该论文针对高性能拜占庭容错（BFT）区块链系统在实际运行中区块时间分布呈现复杂多模态特性的问题，提出了一种基于混合建模的诊断方法。研究背景在于，虽然高性能BFT共识（如基于HotStuff的协议）致力于实现高吞吐和低延迟，但受网络条件、流水线处理阶段以及节点部署异构性等因素影响，实际观测到的区块时间分布往往偏离简单模型。作者构建了一个基于仲裁组（quorum）的多播抽象框架，将每个区块间隔与仲裁形成延迟相关联，从而将区块时间建模为多个混合成分的叠加，每个成分对应一种典型的网络状态，以有效区块信息传输速率作为关键参数。模型主体部分用于拟合主网区块时间数据的主体分布，而尾部衰减则单独分析以评估渐近行为。将该方法应用于Hyperliquid和Aptos两个主网的实际数据后，发现Hyperliquid的区块时间可由单峰分布较好解释，与相对同构的验证节点部署一致；而Aptos则呈现持续的多峰结构，并且在一次共识升级后出现明显的分布偏移，反映出异构部署和多样化的通信路径。实验结果表明，基于混合模型对区块时间进行拟合是一种实用且信息丰富的诊断工具，可用于分析和监测高性能BFT共识的运行状态。该研究主要贡献在于：将混合建模引入BFT共识性能诊断领域，提出可解释的框架，并通过真实主网数据验证了其区分同构与异构部署、检测协议升级影响的能力。适合区块链共识算法研究者、系统性能分析人员以及BFT区块链运维监控工程师阅读。