Ekonomi EIP-4844: Mendalami Strategi Ketersediaan Data Rollup

Penulis: Jason, Ruang Penelitian ETHconomics

Terima kasih banyak kepada Colin@colinlyguo yang telah berpartisipasi dalam diskusi dan memberikan komentar pada artikel ini, dan Qi Zhou@qc_qizhou atas tanggapannya terhadap artikel ini.

Tulis di depan

Dalam seri ekonomi EIP-4844, kami akan membaginya menjadi empat bagian untuk menjelaskan dampak transaksi pembawa blob baru terhadap jaringan. Pada artikel sebelumnya, penulis mendalami mekanisme biaya transaksi Blob, termasuk metode perhitungan biaya transaksi Blob, karakteristik transaksi Blob, dan algoritma pembaruan Biaya Basis Blob. Dalam artikel ini, penulis mengeksplorasi lebih jauh bagaimana pasar Blob EIP-4844 yang baru diperkenalkan akan memengaruhi strategi ketersediaan data Rollup sisi permintaan utamanya berdasarkan kerangka analisis Ekonomi dan Strategi Rollup EIP-4844.

Seri Ekonomi EIP-4844:

• Ekonomi EIP-4844 #1: Mekanisme biaya EIP-4844 yang mendalam
• EIP-4844 Ekonomi #2: Strategi Tersedia Data Rollup Mendalam (artikel ini)
• EIP-4844 Ekonomi #3: Penetapan Harga Sumber Daya Multidimensi yang Mendalam
• EIP-4844 Ekonomi #4: Strategi Pengemasan Perdagangan Tipe 3 yang Mendalam

Strategi ketersediaan data rollup

EIP-4844 memperkenalkan ruang data Blob sebagai solusi ketersediaan data yang lebih baik. Tampaknya untuk Rollup, ia hanya perlu meningkatkan algoritma komitmen kriptografinya secara teknis untuk mendukung Blob. Namun, selain meningkatkan teknologi yang mendasarinya, Rollup perlu mempelajari cara menggunakan Blob untuk mengurangi biaya ketersediaan data sebanyak mungkin. Dengan kata lain, Rollup perlu mengembangkan strategi agar datanya tersedia berdasarkan kurva biaya dan kurva permintaan.

Analisis Hipotesis Model

Efektivitas analisis pemodelan bergantung pada asumsi model. Asumsi model tersebut tentu tidak sepenuhnya mendekati kenyataan dan perlu dibuat dalam jumlah kecil maupun besar.Kuncinya terletak pada rasionalitas asumsi dan dampaknya terhadap analisis. Oleh karena itu, sebelum melanjutkan ke penurunan model, mari kita analisis terlebih dahulu beberapa asumsi utama yang menjadi sandaran artikel ini.

Hipotesis 1: Memperkenalkan biaya penundaan implisit

Selama proses pemodelan, selain biaya penanganan yang dikenakan oleh metode data yang tersedia, artikel ini juga memperkenalkan biaya penundaan data implisit. Biaya latensi data mungkin tidak intuitif bagi kebanyakan orang. Sebagai contoh ekstrim, misalnya TPS rollup adalah 1 transaksi per hari. Menunggu transaksi ini mengisi Blob sebelum mengirimkannya ke L1 sepertinya bukan strategi yang bagus.

Biaya tersembunyi dari latensi data berasal dari fakta bahwa hal ini terutama terkait dengan pengalaman pengguna, model keamanan aplikasi terdesentralisasi tertentu, dan keaktifan aplikasi terdesentralisasi tertentu.

1. Keunggulan L2 adalah transaksi di dalamnya dapat dikonfirmasi oleh L1. Meskipun sequencer dapat dengan cepat mengembalikan hasil pemrosesan transaksi L2, namun jika transaksi L2 tidak dikonfirmasi oleh L1, sequencer terpusat sebenarnya kurang aman dibandingkan L1 seperti Polygon. Oleh karena itu, target pengguna L2 harus memperhatikan ketersediaan data transaksi L2 yang dikirimkan ke peristiwa L1 untuk menentukan status transaksi, dan mengandalkan status ini untuk operasi selanjutnya. Oleh karena itu, semakin besar penundaan data, semakin lama pengguna harus menunggu dan semakin buruk pengalaman pengguna.
2. Ambil contoh aplikasi lintas-L2. Keamanan utama aplikasi tersebut bergantung pada data ketersediaan L2 yang dikirimkan ke L1. Oleh karena itu, beberapa fungsi utama dari aplikasi tersebut perlu menunggu ketersediaan data transaksi L2 terkait untuk diunggah sebelum dapat diimplementasikan.
3. Untuk zkrollup, ketika data ketersediaan dan sertifikat keabsahan transaksi L2 diserahkan ke L1, maka transaksi L2 langsung dikonfirmasi oleh L1. Namun, untuk rollup optimis, data ketersediaan transaksi L2 masih perlu menunggu periode tantangan (seperti 7 hari) setelah dikirimkan ke L1. Dalam hal ini, tampaknya penyerahan data ketersediaan transaksi L2 yang tepat waktu tidak begitu penting. Faktanya tidak demikian, karena beberapa aplikasi (seperti Maker Bridge) akan langsung melakukan verifikasi terhadap ketersediaan data L2 yang dikirimkan ke L1 tanpa menunggu masa tantangan.

Asumsi 2: Biaya penundaan data sebanding dengan waktu tunggu transaksi

Artikel ini mengasumsikan bahwa biaya penundaan data sebanding dengan waktu tunggu transaksi (fungsi linier). Pada kenyataannya, biaya penundaan seharusnya lebih cocok untuk dikarakterisasi dengan fungsi non-linier. Misalnya,

1. Fungsi eksponensial (biaya penundaan meningkat secara eksponensial seiring waktu)
2. Fungsi sepotong-sepotong (biaya penundaan diperkenalkan hanya bila melebihi ambang batas tertentu)

Dibandingkan dengan karakterisasi yang lebih halus di atas, fungsi linier mempunyai keuntungan sebagai berikut:

1. Turunan adalah konstanta, yang sesuai untuk pemodelan dan derivasi.
2. Operasi turunan yang dapat dibedakan secara terus menerus dalam proses pemodelan

Pada saat yang sama, fungsi linier secara keseluruhan juga menggambarkan fitur utama bahwa semakin lama waktu tunggu transaksi, semakin tinggi biaya penundaan data, sehingga memenuhi kebutuhan pemodelan. Skala linier yang berbeda juga dapat menangkap fungsi nonlinier yang terpasang.

Asumsi 3: Konsumsi gas dari data ketersediaan pemrosesan kontrak pintar adalah konstan

Artikel ini mengasumsikan bahwa konsumsi Gas dari data ketersediaan pemrosesan kontrak pintar adalah konstan, tidak bergantung pada volume transaksi dalam batch transaksi, dalam strategi Blob yang tersedia dan strategi yang tersedia antara Calldata dan Blob.

Dalam skenario aktual, konsumsi Gas dalam pengolahan data ketersediaan mungkin berhubungan secara linear dengan volume transaksi. Misalnya, jika batch transaksi semuanya adalah operasi L2 → L1, maka kontrak pintar mungkin perlu memproses operasi ini satu per satu, sehingga konsumsi Gas dalam memproses data ketersediaan juga akan linier.

Jika Anda tertarik dengan konsumsi Gas dalam memproses data ketersediaan, Anda dapat mengambil Scroll sebagai contoh untuk mendapatkan wawasan :. Perlu dicatat bahwa setelah EIP-4844, gas yang dikonsumsi oleh keccak256 untuk menghitung saksi transaksi dapat dihemat.

Berdasarkan data statistik, terlihat bahwa cara setiap lapisan 2 memproses data ketersediaan sebenarnya berbeda-beda. Contoh umum dipilih untuk ilustrasi di bawah ini:

1. Gas yang dikonsumsi untuk memproses data ketersediaan di Optimisme pada dasarnya tidak bergantung pada ukuran kumpulan transaksi, yang sangat konsisten dengan asumsi artikel ini.

cr:@donnoh_eth

2. Gas yang dikonsumsi untuk memproses data ketersediaan di Arbitrum pada dasarnya berkorelasi positif dengan ukuran kumpulan transaksi, yang tampaknya tidak sejalan dengan asumsi artikel ini. Bagian tetap mencapai 175.000 Gas, dan bagian variabel mencapai maksimum 90.000 Gas, dengan rasio sekitar 51,4%. Sampai batas tertentu, anggapan ini masih masuk akal.

cr:@donnoh_eth

Asumsi 4: Biaya bahan bakar untuk data ketersediaan pemrosesan kontrak pintar dapat diabaikan

Dalam penurunan harga keseimbangan Blob, strategi pemesanan Blob, dan alokasi biaya Blob, artikel ini mengasumsikan bahwa konsumsi Gas pada data ketersediaan pemrosesan kontrak pintar dapat diabaikan, yaitu jauh lebih rendah daripada biaya pengunggahan data ketersediaan.

Sebelum EIP-4844, asumsi ini benar berdasarkan statistik:

cr:@donnoh_eth

cr:@donnoh_eth

Namun, pada hari-hari awal EIP-4844 online, biaya Blob tampaknya dapat diabaikan, lihat transaksi batch dari Optimism. Selama periode ini, pasokan Blob jauh lebih tinggi daripada permintaan, dan Harga Gas Data adalah 1 wei.

cr:beaconcha.in

Meski tidak sesuai dengan keadaan saat ini, hipotesis tersebut tetap bermakna dalam mengeksplorasi ketiga topik di atas.

• Harga keseimbangan blob mengeksplorasi skenario ketika Blob mencapai keseimbangan antara penawaran dan permintaan di masa depan
• Strategi pemesanan Blob dan alokasi biaya Blob membahas skenario ketika biaya Blob terlalu tinggi dan pemesanan perlu dilakukan

💡 Blob saat ini (2024.3.31) telah menetapkan target dan lebih dekat dengan hipotesis pemodelan:

cr: @0xRob

Asumsi 5: Harga Gas dan Data Harga Gas merupakan nilai keseimbangan statis

Artikel ini mengasumsikan bahwa Harga Gas dan Data Harga Gas merupakan nilai keseimbangan statis selama proses derivasi. Pada kenyataannya, nilai keseimbangan dipengaruhi oleh perubahan paradigma penawaran dan permintaan serta bersifat dinamis. Namun, pergeseran paradigma penawaran dan permintaan (fluktuasi non-acak) lebih jarang terjadi. Di tengah, nilai keseimbangan dapat dianggap sebagai nilai statis, yang tidak akan mempengaruhi strategi yang diterapkan di tengah. Namun, setelah paradigma penawaran dan permintaan bergeser, yang perlu dilakukan hanyalah memperbarui nilai keseimbangan negara yang baru.

Strategi yang tersedia untuk Blob

Di EIP-4844, Blob mengadopsi model pengisian kontainer. Oleh karena itu, untuk Rollup, terdapat trade-off:

Ketika blob dimanfaatkan sepenuhnya, biaya diamortisasi untuk mengunggah data ketersediaan adalah yang terendah

Biaya latensi data paling tinggi ketika blob digunakan sepenuhnya (menunggu paling lama untuk dikirimkan ke lapisan pertama jaringan)

Biaya Paket Tersedia Data Blob

Strategi yang tersedia antara Calldata dan Blob

Sebagai solusi ketersediaan data, Blob tidak sepenuhnya unggul dari Calldata:

• Biaya diamortisasi penggunaan Calldata untuk mengunggah data ketersediaan tetap tidak berubah. Tidak perlu menunggu data mencapai tingkat tertentu seperti Blob untuk mengurangi biaya. Oleh karena itu, dapat dirilis dengan cepat dan memiliki biaya penundaan data yang lebih rendah.
• Diharapkan Rollup dengan volume transaksi lebih kecil akan lebih cenderung menggunakan Calldata. Rollup ini memerlukan biaya penundaan data yang besar untuk mengisi Blob sepenuhnya.

Biaya paket data data panggilan yang tersedia

Namun, dari sudut pandang teknis, Vitalik lebih memilih untuk membatasi penggunaan Calldata dan membiarkan Rollup menggunakan Blob:

• Untuk Rollup, biaya pemeliharaan dua set mekanisme terlalu tinggi.
• Calldata sendiri tidak dirancang untuk menyediakan data.

EIP-7623 (Draft) juga diusulkan mengenai peningkatan biaya Calldata sebagai solusi ketersediaan data. Ide dasarnya sederhana:

1. Jika proporsi Calldata dalam konsumsi gas transaksi >~ 76%, maka biaya Calldata adalah 68 gas/byte
2. Jika proporsi Calldata dalam konsumsi gas transaksi < 76%, maka biaya Calldata adalah 16 gas/byte

EIP ini menyiratkan asumsi jika proporsi Calldata >~ 76%, maka transaksi dianggap digunakan untuk ketersediaan data. Nilai ini diukur berdasarkan statistik historis:

1. Amati proporsi Calldata transaksi yang tersedia dan usahakan mencapai target semaksimal mungkin
2. Amati proporsi Calldata dari transaksi yang tidak tersedia datanya dan usahakan jangan sampai merusaknya secara tidak sengaja.

Harga Ekuilibrium Gumpalan

Strategi pesanan gumpalan

Peluncuran bersama Blob tampaknya mampu mengatasi masalah biaya penundaan data Blob yang berlebihan. Mirip dengan container di dunia nyata, mereka tidak terbatas hanya membawa barang dari satu perusahaan.

Bab ini mengevaluasi perubahan harga keseimbangan Blob yang disebabkan oleh strategi pesanan gabungan dalam tiga skenario berikut, dan menganalisis apakah strategi pesanan gabungan merupakan strategi yang lebih baik daripada penerbitan saja.

1. Rollup i dan Rollup j menggunakan Blob sebagai solusi data yang tersedia.
2. Rollup i menggunakan Blob sebagai solusi ketersediaan data, sedangkan Rollup j menggunakan Calldata sebagai solusi ketersediaan data.
3. Rollup i dan Rollup j menggunakan Calldata sebagai solusi data yang tersedia.

Skenario 1: Rollup i dan Rollup j menggunakan Blob sebagai solusi data yang tersedia

Harga keseimbangan Blob pada Skenario 1 akan turun hingga setengahnya

Dalam Skenario 1, strategi pesanan gabungan merupakan strategi yang lebih baik daripada strategi yang diterbitkan sendirian.

Skenario 2: Rollup i menggunakan Blob sebagai solusi ketersediaan data, sedangkan Rollup j menggunakan Calldata sebagai solusi ketersediaan data

Pada skenario 2, harga keseimbangan Blob akan meningkat hingga 2 kali lipat dari harga aslinya.

Dalam Skenario 2, strategi menggabungkan pesanan belum tentu merupakan strategi yang lebih baik dibandingkan penerbitan saja.

Skenario 3: Rollup i dan Rollup j menggunakan Calldata sebagai solusi data yang tersedia

Dalam Skenario 3, strategi pembagian pesanan belum tentu merupakan strategi yang lebih baik dibandingkan dengan penerbitan saja.

Alokasi biaya blob

Properti 1: Harus ada rencana pemerataan biaya yang optimal

Karakteristik 2: Rollup Besar harus membayar biaya Blob lebih rendah dari rasio transaksinya

Karakteristik 3: Rollup Besar harus membayar lebih dari setengah biaya Blob

Properti 4: Small Rollup memiliki optimalisasi biaya transaksi tunggal yang lebih baik

Catatan tambahan

Strategi ketersediaan data rollup di bawah EIP-4844 memungkinkan kita untuk melihat teknologi baru dan lama secara dialektis. Setiap teknologi berbeda memiliki cakupan penerapannya. Kita perlu menarik batasan kegunaan setiap teknologi sehingga kita dapat menggunakan teknologi dengan lebih efisien. Biaya penundaan pada dasarnya mendominasi penulisan artikel ini, dan area ini tersembunyi dalam diskusi biasa.

Masih banyak ruang penelitian terbuka di masa depan, seperti apa yang akan terjadi pada strategi ketersediaan data rollup setelah pembatasan EIP Calldata diselesaikan. Selamat bergabung dengan ETHconomics Research Space untuk mendiskusikan penelitian.

Informasi yang relevan

EIP 4844: Apa artinya bagi pengguna L2?

EIP-4844 Ekonomi dan Strategi Rollup

EIP-4844 Ekonomi #1: Mekanisme Biaya EIP-4844 yang Mendalam