ماینینگ

همه چیز در مورد ماینینگ چیا

چیا چیست ؟

پروژه‌ی رمزارزی چیا(Chia) توسط برام کوهن(Bram Cohen) که ساخت پروتکل بیت تورنت را در کارنامه دارد، توسعه داده شده است. بسیاری از فعالان صنعت رمزارزی چیا را با پروژه‌های بزرگی همانند بیت کوین و اتریوم مقایسه می‌کنند. همانند بیت کوین و اتریوم شبکه‌ی چیا توسط زبان برنامه‌نویسی اختصاصی با نام چیا‌لیسپ(Chialisp) ایجاد شده است.

چیالیسپ به‌طور مشابه با زبان برنامه نویسی سولدیتی(Solidity) شبکه‌ی اتریوم نقش‌آفرینی می‌کند که امکان ایجاد قراردادهای هوشمند را در این شبکه فرآهم کرده است. چیالیسپ برای ایجاد فناوری برنامه‌های غیرمتمرکز همانند سکه‌های رنگی(Colored Coins)، کیف‌پول‌های مولتی سیگنیچر(Multi-signature Wallets) و کیف‌پول‌های قابل بازیابی(Recoverable Wallets) طراحی شده است.

دانلود وایت پیپر

متن کوتاه از وایت پیپر

این سند اصول اساسی اجماع را ترسیم می کند
لایه (زنجیره بلوکی) شبکه Chia. از آن الهام گرفته و مشابه آن است
به بلاکچین بیت کوین ، که وقتی اکثریت از آنها به توافق می رسند
قدرت محاسباتی که برای تأمین آن اختصاص داده شده توسط صادقانه کنترل می شود
مهمانی. در Chia منبع ، قدرت محاسبه نیست بلکه فضای دیسک است.
برای دستیابی به این هدف ، اثبات کار مورد استفاده در بیت کوین با جایگزین می شود
اثبات فضا. برای به دست آوردن پویایی استخراج مانند بلاکچین بیت کوین ،
Chia اثبات فضا را با عملکرد تأخیر قابل تأیید جایگزین می کند.
ما یک تجزیه و تحلیل امنیتی اولیه از ستون فقرات Chia ارائه می دهیم
حداقل تا زمانی که حداقل 61.5 ≈ از فضا توسط احزاب صادق کنترل شود
Chia خصوصیات اساسی امنیت بلاکچین را برآورده می کند.

 

معماری شبکه

https://github.com/Chia-Network/chia-blockchain/wiki/Network-Architecture

 

 

گره های کامل
هسته اصلی سیستم از گره های کامل تشکیل شده است. گره های کامل چندین مسئولیت دارند:

یک نسخه از بلاکچین را حفظ کنید
اعتبار بلاکچین را تأیید کنید
از طریق شبکه ، از طریق پروتکل همتا ، بلوک ها ، معاملات و اثبات های جدید را تبلیغ کنید
(اختیاری) از طریق پروتکل کیف پول به مشتریان سبک (کیف پول) خدمت کنید
(اختیاری) با کشاورزان و موعد مقررات ارتباط برقرار کنید

گره های کامل هیچ پاداش و هزینه ای دریافت نمی کنند ، اما برای حفظ قوانین اجماع و امنیت سیستم مهم هستند. اجرای یک گره کامل به کاربر اجازه می دهد تا از وضعیت کامل بلاکچین اطمینان داشته باشد و از اعتماد به دیگران خودداری کند.

گره های کامل همیشه به مجموعه تصادفی دیگری از گره های کامل در شبکه متصل می شوند.

Farmers

کشاورزان چیا مشابه استخراج کنندگان بیت کوین هستند. آنها با تلاش برای ایجاد بلوک های معتبر قبل از دیگران پاداش و هزینه بلوکی کسب می کنند. کشاورزان کپی بلاکچین را نگهداری نمی کنند ، اما برای ارائه به روزرسانی ها به یک گره کامل اعتماد دارند.

کشاورزان از طریق پروتکل دروگر با دستگاه های برداشت (ماشین های جداگانه ای که در واقع قطعات را ذخیره می کنند) ارتباط برقرار می کنند.

گره کامل و کشاورز از طریق پروتکل کشاورز با یکدیگر ارتباط برقرار می کنند.

کاربرانی که مایل به مزرعه انفرادی هستند می توانند کشاورز ، برداشت کننده و گره کامل را در همان دستگاه اجرا کنند.

کشاورزان با انتظار برای به روزرسانی از یک گره کامل ، کار می کنند که هر بار ایجاد یک بلوک جدید ، به آنها چالش_هوش جدید می دهد. سپس کشاورزان از همه برداشت کنندگان اثبات کیفیت فضا را می خواهند. این کیفیت ها ، بر اساس فرمول تکرار ، منجر به زمان بلوک مورد انتظار می شود. کشاورز می تواند مدارک کامل فضا را برای مدارکی که انتظار می رود به زودی پایان یابد ، از ماشین های برداشت برداشت کند. اثبات کامل را می توان در گره های کامل منتشر کرد ، یا به عنوان جزئی به استخر ارسال کرد.

Harvesters برداشت کننده ها
برداشت کننده ها ماشین های جداگانه ای هستند که توسط یک کشاورز کنترل می شوند. در یک عملیات بزرگ کشاورزی ، ممکن است یک کشاورز به بسیاری از دروگرها متصل شود.

ماشین برداشت با بازیابی کیفیت یا اثبات از دیسک ، پرونده های واقعی طرح را کنترل می کنند. هر پرونده طرح مربوط به یک طرح است و برای هر چالش تصادفی 32 بایت ، مقدار مورد انتظار یک اثبات فضا وجود دارد (اگرچه گاهی اوقات صفر یا بیشتر از یک وجود دارد). در درایوهای استاندارد HDD ، واکشی یک کیفیت حدود 8 مورد جستجوی دیسک تصادفی یا حداکثر 50 میلی ثانیه طول می کشد ، در حالی که واکشی اثبات آن 64 مورد جستجوی دیسک یا 500 میلی ثانیه طول می کشد. برای اکثر چالش ها ، کیفیت بسیار پایین خواهد بود ، بنابراین واکشی کامل دلیل لازم نیست. برای هر درایو حد بالایی از تعداد طرح ها وجود دارد ، زیرا واکشی کیفیت ها به زمان نیاز دارد. با این حال ، از آنجا که یک فاکتور ثابت در فرمول تکرار وجود دارد (هر بلوک باید اثبات زمان حداقل حدود 30 ثانیه داشته باشد) ، زمان های IO دیسک نباید مشکلی ایجاد کند.

سرانجام ، ماشین های برداشت نیز برای هر قطعه کلید خصوصی دارند. این کلید خصوصی همان چیزی است که در واقع بلوک را نشان می دهد ، به کشاورزان / برداشت کنندگان (در مقابل استخرها) اجازه می دهد تا محتوای یک بلوک را کنترل کنند.

موقت زمان Timelords
Timelords با ایجاد اثبات متوالی زمان (با استفاده از توابع تأیید تأیید پذیر) در بالای بلوک های ناتمام ، از شبکه پشتیبانی می کند. از آنجا که این محاسبه پی در پی است ، در مقایسه با اثبات سیستم های کاری که محاسبات به صورت موازی قابل انجام است ، انرژی بسیار کمی مصرف می شود. Timelords همچنین به گره های کامل متصل می شوند. اگرچه timelords هیچ جایزه ای دریافت نمی کند ، اما فقط یک timelord آنلاین باید وجود داشته باشد تا بلاکچین به جلو حرکت کند.

کسی که دارای زمان بندی سریعتر است نیز می تواند از فضای خود پاداش بیشتری کسب کند ، زیرا بلوک های آنها کمی سریعتر از سایر کشاورزان به پایان می رسد.

علاوه بر این ، یک مهاجم با زمان بند بسیار سریعتر می تواند به طور بالقوه 51٪ با کمتر از 51٪ فضای به شبکه حمله کند ، به همین دلیل طراحی های باز سخت افزار VDF برای امنیت بلاکچین بسیار مهم است.

pool استخرها

استخرها به کشاورزان اجازه می دهد تا پاداش خود را با کسب درآمد مبتنی بر اثبات جزئیات فضا ، در مقابل بلوک های برنده ، صاف کنند. کلیدهای عمومی استخر باید خود در قطعات تعبیه شده باشند ، بنابراین نمی توان استخر را تغییر داد مگر اینکه کل طرح از نو ساخته شود.

استخرها معاملات سکه را ایجاد و هزینه می کنند ، اما در پروتکل استخر Chia آنها در واقع محتوای بلوک را انتخاب نمی کنند. این قدرت بیشتری به کشاورزان می دهد و در نتیجه باعث کاهش نفوذ استخرهای متمرکز می شود.

کشاورزان به طور دوره ای جزئیاتی را که حاوی اثبات فضا و امضا است ، به استخرها می فرستند.

کیف پول wallet

کیف پول ها می توانند از طریق پروتکل کیف پول با گره های کامل ارتباط برقرار کنند. این پروتکل مشابه پروتکل SPV بیت کوین است و امکان بررسی تراکنش ها و وزن بلوک را بدون نیاز به پهنای باند و پردازنده در گره های کامل فراهم می کند. گره های کیف پول مشابه گره های کامل هستند ، از این نظر که سرورهایی هستند که با سایر همتا در شبکه ارتباط برقرار می کنند. مورد معمول این است که کیف پول را به صورت محلی همراه با یک گره کامل اجرا کنید ، جایی که کیف پول فقط به گره کامل متصل می شود.

کیف پول همچنین وظیفه مدیریت کلیدهای خصوصی ، تولید ، ذخیره و ارسال معاملات را بر عهده دارد. کیف پول RPC HTTP websocket JSON API را نشان می دهد ، که رابط کاربر می تواند برای اجرای دستورات از آن استفاده کند.

رابط کاربری گرافیکی الکترونی
https://github.com/Chia-Network/chia-blockchain/wiki/k-sizes

توضیحاتی در مورد ماینینگ چیا

در ابتدا لازم است بدانید که ماینرچیا بودن دو قسمت بسیار متفاوت دارد. PLOT و FARM

توصیح اولیه ما این است با انچه در اختیار دارید ابتدا یک نقشه طراحی کنید . برای ایجاد PLOT در حال حاظر به هارد های SSD نیاز دارید و برای قسمت FARM به HDD

شما واقعاً هرگز نیازی به ترسیم نقشه با اندازه k بزرگتر از 32 ندارید. کسانی که نقشه بزرگتری می کشند یا این کار را برای خودنمایی انجام می دهند (و ما این کار را برای سرگرمی تشویق می کنیم) یا اینکه فضای باز را در یک درایو خاص پر کنید. k32 پس از تکمیل 101.3 گیگابایت فضا اشغال می کند اما در هنگام ایجاد به مجموعاً 239 گیگابایت فضای موقت نیاز دارد. یک فرآیند نقشه برداری k32 هرگز به بیش از 239 گیگابایت فضا نیاز ندارد. در اینجا باید مراقب بود زیرا 239 گیگابایت از 1024 به عنوان مقسوم علیه خود استفاده می کند در حالی که GB یا گیگابایت از 1000 به عنوان تقسیم کننده استفاده می کند. این بدان معناست که شما به 256.6 گیگابایت فضای موقت نیاز خواهید داشت و پرونده نهایی 108.8 گیگابایت طول خواهد کشید. نقشه k32 توسط یک متخصص که ما می شناسیم در کمتر از 4 ساعت انجام می شود ، اما اکثر کارشناسان در 5 ساعت نقشه می کشند و بیشتر افراد به طور متوسط ​​حدود 9-12 ساعت هستند.

ایجاد طرح فرایندی است که حافظه RAM ، چرخه های پردازنده ، IO را به دیسک های شما می برد و از آنها در هر چهار مرحله رسم متفاوت استفاده می کند. هر کس می خواهد یک جواب جادویی “درست” یا استفاده از هوش مصنوعی برای کشف استراتژی بهینه طراحی برای ماشین خود را بدست آورد. اما تقریباً هر دستگاهی در یکی از این پارامترها متفاوت است ، بنابراین فقط باید امتحان کنید. با طولانی مدت ، ما می توانیم از دستگاه شما سال کنیم و برخی از توصیه ها را ارائه دهیم ، اما امروز نیست. شما واقعاً باید آزمایش کنید. و نه ، متخصصان در کانالهای مختلف Keybase نیز از بهترین تنظیمات شما اطلاع ندارند

شروع کردن
فاز اول با ایجاد هفت جدول هش رمزنگاری و ذخیره آنها در فهرست موقت ، تمام اثبات های فضای شما را ایجاد می کند. فاز 2 از طریق هش ها ، مرتب سازی مرحله 3 و به صورت الگوریتمی این هش ها را در دایرکتوری موقت فشرده می کند در حالی که شروع به ساختن پرونده نهایی می کنید و فاز 4 پرونده را تکمیل می کند و آن را به مقصد طرح نهایی خود منتقل می کند.

یکی از گلوگاه های اصلی معمولاً سرعت پایدار نوشتن کامل دیسک در زیر فهرست موقتی شماست. اگر واقعاً می خواهید سریع پیش بروید و SSD های مصرف کننده را فدا نکنید ، نقشه SSD را استفاده می کنیم. NVMe سریعتر از SAS و SAS سریعتر از SATA هستند. این بررسی اجمالی PC World از فناوری های ذخیره سازی می تواند این اختصارات و تفاوت ها را توضیح دهد. TBW یا ترابایت نوشته شده ، به طور کلی نحوه اندازه گیری عمر درایو SSD است. یک k32 1.8TiB را در حالت غیر bitfield و 1.6 TiB را با bitfield فعال می نویسد. در یک لحظه اطلاعات بیشتری در مورد bitfield کسب کنید.

با این وجود ساخت سریعترین طرح سریع بهترین استراتژی طراحی نیست. غالباً به دلیل استفاده از هسته توربو آن پردازنده چند هسته ای ، سرعت شگفت انگیزی کسب می کنید. افرادی که بیشترین نقشه را می کشند نشان داده اند که شما باید روزانه در سل (اگر مانند مدرسه ما قدیمی هستید) در سل اندازه گیری کنید. روش بدست آوردن حداکثر سل در روز ، ترسیم نقشه های زیادی به طور موازی است. برخی از برترین توطئه گرها از SSD های مرکز داده استفاده می کنند. برخی از درایوهای SAS استفاده می کنند. Raid 0 برای اتصال چند درایو سریع سریع به یک پارتیشن 2 ترابایتی بسیار مفید است ، بنابراین می توانید 5 k32 فضای موقتی را در آن یک درایو RAID مجازی قرار دهید.

همه اینها گفت ، برای نقشه شخصی خودم از iMac 2017 و یک درایو خارجی 12 ترابایتی Western Digital روی USB 3.0 برای پوشه موقت و نهایی استفاده می کنم و تقریبا هر 10 ساعت یک k32 دریافت می کنم.

فرضیات خوب
در حال حاضر چند قانون خوب وجود دارد. این ممکن است تغییر کند زیرا ما پس از راه اندازی مجدداً به انجام برخی از پیشرفت های سرعت نقشه کشی باز خواهیم گشت. ابتدا باید بیت فیلد را در مقابل عدم رسم بیت فیلد توضیح دهیم. در ابتدا ، توطئه گر از مرتب سازی بیت فیلد استفاده نمی کرد. مرتب سازی bitfield back از لحاظ نظری سریعتر از عدم استفاده از bitfield است و ما قبلاً می دانیم که 12٪ در کل نوشتن صرفه جویی می کند اما به RAM بیشتری نیاز دارد. ما می دانیم که می توانیم bitfield را 10٪ افزایش دهیم و آن را روی پردازنده های بیشتری کار کنیم اما این هنوز وجود ندارد. آنچه ما می دانیم این است که ، تا زمانی که 12٪ کل نوشتن را رعایت کنید ، وقتی SSD یا SAS سریع دایرکتوری موقت شما باشد ، هیچ بیت فیلدی سریعتر کار نخواهد کرد. اگر فهرست موقت شما روی HDD معمولی باشد ، مانند من ، bitfield 20٪ سریعتر از هیچ bitfield است. پردازنده های قدیمی تر ممکن است همانطور که در بالا ذکر شد ، افزایش سرعت را مشاهده نکنند.

بازگشت به قوانین ، در اینجا چند مورد آورده شده است. اندازه نوار 65536 را هرگز لمس نکنید. کسی بیش از این مقدار سرعت پیدا نکرده است و ما احتمالاً آن را از لیست گزینه ها حذف می کنیم. (به روزرسانی: از تاریخ 3/11/21 اندازه نوار به عنوان یک گزینه حذف شده است.) تقریباً هرگز نمی خواهید از مقادیر سطلی به غیر از 128 استفاده کنید. سطل های کمتری به RAM بیشتری برای هر فرآیند نقشه کشی احتیاج دارند. 64 سطل به RAM دو برابر نیاز دارد.

تا آنجا که به تعداد رشته ها مربوط می شود ، شما به طور کلی 2 تا 4 را می خواهید. به نظر می رسد بیش از 4 بازده در حال کاهش است و 2 موضوع بسیار بهتر از 1 است. برای تکمیل موفقیت آمیز طرح ، تعداد بیشتری از رشته ها نیز به حافظه کمی بیشتر نیاز دارند. رشته در حال حاضر فقط در فاز 1 استفاده می شود.

از Chia 1.0.4 ، نیازهای RAM تقریباً بین bitfield و بدون bitfield یکسان است. این یک نمودار از گزینه های مختلف RAM با فرض یک k32 با 128 سطل و 2 تا 4 رشته است:

 

RAM MiB: Minimum Medium Maximum
Bitfield 900 2640 3400
No Bitfield 900 2640 3400

 

در زیر حداقل طرح شما ناموفق خواهد بود. متوسط ​​به اندازه کافی RAM است که بیشترین پیشرفت را در سرعت خواهید داشت ، اما نه همه. این زمانی مفید است که شما می خواهید فرآیندهای رسم بیشتر را به موازات خود داشته باشید و حافظه RAM محدودی داشته باشید. استفاده از هر چیزی بیش از حد حداکثر ، هدر دادن حافظه RAM است زیرا با سرعت بیشتری نقشه نخواهید کشید. ما در مورد حداقل ها و حداکثرها کاملاً مطمئن هستیم اما بحث جامعه درباره ارزش های متوسط ​​وجود دارد. ما به دلیل اینکه داده های بهتری داریم ، این نمودار را به روز می کنیم.

تسلط بر نقشه کشی
بیشتر افراد از GUI نقشه کشی را شروع می کنند. می توانید به طور موازی از آنجا چند طرح را با موفقیت به اتمام برسانید تا همه چیز را رها کنید. همانطور که افراد تصمیم می گیرند جدی تر شوند ، آنها به خط فرمان مهاجرت می کنند. شایان ذکر است که در حال حاضر ویندوز 5-10٪ زمان کندتر درمقابل MacOS یا Linux رنج می برد.

به محض کسب تجربه ، احتمالاً می خواهید بدانید که چگونه می توان به طور موازی نقشه های بیشتری ایجاد کرد. خوشبختانه ما در YouTube تکرار کوکتل های خود را با کارشناسان نقشه انجام می دهیم. آنها در مورد رویکردهای مختلف خود چیزهای زیادی برای به اشتراک گذاشتن داشتند. برخی از سرورها و مرکز داده SSD استفاده می کنند ، برخی از آنها سرورهای دست دوم و درایوهای SAS را برای دایرکتوری های موقت خریداری می کنند ، برخی دیگر دستگاه های مصرف کننده / بازی خود را گسترش می دهند و برخی دیگر نیز تمرکز خود را بر روی بسیاری از ماشین های کوچک تر استفاده می کنند. بسیاری از آنها صفحه گسترده ای از سخت افزار رسم مرجع با سرعت طرح را برای کمک به شما در فکر سخت افزارهایی که ممکن است بخواهید تغییر دهید یا بدست آورید ، تهیه کرده و ببینند که چگونه نتایج نقشه برداری شما اندازه گیری می شود.

هنگامی که نقشه کشی موازی را شروع می کنید ، باید مراقب باشید در هنگام نقشه کشی ، حافظه را بیش از حد اختصاص ندهید. اگر باعث تعویض سیستم عامل خود شوید ، از نتیجه خود خوشحال نخواهید شد. لازم نیست در مورد تعداد موضوع دقت کنید.

این نیز یک استراتژی توطئه بسیار معمول است که می توانید روی ماشین بازی خود بگویید و سپس طرح های خود را به Raspberry Pi 4 با تعداد زیادی پورت USB منتقل کنید. تنها آنچه شما نیاز دارید همان mnemonic 24 کلمه ای خود در هر دو دستگاه است. روش دیگر این است که شما فقط می توانید یک ماشین برداشت از راه دور را روی Pi خود اجرا کنید و از آن بخواهید که به دستگاه بازی شما که در آن گره و کشاورز را اجرا می کنید متصل شود و فقط کلیدهای خصوصی خود را روی یک دستگاه داشته باشید.

محاسبه ksize

 

i7-9700K Desktop Windows
Processor: Intel(R) Core(TM) i7-9700 CPU @ 3.60GHz 8 Cores
Memory: 16GiB
Motherboard: Asus ROG STRIX Z390-H Gaming
Storage: -t Sabrent Rocket 2TB SB-ROCKET-NVMe4-2TB
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization (phase 1) CPU Total -b setting Version Note
34 397.25 1,406.57 429.88 0.305622898 1176.478 100% 100% -b 12000 -u 128 -r 8 b17
33 181.17 675.17 208.83 0.309301735 588.203 100% 100% -b 6000 -u 128 -r 8 b17
i5-4690K Debian 10 Desktop
Processor: Intel i5-4690k (4 cores @ 3.9GHz)
Memory: 8GB DDR3 1600Mhz
Storage: 1TB Samsung 870 EVO SATA SSD
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version
32 162.1 422.43 101.3 0.2398 269.326 101% -e -b 4000 -r 2 1.1.1
33 — 896.03 208.8 0.2330 588.227 103% -e -b 4000 -r 2 1.1.1
Beta 14 Data
The following are data collected from plotting using the older and slower beta beta versions.

i9-9900 Gaming Desktop, Z390
Processor: Intel(R) Core(TM) i9-9900 CPU @ 3.10GHz (turbo up to 5GHz)
Memory: 2x 32GiB DIMM DDR4 2666MHz
Motherboard: Asus TUF Z390-PRO GAMING
Storage: -t Intel SSD DC P4600 Series, 3.2TB NVMe, first run on 750GB Optane P4800X
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization (phase 1) CPU Total -b setting Version Note
32 68.52 248.12 101.32 0.408345698 286.57 365% 171.36% -b 4096 -u 128 -r 16 b14 single
32 204.37 596.60 101.30 0.169795508 286 184.7 128.6 -b 5000 -u 128 -r 4 b14 8 at once, 1.36 GiB/min total
mini ITX NAS build
Processor: Intel(R) Core(TM) i5-9600K CPU @ 4.20GHz
Memory: 2x 16GiB DIMM DDR4 Synchronous Unbuffered (Unregistered) 2667 MHz
Storage: -t Intel SSD DC P4600 Series, 3.2TB NVMe
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization (phase 1) CPU Total -b setting Version Note
32 130.12 359.65 101.36 0.282 286.647 172.71 123.08 -b 5000 -u 128 -r 4 -t b14 running 5 in parallel
32 155.28 389.45 101.326 0.260 286.58 150.33 116.86 -b 5000 -u 128 -r 4 -t b14
32 144.07 378.38 101.32 0.268 286.573 159.03 119.24 -b 5000 -u 128 -r 4 -t b14
Fedora Server 32
AMD Ryzen 7 3800x
128 GB RAM
LVM Software RAID-0, 2x NVME Gigabyte Aorus 1TB

k Phase 1 F1/Total (min) Plot time (min) Plot size (GiB) GiB/min working (GiB) CPU Phase 1 CPU Total -b -r -u -s Version
32 4.36/89.80 266.63 101.337 0.3800 286.601 220.730% 140.130% 26,700 8 128 1048576 1.14
32 4.33/84.82 263.58 101.418 0.3800 286.601 308.550% 166.400% 5,000 16 128 65536 1.14
Beta 8 thru Beta 13
These results from various machines should give a sense of how long and how much space a plot will take on different hardware. The first section is from Beta 1.8 or newer. Historical data is below and is currently still useful at the Beta 1.8 stage. Please add yours here or post the details in the #testnet channel of the Keybase Chat. The theory and process of plotting are described in the Chia Proof of Space Construction document.

estimated space = 0.762 * k * 2^k bytes

k space GiB temp GiB space GB temp GB
28 5.33 32.00 5.73 34.36
29 11.05 66.29 11.86 71.18
30 22.86 137.16 24.55 147.27
31 47.24 283.46 50.73 304.37
32 97.54 585.22 104.73 628.37
33 201.17 1207.01 216.00 1296.01
34 414.53 2487.17 445.10 2670.58
35 853.44 5120.64 916.37 5498.25
AWS EC2 r5d.8xlarge – Pre release Beta 12
Processor: 32 Intel(R) Xeon(R) Platinum 8259CL CPU @ 2.50GHz
Memory: 256GiB
Storage: tempdir: Amazon.com, Inc. NVMe SSD (Ubuntu 20.04) finaldir: Amazon.com, Inc. NVMe SSD
~ – MB/s write
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
30 84.9 168.1 23.8 0.142 67.3 98.11 % 192 GiB pre 1.12
31 178.1 359.0 49.2 0.140 135.0 95.52 % 192 GiB pre 1.12
32 399.5 796.0 101.2 0.127 391.0 92.50 % 192 GiB pre 1.12
Dell Inspiron Desktop
Intel Hexacore i5 8400
8 GiB DDR4
Western Digital WD7500AYYS 750GB 7200 RPM
~ write
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
32 1526.128 4253.52 101.3 0.024 529 100 %. default 1.9 Using Native Window Plotter, not WSL2
Dell Inspiron Desktop
Intel Hexacore i5 8400
8 GiB DDR4
Toshiba dt01aca100 7200 RPM – 1TB Hard Drive
~ write
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
32 1001.865 2572.58 101.3 0.039 529 100 %. default 1.9 Using Native Window Plotter, not WSL2
MacBook Pro (13-inch, 2019, Four Thunderbolt 3 ports)
2.8 GHz Quad-Core Intel Core i7
16 GiB 2133 MHz LPDDR3
APPLE SSD AP1024M
~ 2900 MB/s write
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
30 149.91 327.83 23.79 0.0726 125.93 83.74%. default 1.8
Ubuntu 19.04
Intel(R) Xeon(R) W-2155 CPU @ 3.30GHz (10 cores)
64 GiB PC4-21300 DDR4-2666V-R REGISTERED ECC
Western Digital 4 TB WD10EZEX
~ – MB/s write
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
29 60.36 128.9 11.52 0.0893 61.00 81.77%. default 1.8
30 131.25 302.8 23.82 0.0787 126.02 79.86%. default 1.8
31 333.50 724.3 49.17 0.0679 262.04 70.66%. default 1.8
32 674.69 1577.7 101.3 0.0642 523.93 63.74%. default 1.8
33 1738.2 4285.56 208.8 0.0487 1095.91 52.53% default 1.8
Ubuntu 20.04.1 LTS
Intel(R) Xeon(R) E3-1270v6 CPU @ 3.80GHz (4 cores)
Samsung(R) M391A2K43BB1-CRC 32GB (2x16GB) PC4-19200 DDR4 2400Mhz ECC
Intel(R) P4510 NVMe SSD 1TB (2x1TB in RAID 1)
fio 1 MiB randwrite: ~800 MiB/s; fio 4 KiB randwrite: ~360 MiB/s
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
32 352.47 854.27 101.36 0.1187 641.66 83.85% 20000 1.11 used cli -f -p
32 343.18 838.89 101.38 0.1209 621.71 84.43% 20000 1.10 used cli -f -p
32 378.90 869.49 101.37 0.1166 524.03 85.24% 20000 1.9 used cli -f -p
Razer Blade Stealth 2018
Intel(R) Core(TM) i7-8550U CPU @ 1.80GHz, 2001 Mhz, 4 Core(s), 8 Logical Processor(s)
16 GiB RAM
Samsung SSD PM981 MZVLB512HAJQ
Crystal – CDM 5 Write Seq: 1468 MB/s
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
31 278.5 613.09 49.134 0.0801 261.944 100.0% default 1.8
Intel Pentium CPU G4500 in WSL2 on ext4
Intel Pentium CPU G4500 @ 3.50Ghz – no AVX
8 GB RAM
Samsung SSD 860 EVO 250GB
? MB/s
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
30 244.8 540.59 23.82 0.0441 126.014 83.62% default 1.8
Intel Pentium CPU G4500 in Windows on NTFS
Intel Pentium CPU G4500 @ 3.50Ghz – no AVX
8 GiB RAM
Samsung SSD 860 EVO 250GB
? MB/s
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
30 153.6 359.62 23.83 0.0663 126.038 100% default 1.8
AWS EC2 r5dn.12xlarge
Processor: 48 Intel(R) Xeon(R) Platinum 8259CL CPU @ 2.50GHz
Memory: 374GiB
Storage: tempdir: ramdisk of 310GiB (Ubuntu 18.04) finaldir: Amazon.com, Inc. NVMe SSD
~ – MB/s write
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
30 81.50 165.49 23.80 0.14382 125.95 99.99%. 64GiB 1.8
31 185.59 361.67 49.17 0.13595 262.04 99.99%. 64GiB 1.8
AWS EC2 i3en.large
Processor: 2 Intel(R) Xeon(R) Scalable (Skylake) processors with new Intel Advanced Vector Extension (AVX-512) instruction set @ 3.1 GHz
Memory: 16 GiB
Storage: 1 x 1,250 NVMe SSD
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
32 576.30 1360.41 101.338 0.0745 523.946 79.19%. 6GiB 1.8
AWS EC2 i3.xlarge
Processor: 4 Intel(R) Xeon(R) E5-2686 v4 (Broadwell) CPU @ 2.30 GHZ
Memory: 30.5 GiB
Storage: 1 x 950 NVMe SSD
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
32 616.78 1340.32 101.338 0.0742 523.997 90.96%. 20GiB 1.8
Raspberry Pi 4
Processor: Broadcom BCM2711, Quad core Cortex-A72 (ARM v8) 64-bit SoC @ 1.5GHz
Memory: 4 GB LPDDR4-3200 SDRAM
Storage: Samsung 860 EVO V-NAND SSD 1 TB (SATA to USB 3.0 connection)
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
30 448.87 919.50 23.8151 0.0259 125.996 92.92%. 2GiB 1.8
31 940.39 1958.23 49.1596 0.0251 262.008 92.45%. 2GiB 1.8
32 1857.45 3954.88 101.3680 0.0256 524.017 93.68%. 2GiB 1.8
32 1869.62 4311.85 101.2990 0.0235 523.855 85.38%. 2.5GiB 1.9
Storage: Seagate Backup Plus 10 TB (USB 3.0 connection)
k Phase 1 (min) Plot time (min) Plot size (GiB) GiB/minute working (GiB) CPU Utilization -b setting Version Note
32 1649.80 3677.30 101.3180 0.0276 532.690 94.09%. 1.8GiB 1.10
Pre Beta 8
incorrectly listed as GB – most should be GiB

MacBook Pro (13-inch, 2019, Four Thunderbolt 3 ports)
2.8 GHz Quad-Core Intel Core i7
16 GB 2133 MHz LPDDR3
APPLE SSD AP1024M
~ 2900 MB/s write
k plot time (minutes) plot size (GB) working (GB) CPU Utilization Note
26 11.6 1.296 7.06 91.86%
27 30.1 2.697 14.51 83.04%
28 82.1 5.58 30.27 69.4% some use
29 179 11.5 60.9 69.68%
30 406.5 23.8 128 71.67% in use
30 377 23.8 128 73.18% machine idle
31 856.7 49.16 262.0 92.29% idle – last 80%
iMac (Retina 4K, 21.5-inch, 2017)
3.4 GHz Quad-Core Intel Core i5
16 GB 2400 MHz DDR4
1TB Fusion Drive (Actually attached USB 3.0 4Tb RAID 1)
~ – MB/s write
k plot time (minutes) plot size (GB) working (GB) CPU Utilization
25 4.1 0.62 3.4 97.85
26 27 1.3 – –
27 81 2.7 – –
28 260 5.6 30.3 –
29 787 11.5 61 –
Ubuntu 19.04
Intel(R) Xeon(R) W-2155 CPU @ 3.30GHz (10 cores)
64 GB PC4-21300 DDR4-2666V-R REGISTERED ECC
Western Digital 4 TB WD10EZEX
~ – MB/s write
k plot time (minutes) plot size (GB) working (GB) CPU Utilization Note
28 55.3 5.58 30.3 99.56%
28 43 5.56 30.3 99.07% beta4
30 308 23.8 128 83.78%
30 273 23.8 128 75.44% beta4
31 805 49.1 262 67.36%
31 621 49.1 262 69.68% beta4
32 1,866 101.4 544 60.57%
33 4663.5 208.8 1095.97 52.2%
34 10,865.6 429.8 2,287 50.13%
35 25,703 884.1 4672.2 39.45%
AWS EC2 r5.12xlarge
Processor: 48 Intel(R) Xeon(R) Platinum 8175M CPU @ 2.50GHz
Memory: 374GB
Storage: Memory tempfs (Ubuntu 19.10)
~ – MB/s write
k plot time (minutes) plot size (GB) working (GB) CPU Utilization Note
31 425 49.15 262 99.99% alpha 1.3
AWS EC2 r5dn.12xlarge
Processor: 48 Intel(R) Xeon(R) Platinum 8259CL CPU @ 2.50GHz
Memory: 374GB
Storage: tempdir: ramdisk of 264GB (Ubuntu 18.04) finaldir: Amazon.com, Inc. NVMe SSD
~ – MB/s write
k plot time (minutes) plot size (GB) working (GB) GB/minute CPU Utilization Note
26 9 1.3 7.1 0.144 99.99% pre-beta-1.5
27 20 2.7 14.5 0.135 99.99% pre-beta-1.5
28 37.5 5.57 30.2 0.149 99.99% pre-beta-1.5
30 200 23.8 128.1 0.119 99.99% pre-beta-1.5
31 412 49.14 262* 0.119 99.99% actual working 267GB, chiapos 0.12.13
31 408.4 49.14 262* 0.120 99.99% actual working 267GB, speedy branch
MacBook Pro (15-inch, 2017)
2,8 GHz Quad-Core Intel Core i7
16 GB 2133 MHz LPDDR3
251 GB (Flash Storage) Device Name: APPLE SSD SM0256L
~ – MB/s write
k plot time (minutes) plot size (GB) working (GB) CPU Utilization Note
30 559 23.79 217.94 61.65% alpha 1.0
30 614 23.8 127.992 61.13% alpha 1.1
MacBook Pro (15-inch, 2017)
Processor: 2,8 GHz Quad-Core Intel Core i7
Memory: 16 GB 2133 MHz LPDDR3
Storage: 1 TB (TOSHIBA HD)
~ – MB/s write
k plot time (minutes) plot size (GB) working (GB) CPU Utilization Note
30 1512 23.838 128.05 27.59% alpha 1.0
Fedora Server 31
Processor: AMD Ryzen 5 3600 6-Core Processor
Memory: G-Skill 64 GB DDR4 3000MHz
Storage: GIGABYTE AORUS NVMe Gen4 SSD 1 TB
k plot time (minutes) plot size (GB) working (GB) CPU Utilization Note
31 571.5 49.15 261.99 71.17% beta 3.0 3 concurrent
32 957 101.36 544.0 97.49% beta 3.0
Fedora Server 31
Processor: AMD Ryzen Threadripper 2950X
Memory: Corsair 128 GB DDR4 2133MHz
Storage: LVM-RAID0 (3 x Inland Performance Gen4 SSD 1 TB)
k plot time (minutes) plot size (GB) working (GB) CPU Utilization Note
33 3093 208.85 1096.03 79.63% beta 3.0 2 concurrent

دیدگاهتان را بنویسید