La hoja de ruta de Ethereum inicialmente incluía dos estrategias de escalado: fragmentación y protocolos Layer2. Estas dos vías finalmente se fusionaron, formando una hoja de ruta centrada en Rollup, que sigue siendo la estrategia de expansión de Ethereum hasta hoy. La hoja de ruta centrada en Rollup propone una división de trabajo simple: Ethereum L1 se centra en ser una capa base poderosa y descentralizada, mientras que L2 asume la tarea de ayudar a escalar el ecosistema.
Este año, la hoja de ruta centrada 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 Rollups de la máquina virtual de Ethereum han entrado en la 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 convertido en una realidad. Sin embargo, este camino también enfrenta algunos desafíos únicos. Por lo tanto, nuestra tarea ahora es completar la hoja de ruta centrada en Rollup y abordar estos problemas, mientras mantenemos la robustez y descentralización que son características de Ethereum L1.
The Surge: Objetivos clave
En el futuro, Ethereum podrá alcanzar más de 100,000 TPS a través de L2;
Mantener la descentralización y robustez de L1;
Al menos algunos L2 heredan completamente las propiedades centrales de Ethereum, (, que son la confianza, la apertura y la resistencia a la censura, );
Ethereum debería sentirse como un ecosistema unificado, no como 34 cadenas de bloques diferentes.
Contenido de este capítulo
Paradoja del triángulo de escalabilidad
Avances adicionales en el muestreo de disponibilidad de datos
Compresión de datos
Plasma Generalizado
Sistema de prueba L2 maduro
Mejora de la interoperabilidad entre L2
Ampliar la ejecución en L1
Paradoja del triángulo de escalabilidad
La paradoja del triángulo de escalabilidad sostiene que existe una contradicción entre las tres características de la blockchain: descentralización (, más específicamente: bajo costo de operación de nodos ), escalabilidad (, gran cantidad de transacciones procesadas ) y seguridad (, donde un atacante necesita comprometer una gran parte de los nodos en la red para hacer que una transacción falle ).
Es importante destacar que la paradoja triangular no es un teorema, y las publicaciones que introducen la paradoja triangular tampoco incluyen una prueba matemática. Sin embargo, proporciona un argumento matemático heurístico: si un nodo amigable con la descentralización (, por ejemplo, una laptop 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 realizar una transacción maliciosa, o )ii( tu nodo se volverá poderoso, mientras que tu cadena no se descentralizará. El propósito de este artículo nunca fue demostrar que romper la paradoja triangular es imposible; al contrario, busca mostrar que romper la paradoja ternaria es difícil y requiere, de alguna manera, salir del marco de pensamiento implícito en ese argumento.
![Vitalik nuevo artículo: el futuro posible de Ethereum, The Surge])https://img-cdn.gateio.im/webp-social/moments-0a07a34094cbf643fdead78b4dd682c6.webp(
Durante años, algunas cadenas de alto rendimiento han afirmado que resuelven el trilema sin cambiar fundamentalmente la arquitectura, a menudo optimizando los nodos a través de técnicas de ingeniería de software. Esto siempre es engañoso, ya que ejecutar un nodo en estas cadenas es mucho más difícil que ejecutar un nodo 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 del triángulo: permite a los clientes verificar que una cierta cantidad de datos está disponible y que una cierta cantidad de pasos de cálculo se han ejecutado correctamente, con solo descargar una pequeña cantidad de datos y realizar un número mínimo de cálculos. Los SNARKs son sin confianza. El muestreo de disponibilidad de datos tiene un sutil modelo de confianza de few-of-N, pero conserva las características fundamentales que tiene una cadena no escalable, es decir, incluso un ataque del 51% no puede forzar que un bloque malo sea aceptado por la red.
Otra forma de resolver el dilema de los tres es la arquitectura Plasma, que utiliza técnicas ingeniosas para delegar la responsabilidad de la disponibilidad de datos de monitoreo a los usuarios de manera compatible con los incentivos. Desde 2017 hasta 2019, cuando solo teníamos pruebas de fraude como medio para expandir la capacidad de cómputo, Plasma estaba muy limitado en la ejecución segura, pero con la popularización de SNARKs) y las pruebas de conocimiento cero concisas y no interactivas(, la arquitectura Plasma se vuelve más viable para una gama de escenarios de uso más amplia que nunca.
![Vitalik nuevo artículo: El futuro posible de Ethereum, The Surge])https://img-cdn.gateio.im/webp-social/moments-40311fde406a2b6c83ba590c35e23a7c.webp(
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 blockchain de Ethereum tendrá 3 blobs de aproximadamente 125 kB 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 la transacción se publiquen directamente en la cadena, una transferencia ERC20 es de aproximadamente 180 bytes, por lo que el TPS máximo de Rollup en Ethereum es: 375000 / 12 / 180 = 173.6 TPS.
Si añadimos el valor máximo teórico de calldata de Ethereum ###: cada slot 30 millones de Gas / por byte 16 gas = cada slot 1,875,000 bytes (, entonces 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, y si se combinan con las mejoras en la compresión de datos de Rollup, se alcanzará un ~58000 TPS.
![Vitalik nuevo artículo: el futuro posible de Ethereum, The Surge])https://img-cdn.gateio.im/webp-social/moments-5d1a322bd6b6dfef0dbb78017226633d.webp(
) ¿Qué es? ¿Cómo funciona?
PeerDAS es una implementación relativamente simple de "1D sampling". En Ethereum, cada blob es un polinomio de 4096 en el campo primo de 253 bits ###. Transmitimos las participaciones del polinomio, donde cada participación contiene 16 valores de evaluación de 16 coordenadas adyacentes de un total de 8192 coordenadas. Entre estos 8192 valores de evaluación, cualquier 4096 ( puede recuperar el blob según los parámetros propuestos actualmente: cualquier 64 de los 128 posibles muestras ).
El funcionamiento de PeerDAS es permitir 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 en diferentes subredes ) para obtener los blobs que necesita en otras subredes. Una versión más conservadora, SubnetDAS, utiliza únicamente el mecanismo de subredes, sin consultar la capa de pares adicional. 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.
Teóricamente, podemos escalar un tamaño de "1D sampling" bastante grande: si aumentamos el número máximo de blobs a 256( con un objetivo de 128), entonces podemos alcanzar un objetivo de 16MB, y en 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 en cierta medida reduciendo la cantidad de blobs y aumentando el tamaño de los blobs, pero esto hará que el costo de reconstrucción sea más alto.
Por lo tanto, finalmente queremos avanzar un paso más, realizar muestreo 2D (2D sampling), este método no solo realiza muestreo aleatorio dentro del blob, sino también entre blobs. Utilizando la propiedad lineal del compromiso KZG, se expande un conjunto de blobs en un bloque mediante un conjunto de nuevos blobs virtuales, que codifican de manera redundante la misma información.
Por lo tanto, al final queremos avanzar un paso más y realizar muestreo 2D, que no solo se realiza dentro del blob, sino también entre los blobs de forma aleatoria. 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 que codifican redundante la misma información.
Es crucial que la expansión del compromiso de cálculo no requiera blobs, por lo que este enfoque es fundamentalmente amigable para la construcción de bloques distribuidos. Los nodos que realmente construyen bloques solo necesitan poseer el compromiso KZG de blob, 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 esencialmente amigable para la construcción de bloques distribuidos.
( ¿Qué más se necesita hacer? ¿Cuáles son las consideraciones?
A continuación se encuentra la implementación y lanzamiento de PeerDAS. Después, aumentaremos continuamente la cantidad de blobs en PeerDAS, mientras observamos cuidadosamente la red y mejoramos el software para garantizar la seguridad, este es un proceso gradual. Al mismo tiempo, esperamos más trabajos académicos para normalizar PeerDAS y otras versiones de DAS y su interacción con problemas de seguridad como las reglas de selección de bifurcación.
En etapas más avanzadas en el futuro, necesitamos 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 cuánticamente segura y que no requiera una configuración de confianza. Actualmente, no está claro qué candidatos son amigables para la construcción de bloques distribuidos. Incluso utilizando la costosa técnica de "fuerza bruta", es decir, utilizando STARK recursivos para generar pruebas de validez para reconstruir filas y columnas, no es suficiente para satisfacer la demanda, porque aunque técnicamente un STARK tiene un tamaño de O)log(n) * log###log(n() hash ( usando STIR(, en realidad un STARK es casi tan grande como todo el blob.
El camino de realidad a largo plazo que considero es:
Implementar el DAS 2D ideal;
Mantener 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 ampliar 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 L1 se volverán muy grandes, y los clientes querrán tener un método eficiente para verificar su corrección, por lo que tendremos que utilizar en la capa L1 las mismas tecnologías que Rollup), como ZK-EVM y DAS).
( ¿Cómo interactuar con otras partes de la hoja de ruta?
Si se logra la compresión de datos, la demanda de 2D DAS disminuirá, o al menos se retrasará; si Plasma se utiliza ampliamente, la demanda disminuirá aún más. DAS también presenta 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.
![Vitalik nueva publicación: el posible futuro de Ethereum, The Surge])https://img-cdn.gateio.im/webp-social/moments-e0ddd016e2afb3218833324254451c1d.webp(
Compresión de datos
) ¿Qué problema estamos resolviendo?
Cada transacción en un Rollup ocupará 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 16 MB, obtenemos:
16000000 / 12 / 180 = 7407 TPS
¿Qué pasaría si no solo pudiéramos resolver el problema de los numeradores, sino también el de los denominadores, haciendo que cada transacción en un 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:
![Vitalik nuevo artículo: el posible futuro de Ethereum, The Surge]###https://img-cdn.gateio.im/webp-social/moments-c585e5f955b6646c513eaecf452b0597.webp(
La compresión de ceros se realiza reemplazando cada secuencia larga de ceros con dos bytes que indican cuántos ceros hay. Además, hemos utilizado la transacción de
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
4
Compartir
Comentar
0/400
Ser_Liquidated
· hace16h
¿Para qué abrir la trampa? De todos modos, ya estoy dentro.
Ver originalesResponder0
ThatsNotARugPull
· hace23h
Es raro que este artículo no esté llenando ilusiones~
Ver originalesResponder0
SellTheBounce
· hace23h
Otra ola de planes para tomar a la gente por tonta. La historia ya nos ha enseñado que hay que vender.
Ver originalesResponder0
SchroedingerAirdrop
· hace23h
¿Sigues en el rollup? Vendiendo y vendiendo y ya no queda nada.
Ethereum The Surge: el camino y los desafíos de la expansión de 100,000 TPS
Futuro posible de Ethereum: The Surge
La hoja de ruta de Ethereum inicialmente incluía dos estrategias de escalado: fragmentación y protocolos Layer2. Estas dos vías finalmente se fusionaron, formando una hoja de ruta centrada en Rollup, que sigue siendo la estrategia de expansión de Ethereum hasta hoy. La hoja de ruta centrada en Rollup propone una división de trabajo simple: Ethereum L1 se centra en ser una capa base poderosa y descentralizada, mientras que L2 asume la tarea de ayudar a escalar el ecosistema.
Este año, la hoja de ruta centrada 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 Rollups de la máquina virtual de Ethereum han entrado en la 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 convertido en una realidad. Sin embargo, este camino también enfrenta algunos desafíos únicos. Por lo tanto, nuestra tarea ahora es completar la hoja de ruta centrada en Rollup y abordar estos problemas, mientras mantenemos la robustez y descentralización que son características de Ethereum L1.
The Surge: Objetivos clave
En el futuro, Ethereum podrá alcanzar más de 100,000 TPS a través de L2;
Mantener la descentralización y robustez de L1;
Al menos algunos L2 heredan completamente las propiedades centrales de Ethereum, (, que son la confianza, la apertura y la resistencia a la censura, );
Ethereum debería sentirse como un ecosistema unificado, no como 34 cadenas de bloques diferentes.
Contenido de este capítulo
Paradoja del triángulo de escalabilidad
La paradoja del triángulo de escalabilidad sostiene que existe una contradicción entre las tres características de la blockchain: descentralización (, más específicamente: bajo costo de operación de nodos ), escalabilidad (, gran cantidad de transacciones procesadas ) y seguridad (, donde un atacante necesita comprometer una gran parte de los nodos en la red para hacer que una transacción falle ).
Es importante destacar que la paradoja triangular no es un teorema, y las publicaciones que introducen la paradoja triangular tampoco incluyen una prueba matemática. Sin embargo, proporciona un argumento matemático heurístico: si un nodo amigable con la descentralización (, por ejemplo, una laptop 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 realizar una transacción maliciosa, o )ii( tu nodo se volverá poderoso, mientras que tu cadena no se descentralizará. El propósito de este artículo nunca fue demostrar que romper la paradoja triangular es imposible; al contrario, busca mostrar que romper la paradoja ternaria es difícil y requiere, de alguna manera, salir del marco de pensamiento implícito en ese argumento.
![Vitalik nuevo artículo: el futuro posible de Ethereum, The Surge])https://img-cdn.gateio.im/webp-social/moments-0a07a34094cbf643fdead78b4dd682c6.webp(
Durante años, algunas cadenas de alto rendimiento han afirmado que resuelven el trilema sin cambiar fundamentalmente la arquitectura, a menudo optimizando los nodos a través de técnicas de ingeniería de software. Esto siempre es engañoso, ya que ejecutar un nodo en estas cadenas es mucho más difícil que ejecutar un nodo 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 del triángulo: permite a los clientes verificar que una cierta cantidad de datos está disponible y que una cierta cantidad de pasos de cálculo se han ejecutado correctamente, con solo descargar una pequeña cantidad de datos y realizar un número mínimo de cálculos. Los SNARKs son sin confianza. El muestreo de disponibilidad de datos tiene un sutil modelo de confianza de few-of-N, pero conserva las características fundamentales que tiene una cadena no escalable, es decir, incluso un ataque del 51% no puede forzar que un bloque malo sea aceptado por la red.
Otra forma de resolver el dilema de los tres es la arquitectura Plasma, que utiliza técnicas ingeniosas para delegar la responsabilidad de la disponibilidad de datos de monitoreo a los usuarios de manera compatible con los incentivos. Desde 2017 hasta 2019, cuando solo teníamos pruebas de fraude como medio para expandir la capacidad de cómputo, Plasma estaba muy limitado en la ejecución segura, pero con la popularización de SNARKs) y las pruebas de conocimiento cero concisas y no interactivas(, la arquitectura Plasma se vuelve más viable para una gama de escenarios de uso más amplia que nunca.
![Vitalik nuevo artículo: El futuro posible de Ethereum, The Surge])https://img-cdn.gateio.im/webp-social/moments-40311fde406a2b6c83ba590c35e23a7c.webp(
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 blockchain de Ethereum tendrá 3 blobs de aproximadamente 125 kB 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 la transacción se publiquen directamente en la cadena, una transferencia ERC20 es de aproximadamente 180 bytes, por lo que el TPS máximo de Rollup en Ethereum es: 375000 / 12 / 180 = 173.6 TPS.
Si añadimos el valor máximo teórico de calldata de Ethereum ###: cada slot 30 millones de Gas / por byte 16 gas = cada slot 1,875,000 bytes (, entonces 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, y si se combinan con las mejoras en la compresión de datos de Rollup, se alcanzará un ~58000 TPS.
![Vitalik nuevo artículo: el futuro posible de Ethereum, The Surge])https://img-cdn.gateio.im/webp-social/moments-5d1a322bd6b6dfef0dbb78017226633d.webp(
) ¿Qué es? ¿Cómo funciona?
PeerDAS es una implementación relativamente simple de "1D sampling". En Ethereum, cada blob es un polinomio de 4096 en el campo primo de 253 bits ###. Transmitimos las participaciones del polinomio, donde cada participación contiene 16 valores de evaluación de 16 coordenadas adyacentes de un total de 8192 coordenadas. Entre estos 8192 valores de evaluación, cualquier 4096 ( puede recuperar el blob según los parámetros propuestos actualmente: cualquier 64 de los 128 posibles muestras ).
El funcionamiento de PeerDAS es permitir 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 en diferentes subredes ) para obtener los blobs que necesita en otras subredes. Una versión más conservadora, SubnetDAS, utiliza únicamente el mecanismo de subredes, sin consultar la capa de pares adicional. 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.
Teóricamente, podemos escalar un tamaño de "1D sampling" bastante grande: si aumentamos el número máximo de blobs a 256( con un objetivo de 128), entonces podemos alcanzar un objetivo de 16MB, y en 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 en cierta medida reduciendo la cantidad de blobs y aumentando el tamaño de los blobs, pero esto hará que el costo de reconstrucción sea más alto.
Por lo tanto, finalmente queremos avanzar un paso más, realizar muestreo 2D (2D sampling), este método no solo realiza muestreo aleatorio dentro del blob, sino también entre blobs. Utilizando la propiedad lineal del compromiso KZG, se expande un conjunto de blobs en un bloque mediante un conjunto de nuevos blobs virtuales, que codifican de manera redundante la misma información.
Por lo tanto, al final queremos avanzar un paso más y realizar muestreo 2D, que no solo se realiza dentro del blob, sino también entre los blobs de forma aleatoria. 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 que codifican redundante la misma información.
Es crucial que la expansión del compromiso de cálculo no requiera blobs, por lo que este enfoque es fundamentalmente amigable para la construcción de bloques distribuidos. Los nodos que realmente construyen bloques solo necesitan poseer el compromiso KZG de blob, 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 esencialmente amigable para la construcción de bloques distribuidos.
( ¿Qué más se necesita hacer? ¿Cuáles son las consideraciones?
A continuación se encuentra la implementación y lanzamiento de PeerDAS. Después, aumentaremos continuamente la cantidad de blobs en PeerDAS, mientras observamos cuidadosamente la red y mejoramos el software para garantizar la seguridad, este es un proceso gradual. Al mismo tiempo, esperamos más trabajos académicos para normalizar PeerDAS y otras versiones de DAS y su interacción con problemas de seguridad como las reglas de selección de bifurcación.
En etapas más avanzadas en el futuro, necesitamos 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 cuánticamente segura y que no requiera una configuración de confianza. Actualmente, no está claro qué candidatos son amigables para la construcción de bloques distribuidos. Incluso utilizando la costosa técnica de "fuerza bruta", es decir, utilizando STARK recursivos para generar pruebas de validez para reconstruir filas y columnas, no es suficiente para satisfacer la demanda, porque aunque técnicamente un STARK tiene un tamaño de O)log(n) * log###log(n() hash ( usando STIR(, en realidad un STARK es casi tan grande como todo el blob.
El camino de realidad a largo plazo que considero es:
Por favor, ten en cuenta que, incluso si decidimos ampliar 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 L1 se volverán muy grandes, y los clientes querrán tener un método eficiente para verificar su corrección, por lo que tendremos que utilizar en la capa L1 las mismas tecnologías que Rollup), como ZK-EVM y DAS).
( ¿Cómo interactuar con otras partes de la hoja de ruta?
Si se logra la compresión de datos, la demanda de 2D DAS disminuirá, o al menos se retrasará; si Plasma se utiliza ampliamente, la demanda disminuirá aún más. DAS también presenta 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.
![Vitalik nueva publicación: el posible futuro de Ethereum, The Surge])https://img-cdn.gateio.im/webp-social/moments-e0ddd016e2afb3218833324254451c1d.webp(
Compresión de datos
) ¿Qué problema estamos resolviendo?
Cada transacción en un Rollup ocupará 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 16 MB, obtenemos:
16000000 / 12 / 180 = 7407 TPS
¿Qué pasaría si no solo pudiéramos resolver el problema de los numeradores, sino también el de los denominadores, haciendo que cada transacción en un 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:
![Vitalik nuevo artículo: el posible futuro de Ethereum, The Surge]###https://img-cdn.gateio.im/webp-social/moments-c585e5f955b6646c513eaecf452b0597.webp(
La compresión de ceros se realiza reemplazando cada secuencia larga de ceros con dos bytes que indican cuántos ceros hay. Además, hemos utilizado la transacción de