El mapa de ruta de Ethereum inicialmente incluía dos estrategias de escalado: sharding y protocolos de Layer 2. A medida que la investigación avanzó, estos dos caminos se fusionaron, formando un mapa de ruta centrado en Rollup, que sigue siendo la estrategia de escalado actual de Ethereum.
La hoja de ruta centrada en Rollup propone una división de trabajo simple: Ethereum L1 se enfoca en convertirse en una capa base potente y descentralizada, mientras que L2 asume la tarea de ayudar a escalar el ecosistema. Este modelo es muy común en la sociedad: la existencia del sistema judicial (L1) no es para perseguir una velocidad y eficiencia ultra altas, sino para proteger los contratos y los derechos de propiedad, mientras que los emprendedores (L2) deben construir sobre esta sólida capa base, impulsando el desarrollo humano.
Este año, el mapa de ruta centrado en Rollup ha logrado importantes resultados: con el lanzamiento de los blobs EIP-4844, el ancho de banda de datos de Ethereum L1 ha aumentado significativamente, y múltiples máquinas virtuales de Ethereum (EVM) Rollup han entrado en su primera fase. Cada L2 existe como un "fragmento" con sus propias reglas y lógica internas. La diversidad y pluralidad en la implementación de fragmentos se ha vuelto realidad. Pero, como hemos visto, este camino también enfrenta algunos desafíos únicos. Por lo tanto, nuestra tarea ahora es completar el mapa de ruta centrado en Rollup y abordar estos problemas, mientras mantenemos la robustez y descentralización que son características de Ethereum L1.
The Surge: Objetivos clave
El futuro de Ethereum a través de L2 puede alcanzar más de 100,000 TPS;
Mantener la descentralización y robustez de L1;
Al menos algunos L2 heredan completamente las propiedades centrales de Ethereum: ( confianza, apertura, resistencia a la censura );
Ethereum debería sentirse como un ecosistema unificado, y no como 34 cadenas de bloques diferentes.
Contenido de este capítulo
Paradoja del triángulo de escalabilidad
Avances adicionales en la muestreo de disponibilidad de datos
Compresión de datos
Plasma Generalizado
Sistema de prueba L2 maduro
Mejora de la interoperabilidad entre L2
Escalado de ejecución en L1
Paradoja del triángulo de escalabilidad
El triángulo de escalabilidad es una idea propuesta en 2017 que sostiene que existe una contradicción entre las tres características de la blockchain: descentralización (, más específicamente: bajo costo de operación de nodos ), escalabilidad (, número alto de transacciones procesadas ) y seguridad (, donde un atacante necesita comprometer una gran parte de los nodos en la red para hacer que una única transacción falle ).
Es importante señalar que la paradoja triangular no es un teorema, y las publicaciones que introducen la paradoja triangular no incluyen una prueba matemática. Sin embargo, proporciona un argumento matemático heurístico: si un nodo amigable con la descentralización (, por ejemplo, una computadora portátil de consumo ) puede verificar N transacciones por segundo, y tienes una cadena que puede procesar k*N transacciones por segundo, entonces (i) cada transacción solo puede ser vista por 1/k nodos, lo que significa que un atacante solo necesita comprometer unos pocos nodos para llevar a cabo una transacción maliciosa, o (ii) tu nodo se volverá poderoso, mientras que tu cadena no estará descentralizada. El propósito de este artículo no es demostrar que romper la paradoja triangular es imposible; más bien, pretende mostrar que romper la paradoja ternaria es difícil y requiere, en cierta medida, salir del marco de pensamiento implícito en ese argumento.
Durante años, algunas cadenas de alto rendimiento han afirmado que resuelven el trilema sin cambiar fundamentalmente la arquitectura, a menudo optimizando los nodos mediante técnicas de ingeniería de software. Esto siempre es engañoso, ya que ejecutar nodos en estas cadenas es mucho más difícil que ejecutar nodos en Ethereum. Este artículo explorará por qué es así y por qué la ingeniería de software del cliente L1 por sí sola no puede escalar Ethereum.
Sin embargo, la combinación de muestreo de disponibilidad de datos y SNARKs realmente resuelve la paradoja triangular: permite a los clientes verificar que cierta cantidad de datos está disponible y que cierta cantidad de pasos de cálculo se ejecutan correctamente, con solo descargar una pequeña cantidad de datos y realizar muy pocos cálculos. Los SNARKs son sin necesidad de confianza. El muestreo de disponibilidad de datos tiene un sutil modelo de confianza de few-of-N, pero conserva las características fundamentales de una cadena no escalable, es decir, incluso un ataque del 51% no puede forzar que bloques malos sean aceptados por la red.
Otra forma de resolver el dilema de los tres caminos es la arquitectura Plasma, que utiliza una técnica ingeniosa para trasladar la responsabilidad de la disponibilidad de los datos de monitoreo a los usuarios de una manera compatible con los incentivos. Ya en 2017-2019, cuando solo teníamos la prueba de fraude como medio para ampliar la capacidad computacional, Plasma estaba muy limitado en la ejecución segura, pero con la popularización de los SNARKs(, pruebas de conocimiento cero concisas y no interactivas), la arquitectura Plasma se ha vuelto más viable para un espectro de casos de uso más amplio que nunca.
Avances adicionales en el muestreo de disponibilidad de datos
¿Qué problema estamos resolviendo?
El 13 de marzo de 2024, cuando se active la actualización Dencun, la cadena de bloques de Ethereum tendrá 3 blobs de aproximadamente 125 kB cada uno en cada slot de 12 segundos, o un ancho de banda de datos disponible de aproximadamente 375 kB por slot. Suponiendo que los datos de transacción se publiquen directamente en la cadena, una transferencia ERC20 es de aproximadamente 180 bytes, por lo tanto, el máximo TPS de Rollup en Ethereum es: 375000 / 12 / 180 = 173.6 TPS.
Si añadimos el valor máximo teórico de calldata de Ethereum (: 30 millones de Gas por slot / 16 gas por byte = 1,875,000 bytes por slot ), esto se convierte en 607 TPS. Usando PeerDAS, la cantidad de blobs podría aumentar a 8-16, lo que proporcionaría entre 463 y 926 TPS para calldata.
Esta es una mejora significativa para Ethereum L1, pero no es suficiente. Queremos más escalabilidad. Nuestro objetivo a medio plazo es de 16 MB por slot, lo que, combinado con las mejoras en la compresión de datos de Rollup, traerá ~58000 TPS.
¿Qué es? ¿Cómo funciona?
PeerDAS es una implementación relativamente simple de "1D sampling". En Ethereum, cada blob es un polinomio de 4096 sobre un campo primo de 253 bits (. Transmitimos las shares del polinomio, donde cada share contiene 16 valores de evaluación de 16 coordenadas adyacentes de un total de 8192 coordenadas. De estos 8192 valores de evaluación, cualquier 4096 ) puede recuperar el blob según los parámetros propuestos actualmente: cualquiera de los 64 de 128 posibles muestras (.
El principio de funcionamiento de PeerDAS es hacer que cada cliente escuche una pequeña cantidad de subredes, donde la i-ésima subred transmite la i-ésima muestra de cualquier blob y solicita a los pares en la red p2p global ) quién escuchará diferentes subredes ( para obtener los blobs que necesita en otras subredes. Una versión más conservadora, SubnetDAS, utiliza únicamente el mecanismo de subred sin consultas adicionales a la capa de pares. La propuesta actual es que los nodos que participan en la prueba de participación utilicen SubnetDAS, mientras que otros nodos ), es decir, los clientes (, utilicen PeerDAS.
En teoría, podemos escalar un "muestreo 1D" a un tamaño bastante grande: si aumentamos el número máximo de blobs a 256) con un objetivo de 128(, entonces podemos alcanzar el objetivo de 16MB, y con la muestreo de disponibilidad de datos, cada nodo tiene 16 muestras * 128 blobs * 512 bytes por muestra por blob = 1 MB de ancho de banda de datos por slot. Esto apenas está dentro de nuestro rango de tolerancia: es factible, pero significa que los clientes con ancho de banda limitado no pueden muestrear. Podemos optimizar esto hasta cierto punto reduciendo el número de blobs y aumentando el tamaño de los blobs, pero esto aumentaría el costo de reconstrucción.
Por lo tanto, finalmente queremos ir un paso más allá, realizar una 2D sampling ) 2D sampling (, este método no solo realiza muestreo aleatorio dentro del blob, sino también entre los blobs. Utilizando las propiedades lineales del compromiso KZG, se expande un conjunto de blobs dentro de un bloque a través de un conjunto de nuevos blobs virtuales, que codifican redundante la misma información.
Por lo tanto, al final queremos ir un paso más allá y realizar muestreo 2D, que no solo muestrea aleatoriamente dentro del blob, sino también entre los blobs. La propiedad lineal del compromiso KZG se utiliza para expandir un conjunto de blobs dentro de un bloque, que contiene una nueva lista de blobs virtuales con codificación redundante de la misma información.
Es fundamental que la expansión del compromiso de cálculo no requiera blobs, por lo que este enfoque es intrínsecamente amigable para la construcción de bloques distribuidos. Los nodos que realmente construyen bloques solo necesitan poseer el compromiso KZG de blobs, y pueden confiar en la muestreo de disponibilidad de datos )DAS( para verificar la disponibilidad de los bloques de datos. La muestreo de disponibilidad de datos unidimensional )1D DAS( también es, en esencia, amigable para la construcción de bloques distribuidos.
![Vitalik nuevo artículo: el futuro posible de Ethereum, The Surge])https://img-cdn.gateio.im/webp-social/moments-5d1a322bd6b6dfef0dbb78017226633d.webp(
) ¿Qué más se necesita hacer? ¿Cuáles son las compensaciones?
A continuación se encuentra la implementación y el lanzamiento de PeerDAS. Después, se incrementará continuamente el número de blobs en PeerDAS, al mismo tiempo que se observa cuidadosamente la red y se mejora el software para garantizar la seguridad, lo cual es un proceso gradual. Al mismo tiempo, esperamos que haya más trabajos académicos que regulen PeerDAS y otras versiones de DAS, así como sus interacciones con cuestiones de seguridad como las reglas de selección de bifurcación.
En etapas más avanzadas en el futuro, necesitaremos hacer más trabajo para determinar la versión ideal de 2D DAS y demostrar sus propiedades de seguridad. También esperamos poder eventualmente pasar de KZG a una alternativa que sea segura cuánticamente y no requiera una configuración de confianza. Actualmente, no está claro qué candidatos son amigables para la construcción de bloques distribuidos. Incluso utilizando técnicas "brutas" costosas, es decir, utilizando STARK recursivos para generar pruebas de validez para reconstruir filas y columnas, no es suficiente para satisfacer la demanda, ya que, aunque técnicamente, un STARK tiene un tamaño de O(log)n### * log(log(n)( hash ( usando STIR), en realidad el STARK es casi del mismo tamaño que todo el blob.
El camino de realidad a largo plazo que yo considero es:
Implementar un DAS 2D ideal;
Persistir en el uso de 1D DAS, sacrificando la eficiencia del ancho de banda de muestreo, aceptando un límite de datos más bajo por simplicidad y robustez.
Abandonar DA y aceptar completamente Plasma como nuestra principal arquitectura Layer2 de interés.
Por favor, ten en cuenta que incluso si decidimos escalar la ejecución directamente en la capa L1, esta opción existe. Esto se debe a que si la capa L1 tiene que manejar una gran cantidad de TPS, los bloques de L1 se volverán muy grandes, y el cliente querrá tener un método eficiente para verificar su corrección, por lo tanto, tendremos que usar en la capa L1 la misma tecnología que Rollup) como ZK-EVM y DAS(.
) ¿Cómo interactuar con otras partes del mapa de ruta?
Si se logra la compresión de datos, la demanda de DAS 2D disminuirá, o al menos se retrasará; si Plasma se utiliza ampliamente, la demanda disminuirá aún más. DAS también plantea desafíos para los protocolos y mecanismos de construcción de bloques distribuidos: aunque DAS es teóricamente amigable con la reconstrucción distribuida, en la práctica esto debe combinarse con la propuesta de lista de inclusión de paquetes y su mecanismo de selección de bifurcación circundante.
Compresión de datos
¿Qué problema estamos resolviendo?
Cada transacción en un Rollup ocupa una gran cantidad de espacio de datos en la cadena: una transferencia ERC20 requiere aproximadamente 180 bytes. Incluso con un muestreo de disponibilidad de datos ideal, esto limita la escalabilidad del protocolo Layer. Cada slot es de 16 MB, obtenemos:
16000000 / 12 / 180 = 7407 TPS
¿Qué pasaría si no solo pudiéramos resolver el problema del numerador, sino también el del denominador, haciendo que cada transacción en el Rollup ocupe menos bytes en la cadena?
¿Qué es y cómo funciona?
En mi opinión, la mejor explicación es esta imagen de hace dos años:
En la compresión de cero bytes, se reemplaza cada secuencia larga de cero bytes con dos bytes que indican cuántos cero bytes hay. Más allá de eso, aprovechamos las propiedades específicas de las transacciones:
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
11 me gusta
Recompensa
11
3
Compartir
Comentar
0/400
RuntimeError
· 07-14 20:38
¡Bien hecho eth!
Ver originalesResponder0
ChainMelonWatcher
· 07-14 20:34
Corre bastante bien~
Ver originalesResponder0
DegenWhisperer
· 07-14 20:27
Aquí se juega con la arquitectura en capas, se explica bien.
Ethereum The Surge: del camino de escalado de 100,000 TPS a un ecosistema unificado
El futuro de Ethereum: The Surge
El mapa de ruta de Ethereum inicialmente incluía dos estrategias de escalado: sharding y protocolos de Layer 2. A medida que la investigación avanzó, estos dos caminos se fusionaron, formando un mapa de ruta centrado en Rollup, que sigue siendo la estrategia de escalado actual de Ethereum.
La hoja de ruta centrada en Rollup propone una división de trabajo simple: Ethereum L1 se enfoca en convertirse en una capa base potente y descentralizada, mientras que L2 asume la tarea de ayudar a escalar el ecosistema. Este modelo es muy común en la sociedad: la existencia del sistema judicial (L1) no es para perseguir una velocidad y eficiencia ultra altas, sino para proteger los contratos y los derechos de propiedad, mientras que los emprendedores (L2) deben construir sobre esta sólida capa base, impulsando el desarrollo humano.
Este año, el mapa de ruta centrado en Rollup ha logrado importantes resultados: con el lanzamiento de los blobs EIP-4844, el ancho de banda de datos de Ethereum L1 ha aumentado significativamente, y múltiples máquinas virtuales de Ethereum (EVM) Rollup han entrado en su primera fase. Cada L2 existe como un "fragmento" con sus propias reglas y lógica internas. La diversidad y pluralidad en la implementación de fragmentos se ha vuelto realidad. Pero, como hemos visto, este camino también enfrenta algunos desafíos únicos. Por lo tanto, nuestra tarea ahora es completar el mapa de ruta centrado en Rollup y abordar estos problemas, mientras mantenemos la robustez y descentralización que son características de Ethereum L1.
The Surge: Objetivos clave
El futuro de Ethereum a través de L2 puede alcanzar más de 100,000 TPS;
Mantener la descentralización y robustez de L1;
Al menos algunos L2 heredan completamente las propiedades centrales de Ethereum: ( confianza, apertura, resistencia a la censura );
Ethereum debería sentirse como un ecosistema unificado, y no como 34 cadenas de bloques diferentes.
Contenido de este capítulo
Paradoja del triángulo de escalabilidad
El triángulo de escalabilidad es una idea propuesta en 2017 que sostiene que existe una contradicción entre las tres características de la blockchain: descentralización (, más específicamente: bajo costo de operación de nodos ), escalabilidad (, número alto de transacciones procesadas ) y seguridad (, donde un atacante necesita comprometer una gran parte de los nodos en la red para hacer que una única transacción falle ).
Es importante señalar que la paradoja triangular no es un teorema, y las publicaciones que introducen la paradoja triangular no incluyen una prueba matemática. Sin embargo, proporciona un argumento matemático heurístico: si un nodo amigable con la descentralización (, por ejemplo, una computadora portátil de consumo ) puede verificar N transacciones por segundo, y tienes una cadena que puede procesar k*N transacciones por segundo, entonces (i) cada transacción solo puede ser vista por 1/k nodos, lo que significa que un atacante solo necesita comprometer unos pocos nodos para llevar a cabo una transacción maliciosa, o (ii) tu nodo se volverá poderoso, mientras que tu cadena no estará descentralizada. El propósito de este artículo no es demostrar que romper la paradoja triangular es imposible; más bien, pretende mostrar que romper la paradoja ternaria es difícil y requiere, en cierta medida, salir del marco de pensamiento implícito en ese argumento.
Durante años, algunas cadenas de alto rendimiento han afirmado que resuelven el trilema sin cambiar fundamentalmente la arquitectura, a menudo optimizando los nodos mediante técnicas de ingeniería de software. Esto siempre es engañoso, ya que ejecutar nodos en estas cadenas es mucho más difícil que ejecutar nodos en Ethereum. Este artículo explorará por qué es así y por qué la ingeniería de software del cliente L1 por sí sola no puede escalar Ethereum.
Sin embargo, la combinación de muestreo de disponibilidad de datos y SNARKs realmente resuelve la paradoja triangular: permite a los clientes verificar que cierta cantidad de datos está disponible y que cierta cantidad de pasos de cálculo se ejecutan correctamente, con solo descargar una pequeña cantidad de datos y realizar muy pocos cálculos. Los SNARKs son sin necesidad de confianza. El muestreo de disponibilidad de datos tiene un sutil modelo de confianza de few-of-N, pero conserva las características fundamentales de una cadena no escalable, es decir, incluso un ataque del 51% no puede forzar que bloques malos sean aceptados por la red.
Otra forma de resolver el dilema de los tres caminos es la arquitectura Plasma, que utiliza una técnica ingeniosa para trasladar la responsabilidad de la disponibilidad de los datos de monitoreo a los usuarios de una manera compatible con los incentivos. Ya en 2017-2019, cuando solo teníamos la prueba de fraude como medio para ampliar la capacidad computacional, Plasma estaba muy limitado en la ejecución segura, pero con la popularización de los SNARKs(, pruebas de conocimiento cero concisas y no interactivas), la arquitectura Plasma se ha vuelto más viable para un espectro de casos de uso más amplio que nunca.
Avances adicionales en el muestreo de disponibilidad de datos
¿Qué problema estamos resolviendo?
El 13 de marzo de 2024, cuando se active la actualización Dencun, la cadena de bloques de Ethereum tendrá 3 blobs de aproximadamente 125 kB cada uno en cada slot de 12 segundos, o un ancho de banda de datos disponible de aproximadamente 375 kB por slot. Suponiendo que los datos de transacción se publiquen directamente en la cadena, una transferencia ERC20 es de aproximadamente 180 bytes, por lo tanto, el máximo TPS de Rollup en Ethereum es: 375000 / 12 / 180 = 173.6 TPS.
Si añadimos el valor máximo teórico de calldata de Ethereum (: 30 millones de Gas por slot / 16 gas por byte = 1,875,000 bytes por slot ), esto se convierte en 607 TPS. Usando PeerDAS, la cantidad de blobs podría aumentar a 8-16, lo que proporcionaría entre 463 y 926 TPS para calldata.
Esta es una mejora significativa para Ethereum L1, pero no es suficiente. Queremos más escalabilidad. Nuestro objetivo a medio plazo es de 16 MB por slot, lo que, combinado con las mejoras en la compresión de datos de Rollup, traerá ~58000 TPS.
¿Qué es? ¿Cómo funciona?
PeerDAS es una implementación relativamente simple de "1D sampling". En Ethereum, cada blob es un polinomio de 4096 sobre un campo primo de 253 bits (. Transmitimos las shares del polinomio, donde cada share contiene 16 valores de evaluación de 16 coordenadas adyacentes de un total de 8192 coordenadas. De estos 8192 valores de evaluación, cualquier 4096 ) puede recuperar el blob según los parámetros propuestos actualmente: cualquiera de los 64 de 128 posibles muestras (.
El principio de funcionamiento de PeerDAS es hacer que cada cliente escuche una pequeña cantidad de subredes, donde la i-ésima subred transmite la i-ésima muestra de cualquier blob y solicita a los pares en la red p2p global ) quién escuchará diferentes subredes ( para obtener los blobs que necesita en otras subredes. Una versión más conservadora, SubnetDAS, utiliza únicamente el mecanismo de subred sin consultas adicionales a la capa de pares. La propuesta actual es que los nodos que participan en la prueba de participación utilicen SubnetDAS, mientras que otros nodos ), es decir, los clientes (, utilicen PeerDAS.
En teoría, podemos escalar un "muestreo 1D" a un tamaño bastante grande: si aumentamos el número máximo de blobs a 256) con un objetivo de 128(, entonces podemos alcanzar el objetivo de 16MB, y con la muestreo de disponibilidad de datos, cada nodo tiene 16 muestras * 128 blobs * 512 bytes por muestra por blob = 1 MB de ancho de banda de datos por slot. Esto apenas está dentro de nuestro rango de tolerancia: es factible, pero significa que los clientes con ancho de banda limitado no pueden muestrear. Podemos optimizar esto hasta cierto punto reduciendo el número de blobs y aumentando el tamaño de los blobs, pero esto aumentaría el costo de reconstrucción.
Por lo tanto, finalmente queremos ir un paso más allá, realizar una 2D sampling ) 2D sampling (, este método no solo realiza muestreo aleatorio dentro del blob, sino también entre los blobs. Utilizando las propiedades lineales del compromiso KZG, se expande un conjunto de blobs dentro de un bloque a través de un conjunto de nuevos blobs virtuales, que codifican redundante la misma información.
Por lo tanto, al final queremos ir un paso más allá y realizar muestreo 2D, que no solo muestrea aleatoriamente dentro del blob, sino también entre los blobs. La propiedad lineal del compromiso KZG se utiliza para expandir un conjunto de blobs dentro de un bloque, que contiene una nueva lista de blobs virtuales con codificación redundante de la misma información.
Es fundamental que la expansión del compromiso de cálculo no requiera blobs, por lo que este enfoque es intrínsecamente amigable para la construcción de bloques distribuidos. Los nodos que realmente construyen bloques solo necesitan poseer el compromiso KZG de blobs, y pueden confiar en la muestreo de disponibilidad de datos )DAS( para verificar la disponibilidad de los bloques de datos. La muestreo de disponibilidad de datos unidimensional )1D DAS( también es, en esencia, amigable para la construcción de bloques distribuidos.
![Vitalik nuevo artículo: el futuro posible de Ethereum, The Surge])https://img-cdn.gateio.im/webp-social/moments-5d1a322bd6b6dfef0dbb78017226633d.webp(
) ¿Qué más se necesita hacer? ¿Cuáles son las compensaciones?
A continuación se encuentra la implementación y el lanzamiento de PeerDAS. Después, se incrementará continuamente el número de blobs en PeerDAS, al mismo tiempo que se observa cuidadosamente la red y se mejora el software para garantizar la seguridad, lo cual es un proceso gradual. Al mismo tiempo, esperamos que haya más trabajos académicos que regulen PeerDAS y otras versiones de DAS, así como sus interacciones con cuestiones de seguridad como las reglas de selección de bifurcación.
En etapas más avanzadas en el futuro, necesitaremos hacer más trabajo para determinar la versión ideal de 2D DAS y demostrar sus propiedades de seguridad. También esperamos poder eventualmente pasar de KZG a una alternativa que sea segura cuánticamente y no requiera una configuración de confianza. Actualmente, no está claro qué candidatos son amigables para la construcción de bloques distribuidos. Incluso utilizando técnicas "brutas" costosas, es decir, utilizando STARK recursivos para generar pruebas de validez para reconstruir filas y columnas, no es suficiente para satisfacer la demanda, ya que, aunque técnicamente, un STARK tiene un tamaño de O(log)n### * log(log(n)( hash ( usando STIR), en realidad el STARK es casi del mismo tamaño que todo el blob.
El camino de realidad a largo plazo que yo considero es:
Por favor, ten en cuenta que incluso si decidimos escalar la ejecución directamente en la capa L1, esta opción existe. Esto se debe a que si la capa L1 tiene que manejar una gran cantidad de TPS, los bloques de L1 se volverán muy grandes, y el cliente querrá tener un método eficiente para verificar su corrección, por lo tanto, tendremos que usar en la capa L1 la misma tecnología que Rollup) como ZK-EVM y DAS(.
) ¿Cómo interactuar con otras partes del mapa de ruta?
Si se logra la compresión de datos, la demanda de DAS 2D disminuirá, o al menos se retrasará; si Plasma se utiliza ampliamente, la demanda disminuirá aún más. DAS también plantea desafíos para los protocolos y mecanismos de construcción de bloques distribuidos: aunque DAS es teóricamente amigable con la reconstrucción distribuida, en la práctica esto debe combinarse con la propuesta de lista de inclusión de paquetes y su mecanismo de selección de bifurcación circundante.
Compresión de datos
¿Qué problema estamos resolviendo?
Cada transacción en un Rollup ocupa una gran cantidad de espacio de datos en la cadena: una transferencia ERC20 requiere aproximadamente 180 bytes. Incluso con un muestreo de disponibilidad de datos ideal, esto limita la escalabilidad del protocolo Layer. Cada slot es de 16 MB, obtenemos:
16000000 / 12 / 180 = 7407 TPS
¿Qué pasaría si no solo pudiéramos resolver el problema del numerador, sino también el del denominador, haciendo que cada transacción en el Rollup ocupe menos bytes en la cadena?
¿Qué es y cómo funciona?
En mi opinión, la mejor explicación es esta imagen de hace dos años:
En la compresión de cero bytes, se reemplaza cada secuencia larga de cero bytes con dos bytes que indican cuántos cero bytes hay. Más allá de eso, aprovechamos las propiedades específicas de las transacciones:
Agregación de firmas: venimos de