La oss snakke om et annet lagringsprosjekt utviklet av @SuiNetwork-teamet, @WalrusProtocol 🧐🧐 Mysten Labs, et Sui-utviklingsselskap, har også utviklet et datalagsprosjekt @WalrusProtocol. Walrus er et prosjekt som driver med datalagring og datatilgjengelighet. Etter at jeg var ferdig med å forske, hadde jeg en følelse - "fantastisk". Dette er det beste lagringsprosjektet jeg noen gang har sett. Følgende er teksten, Det er to hovedkategorier av desentraliserte lagringsprosjekter. Den første typen bruker full replikering, der ineffektiv redundans byttes mot sikkerhet, der hver node lagrer en fullstendig kopi av dataene, som representerer prosjektet @Filecoin Arweave. Den andre typen bruker Reed-Solomon slettingskodemetoden for å dele opp og lagre de originale dataene, som representerer prosjekter @Storj, Sia, etc. ———————————————————————————————— Forklar slettingskoder på en mennesketalende måte Lagringsmetoden til Erasure Codes må forklares, strengt tatt er det å dele den originale filen i f+1 originale skiver, generere 2f ekstra reparasjonsskiver, lagre en annen skive for hver lagringsnode, og enhver f+1-skive kan rekonstruere den originale filen. Vel, du kan hoppe over dette ikke-menneskelige uttrykket og se på følgende avsnitt. La oss si at vi ønsker å lagre 4 viktige tall: [3, 7, 2, 5], og disse 4 tallene er våre "originale skiver". Deretter må vi generere flere skiver, Fiks skiver 1 = 3 + 7 + 2 + 5 = 17 Reparer sektor 2 = 3×1 + 7×2 + 2×3 + 5×4 = 47 Reparasjonsskive 3 = 3×1² + 7×2² + 2×3² + 5×4² = 131 Nå har vi 7 skiver: [3, 7, 2, 5, 17, 47, 131], ikke sant. La oss si at systemet har 7 noder, og vi distribuerer dem, Zhang San: 3 Li Si: 7 Kongebok 5:2 Zhao Liu: 5 Penger 7:17 Sønn 8:47 Johannes 9:131 Hvis vi antar at Li Si, Zhao Liu og Zhou Jiu mister data, har vi bare: [3, _, 2, _, 17, 47, _]. Så hvordan gjenopprette de originale dataene? Husker du formelen for ekstra skiver? Det stemmer, løs en binær lineær ligning. 3 + X + 2 + Y = 17 3×1 + X×2 + 2×3 + Y×4 = 47 Resultatet er X=7, Y=5. Dette er selvfølgelig bare et enkelt eksempel. Du trenger bare å huske effekten oppnådd av slettekoden. Effekten er at så lenge mer enn 1/3 av nodene er friske. Med andre ord, i slettekodingssystemet lagrer noder bare dataskiver, så lenge mer enn 1/3 av nodene kan fungere, kan dataene gjenopprettes, men nodestabilitet er nødvendig på grunn av de høye kostnadene ved utskifting. I et fullstendig replikert system må det imidlertid være en full node for å laste ned alle kopier av dataene. Førstnevnte ofrer en del av sikkerheten i bytte mot lave kostnader, mens sistnevnte bytter redundans mot systemsikkerhet og stabilitet. ———————————————————————————————— Walrus' todimensjonale (2D) slettingskodeinnovasjon Walrus' tilnærming er faktisk å gå til mellomgrunnen og oppnå en viss balanse mellom de to. Kjernen bruker også slettekoding, men den skaper en forbedret teknologi Red Stuff på denne teknologien. Red Stuff bruker en smartere kodingsmetode for å hardere dataene. Husker du forrige eksempel på sletting av koder? For å lagre 4 viktige tall: [3, 7, 2, 5], generer flere skiver og løs til slutt den binære lineære ligningen. Igjen, dette er et eksempel for å forklare Red Stuff. Red Stuff-koding er en todimensjonal (2D) kodingsalgoritme som du kan tenke på som "Sudoku". 3 7 25 i Red Stuf-koden blir, [3 7] [2 5] Anta at kodingsregelen er, Kolonne 3 = Kolonne 1 + Kolonne 2 Kolonne 4 = Kolonne 1×2 + Kolonne 2×2 Rad 3 = Rad 1 + Rad 2 Rad 4 = Rad 1×2 + Rad 2×2 Dette er den ekstra skiven blir [3 7 10 20] [2 5 7 14] [5 12 18 34] [10 24 34 68] Deretter distribuerer vi dem til noder i rader og kolonner, Zhang 3: 3 7 10 20, det vil si den første linjen Lee IV: 2 5 7 14, linje 2 Kongebok 5:5, 12, 18, 34,... Zhao Liu: 10 24 35 68,... Penger 7:3 2 5 10, kolonne 1 8 Søn: 7 5 12 24,... JH 9:10 7 18 34,... Zheng Shi: 20 14 34 68,... Anta at Wang Wu mister data, det vil si at dataene i linje 3 går tapt. Faktisk trenger han bare å spørre Zhang San i første rad og Li Si i andre rad, og be dem om henholdsvis tallene 10 og 7. Den samme binære lineære ligningen løses for å oppnå resultatet. Fra de ovennevnte populære, men ikke så strenge eksemplene, kan vi oppsummere egenskapene til Red Stuff, Når du gjenoppretter data, trenger du ikke hele rader eller kolonner, bare stedsspesifikke data. Denne egenskapen kan kalles "lokalitet". I tillegg kan et tall gjenopprettes fra to dimensjoner: rader og kolonner, det vil si "gjenbruk av informasjon". For det andre, for komplekse data, kan du først gjenopprette dimensjonen som er mer "enkel" og praktisk å beregne, og deretter bruke vanskelighetsdimensjonen ved beregning av de gjenopprettede dataene, det vil si "progressivitet". I praksis, anta at en fil er kodet som 301-skiver under slettekodearkitekturen. I et typisk slettekodesystem tar det 101 skiver å gjenopprette 1 skive, men i Red Stuff tar det bare omtrent 200 individuelle symboler for å gjenopprette 1 par skiver. Forutsatt at en fil på 1 GB er lagret, har systemet 301 noder, det vanlige slettekodesystemet, etter en nodefeil, må laste ned 1 GB for å gjenopprette skiver, og Red Stuff, hver node lagrer: primær skive (3,3 MB) + sekundær skive (3,3 MB) = 6,6 MB. Bare omtrent 10 MB symbolske data lastes ned ved gjenoppretting, noe som sparer 99 % av båndbredden. Denne designen gjør det mulig for Walrus å opprettholde et storskala desentralisert lagringsnettverk med svært lave båndbreddekostnader, noe som reduserer gjenopprettingskostnadene fra O(|blob|) til O(|blob|/n). Det er derfor Red Stuff kalles "selvhelbredelse". I tillegg legger Walrus til en rekke sikkerhetsfunksjoner, for eksempel å være den første protokollen som støtter lagringsutfordringer i asynkrone nettverk. Den såkalte "utfordringen" her ligner på den optimistiske mekanismens stikkprøve på nodedatalagring. Red Stuff legger til verifiserbare kryptografiske forpliktelser til hver skive, hvert symbol kan verifiseres uavhengig, og så videre. For å oppsummere egenskapene, 1) Den første asynkrone sikkerheten: løser tillitsproblemet med distribuert lagring til noder; 2) Selvverifisering: innebygd anti-forfalskningsmekanisme; 3) Progressiv: Håndter dynamiske endringer i noder; 4) Skalerbar: støtter hundrevis til tusenvis av noder; for å finne den beste balansen mellom sikkerhet og effektivitet. (Ovennevnte er den første delen av denne artikkelen)