones pueden no necesitar que las transacciones estén totalmente ordenadas, y podrían coordinarse con garantías de orden más débiles, como no orden, órdenes DAG o barreras (setchains). En otra dimensión, las aplicaciones pueden querer un nivel de coherencia más fuerte que la consistencia eventual, como la linearizabilidad, la coherencia secuencial o la coherencia causal.

En este proyecto, pretendemos enriquecer el ecosistema de blockchains con varios tipos alternativos de objetos de almacenamiento distribuido fiables que permitan almacenar y leer registros de datos. Estos objetos serán tolerantes a fallos bizantinos y proporcionarán un almacenamiento persistente e inmutable. La calidad de servicio (o tipo) de un objeto distribuido fiable vendrá definida por las dos dimensiones presentadas anteriormente: garantías de orden y coherencia. Esto permitirá a las aplicaciones que necesiten coordinarse compartir registros con el nivel adecuado de garantías de orden y el tipo de coherencia deseado.

El interés práctico de estos objetos se ilustrará mediante tres escenarios de aplicación práctica que requieren la implementación de servicios informáticos y de red: (a) coordinación de productores y consumidores de electricidad, (b) coordinación de pelotones (platoons) de vehículos autónomos mediante edge computing, y (c)  construcción de modelos de aprendizaje automático para la conducción asistida mediante aprendizaje federado.

Proyecto PID2022-140560OB-I00 financiado por: