icon_install_ios_web icon_install_ios_web icon_install_android_web

Khu vực bị bỏ quên của tính mô đun: các lớp thực thi, giải quyết và tổng hợp

Phân tích7 tháng trước发布 6086cf...
146 0

Tác giả gốc: Bridget Harris

Bản dịch gốc: Luffy, Tin tức tầm nhìn xa

Not all components of the modular stack are created equal in terms of attention and innovation. While many projects have innovated on the data availability (DA) and ordering layers, only recently have the execution and settlement layers received significant attention as part of the modular stack.

Sự cạnh tranh trong không gian phân loại dùng chung được thúc đẩy, với nhiều dự án như Espresso, Astria, Radius, Rome và Madara đang tranh giành thị phần, bên cạnh các nhà cung cấp RaaS như Caldera và Conduit, phát triển các bộ phân loại dùng chung cho Rollups được xây dựng dựa trên chúng . Các nhà cung cấp RaaS này có thể cung cấp các khoản phí ưu đãi hơn cho Rollups vì mô hình kinh doanh cơ bản của họ không hoàn toàn dựa vào doanh thu sắp xếp. Ngoài ra còn có nhiều Rollup chọn chạy trình phân loại của riêng mình để thu được khoản phí mà nó tạo ra.

Thị trường máy phân loại là duy nhất so với không gian DA. Không gian DA về cơ bản là một nhóm độc quyền bao gồm Celestia, Avail và EigenDA. Điều này gây khó khăn cho những người mới tham gia nhỏ hơn ngoài ba ông lớn trong việc đột phá thành công không gian. Các dự án tận dụng sự lựa chọn “hiện có” (Ethereum); hoặc chọn một trong các lớp DA hoàn thiện dựa trên loại và tính nhất quán của ngăn xếp công nghệ của riêng chúng. Mặc dù có thể tiết kiệm chi phí đáng kể từ việc sử dụng lớp DA, nhưng việc thuê ngoài bộ phận phân loại không phải là một lựa chọn hiển nhiên (từ góc độ phí chứ không phải bảo mật), chủ yếu là do chi phí cơ hội của việc từ bỏ doanh thu của bộ phân loại. Nhiều người cũng tin rằng DA sẽ trở thành một loại hàng hóa, nhưng chúng tôi thấy trong tiền điện tử rằng các hào thanh khoản siêu mạnh kết hợp với công nghệ cơ bản độc đáo (khó sao chép) khiến việc hàng hóa hóa một lớp trong ngăn xếp trở nên cực kỳ khó khăn. Bất chấp những lập luận này, có rất nhiều sản phẩm DA và máy phân loại được tung ra thị trường. Nói tóm lại, đối với một số nhóm mô-đun, “có một số đối thủ cạnh tranh cho mỗi dịch vụ”.

Tôi cho rằng các lớp thực thi và giải quyết (và tổng hợp) tương đối chưa được khám phá, nhưng chúng đang bắt đầu được lặp lại theo những cách mới để phù hợp hơn với phần còn lại của ngăn xếp mô-đun.

Khu vực bị bỏ quên của tính mô đun: các lớp thực thi, giải quyết và tổng hợp

Mối quan hệ lớp thực thi và giải quyết

Lớp thực thi và lớp giải quyết được tích hợp chặt chẽ, trong đó lớp giải quyết có thể được sử dụng làm nơi xác định kết quả cuối cùng của việc thực thi trạng thái. Lớp giải quyết cũng có thể bổ sung các cải tiến cho kết quả của lớp thực thi, làm cho lớp thực thi mạnh mẽ và an toàn hơn. Điều này có thể có nghĩa là có nhiều chức năng khác nhau trong thực tế, chẳng hạn như lớp giải quyết có thể đóng vai trò là lớp thực thi để giải quyết các tranh chấp gian lận, xác minh bằng chứng và kết nối các lớp thực thi khác.

It is worth mentioning that some teams are supporting the development of custom execution environments directly in their own protocols, such as Repyh Labs, which is building an L1 called Delta. This is essentially the opposite design of the modular stack, but still provides flexibility in a unified environment, and has technical compatibility advantages because teams do not have to spend time manually integrating each part of the modular stack. Of course, the disadvantages are isolation from a liquidity perspective, the inability to choose the modular layer that best suits your design, and the high cost.

Các nhóm khác chọn xây dựng L1 cho chức năng hoặc ứng dụng cốt lõi. Hyperliquid là một ví dụ về L1 chuyên dụng được xây dựng cho ứng dụng gốc hàng đầu của nó (nền tảng giao dịch hợp đồng vĩnh viễn). Mặc dù người dùng của họ cần liên kết chuỗi từ Arbitrum, nhưng kiến trúc cốt lõi của họ không dựa vào Cosmos SDK hoặc các khung khác, do đó, nó có thể được tùy chỉnh và tối ưu hóa nhiều lần cho trường hợp sử dụng chính.

Tiến độ cấp điều hành

Tính năng duy nhất mà các alt-L1 đa năng có được so với Ethereum trong chu kỳ trước là thông lượng cao hơn. Điều này có nghĩa là các dự án muốn cải thiện đáng kể hiệu suất về cơ bản phải chọn xây dựng L1 của riêng mình từ đầu, chủ yếu là do bản thân Ethereum chưa có công nghệ. Về mặt lịch sử, điều này chỉ đơn giản có nghĩa là nhúng trực tiếp các cơ chế hiệu quả vào giao thức có mục đích chung. Trong chu trình này, những cải tiến hiệu suất này đạt được thông qua thiết kế mô-đun và trên Ethereum, nền tảng hợp đồng thông minh thống trị. Điều này cho phép các dự án hiện tại và mới tận dụng cơ sở hạ tầng lớp thực thi mới mà không phải hy sinh tính thanh khoản, bảo mật và hào cộng đồng của Ethereum.

Hiện tại, chúng ta cũng đang thấy ngày càng nhiều sự pha trộn và kết hợp các máy ảo (môi trường thực thi) khác nhau như một phần của mạng chia sẻ, mang đến cho các nhà phát triển sự linh hoạt và khả năng tùy chỉnh cao hơn trên lớp thực thi. Ví dụ: Lớp N cho phép các nhà phát triển chạy các nút Rollup chung (chẳng hạn như SolanaVM, MoveVM, v.v. làm môi trường thực thi) và các nút Rollup dành riêng cho ứng dụng (chẳng hạn như DEX vĩnh viễn, sổ đặt hàng DEX) trên đầu máy trạng thái dùng chung của nó. Họ cũng đang nỗ lực để đạt được khả năng tổng hợp đầy đủ và tính thanh khoản được chia sẻ giữa các kiến trúc VM khác nhau này, đây là một vấn đề kỹ thuật trên chuỗi mà trước đây rất khó thực hiện trên quy mô lớn. Mỗi ứng dụng trên Lớp N có thể truyền tin nhắn không đồng bộ mà không bị chậm trễ trong sự đồng thuận, đây thường là vấn đề về chi phí liên lạc của tiền điện tử. Mỗi xVM cũng có thể sử dụng kiến trúc cơ sở dữ liệu khác nhau, cho dù đó là RocksDB, LevelDB hay cơ sở dữ liệu đồng bộ/không đồng bộ tùy chỉnh được tạo từ đầu. Khả năng tương tác hoạt động một phần thông qua hệ thống chụp nhanh (một thuật toán tương tự như thuật toán Chandy-Lamport), trong đó chuỗi có thể chuyển đổi không đồng bộ sang một khối mới mà không cần hệ thống tạm dừng. Về mặt bảo mật, bằng chứng gian lận có thể được gửi nếu quá trình chuyển đổi trạng thái không chính xác. Với thiết kế này, họ hướng đến việc giảm thiểu thời gian thực hiện đồng thời tối đa hóa thông lượng mạng tổng thể.

Khu vực bị bỏ quên của tính mô đun: các lớp thực thi, giải quyết và tổng hợp

Lớp N

Để thúc đẩy những tiến bộ trong việc tùy chỉnh, Movement Labs tận dụng ngôn ngữ Move (ban đầu được thiết kế bởi Facebook và được sử dụng trong các mạng như Aptos và Sui) cho VM/thực thi. Move có lợi thế về cấu trúc so với các khung khác, chủ yếu là tính bảo mật và tính linh hoạt của nhà phát triển. Trong lịch sử, đây là hai vấn đề chính trong việc xây dựng các ứng dụng trên chuỗi bằng cách sử dụng các công nghệ hiện có. Điều quan trọng là các nhà phát triển cũng có thể viết Solidity và triển khai trên Movement. Để đạt được điều này, Movement đã tạo thời gian chạy EVM tương thích hoàn toàn với mã byte mà cũng có thể được sử dụng với ngăn xếp Move. Rollup M 2 của họ tận dụng tính năng song song hóa BlockSTM, cho phép thông lượng cao hơn trong khi vẫn có thể truy cập vào hào thanh khoản của Ethereum (trong lịch sử, BlockSTM chỉ được sử dụng trên các L1 thay thế như Aptos, rõ ràng là thiếu khả năng tương thích EVM).

MegaETH cũng đang thúc đẩy những tiến bộ trong không gian lớp thực thi, đặc biệt thông qua công cụ song song hóa và cơ sở dữ liệu trong bộ nhớ, nơi bộ sắp xếp có thể lưu trữ toàn bộ trạng thái trong bộ nhớ. Về mặt kiến trúc, họ tận dụng:

  • Quá trình biên dịch mã gốc giúp hiệu suất L2 thậm chí còn tốt hơn (nếu hợp đồng có cường độ tính toán cao hơn, chương trình có thể tăng tốc đáng kể, nếu nó không chuyên sâu về mặt tính toán, bạn vẫn có thể tăng tốc gấp 2 lần).

  • Sản xuất khối tương đối tập trung, nhưng xác minh và xác nhận khối phi tập trung.

  • Đồng bộ hóa trạng thái hiệu quả, trong đó các nút đầy đủ không cần thực hiện lại các giao dịch nhưng chúng cần phải biết về vùng đồng bằng trạng thái để có thể áp dụng cho cơ sở dữ liệu cục bộ của mình.

  • Cấu trúc cập nhật cây Merkle (thường cập nhật cây chiếm nhiều dung lượng lưu trữ) và phương thức của họ là cấu trúc dữ liệu trie mới tiết kiệm bộ nhớ và đĩa. Điện toán trong bộ nhớ cho phép chúng nén trạng thái chuỗi vào bộ nhớ, vì vậy khi thực hiện các giao dịch, chúng không cần phải vào đĩa mà chỉ cần vào bộ nhớ.

Một thiết kế khác gần đây đã được khám phá và lặp lại như một phần của ngăn xếp mô-đun là tập hợp bằng chứng: được định nghĩa là một bằng chứng tạo ra một bằng chứng ngắn gọn duy nhất cho nhiều bằng chứng ngắn gọn. Trước tiên, chúng ta hãy xem xét toàn bộ lớp tổng hợp cũng như lịch sử của nó cũng như các xu hướng hiện tại trong tiền điện tử.

Giá trị của lớp tổng hợp

Trong lịch sử, ở các thị trường không phải tiền điện tử, các công ty tổng hợp có thị phần nhỏ hơn so với các nền tảng:

Khu vực bị bỏ quên của tính mô đun: các lớp thực thi, giải quyết và tổng hợp

Mặc dù tôi không chắc điều này áp dụng cho tất cả các trường hợp trong tiền điện tử, nhưng nó áp dụng cho các sàn giao dịch phi tập trung, cầu nối chuỗi chéo và các giao thức cho vay.

Ví dụ: 1inch và 0x (hai công ty tổng hợp DEX chính) có tổng vốn hóa thị trường là ~$1 tỷ, một phần nhỏ so với ~$7,6 tỷ vốn hóa thị trường của Uniswap. Điều này cũng đúng đối với các cầu nối chuỗi chéo: các công cụ tổng hợp cầu nối chuỗi chéo như Li.Fi và Socket/Bungee có thị phần nhỏ hơn so với các nền tảng như Across. Mặc dù Socket hỗ trợ 15 cầu nối chuỗi chéo khác nhau, nhưng tổng khối lượng giao dịch chuỗi chéo của chúng thực sự tương tự như Across (Socket — $2,2 tỷ, Across — $1,7 tỷ) và Across chỉ chiếm một phần nhỏ trong tổng số của Socket/Bungee khối lượng giao dịch gần đây.

Trong lĩnh vực cho vay, Yearn Finance là giao thức tổng hợp lợi suất cho vay phi tập trung đầu tiên và giá trị thị trường của nó hiện là khoảng $250 triệu. Để so sánh, các nền tảng như Aave (khoảng $1,4 tỷ) và Hợp chất (khoảng $560 triệu) có mức định giá cao hơn.

Tình hình cũng tương tự ở các thị trường tài chính truyền thống. Ví dụ: ICE (Intercontinental Exchange) US và CME Group mỗi nhóm có vốn hóa thị trường khoảng $75 tỷ, trong khi các “nhà tổng hợp” như Schwab và Robinhood có vốn hóa thị trường lần lượt khoảng $132 tỷ và khoảng $15 tỷ. Tại Schwab, nơi đi qua nhiều địa điểm như ICE và CME, tỷ lệ khối lượng được chuyển qua chúng không tương xứng với thị phần vốn hóa của họ. Robinhood có khoảng 119 triệu hợp đồng quyền chọn mỗi tháng, trong khi ICE có khoảng 35 triệu — và các hợp đồng quyền chọn thậm chí không phải là một phần cốt lõi trong mô hình kinh doanh của Robinhood. Mặc dù vậy, ICE được định giá cao hơn Robinhood khoảng 5 lần trên thị trường đại chúng. Do đó, vì các giao diện tổng hợp cấp ứng dụng định tuyến luồng đơn đặt hàng của khách hàng đến nhiều địa điểm khác nhau, Schwab và Robinhood không được đánh giá cao bằng ICE và CME mặc dù khối lượng giao dịch lớn.

Với tư cách là người tiêu dùng, chúng tôi gán ít giá trị hơn cho các công cụ tổng hợp.

Điều này có thể không đúng trong tiền điện tử nếu lớp tổng hợp được nhúng vào sản phẩm/nền tảng/chuỗi. Nếu trình tổng hợp được tích hợp chặt chẽ trực tiếp vào chuỗi thì rõ ràng đó là một kiến trúc khác và tôi tò mò muốn xem nó sẽ phát triển như thế nào. Một ví dụ là Polygons AggLayer, cho phép các nhà phát triển dễ dàng kết nối L1 và L2 của họ vào một mạng tổng hợp các bằng chứng và tạo ra lớp thanh khoản thống nhất giữa các chuỗi bằng CDK.

Khu vực bị bỏ quên của tính mô đun: các lớp thực thi, giải quyết và tổng hợp

Lớp Agg

Mô hình này hoạt động tương tự như lớp tương tác Nexus của Avails, bao gồm các cơ chế đấu giá đặt hàng và tổng hợp bằng chứng, giúp sản phẩm DA của nó trở nên mạnh mẽ hơn. Giống như Polygons AggLayer, mọi chuỗi hoặc Rollup được tích hợp với Avail đều có thể tương tác với nhau trong hệ sinh thái hiện có của Avail. Ngoài ra, nhóm Avail đã yêu cầu dữ liệu giao dịch từ nhiều nền tảng blockchain và Rollups khác nhau, bao gồm Ethereum, tất cả Ethereum Rollups, chuỗi Cosmos, Avail Rollups, Celestia Rollups và các cấu trúc kết hợp khác nhau như Validiums, Optimiums và Polkadot parachains. Các nhà phát triển từ bất kỳ hệ sinh thái nào đều có thể xây dựng mà không cần xin phép trên lớp DA Avails trong khi sử dụng Avail Nexus, lớp này có thể được sử dụng để tổng hợp bằng chứng và gửi thông báo trên các hệ sinh thái.

Khu vực bị bỏ quên của tính mô đun: các lớp thực thi, giải quyết và tổng hợp

Tận dụng Nexus

Nebra tập trung vào việc tổng hợp và giải quyết bằng chứng, có thể tổng hợp giữa các hệ thống bằng chứng khác nhau. Ví dụ: tổng hợp bằng chứng của hệ thống xyz và bằng chứng của hệ thống abc để bạn có agg_xyzabc (thay vì tổng hợp trong hệ thống bằng chứng để bạn có agg_xyz và agg_abc). Kiến trúc sử dụng UniPlonK, tiêu chuẩn hóa công việc của người xác minh cho các họ mạch, giúp việc xác minh bằng chứng trên các mạch PlonK khác nhau trở nên hiệu quả và khả thi hơn. Về cơ bản, nó sử dụng chính các bằng chứng không có kiến thức (SARK đệ quy) để mở rộng quy mô phần xác minh (thường là điểm nghẽn trong các hệ thống này). Đối với khách hàng, việc quyết toán chặng cuối trở nên dễ dàng hơn vì Nebra xử lý tất cả việc tổng hợp và quyết toán theo lô, đồng thời nhóm chỉ cần thay đổi lệnh gọi hợp đồng API.

Astria đang nghiên cứu một số thiết kế thú vị xung quanh cách hoạt động của bộ phân loại dùng chung của họ với tính năng tổng hợp bằng chứng. Họ để lại phần thực thi cho chính Rollup, phần mềm này chạy phần mềm lớp thực thi trên một không gian tên nhất định trên bộ sắp xếp dùng chung, về cơ bản chỉ là một API thực thi, một cách để Rollup chấp nhận dữ liệu lớp sắp xếp. Họ cũng có thể dễ dàng thêm hỗ trợ cho các bằng chứng hợp lệ ở đây để đảm bảo rằng các khối không vi phạm quy tắc máy trạng thái EVM.

Khu vực bị bỏ quên của tính mô đun: các lớp thực thi, giải quyết và tổng hợp

Ở đây, các sản phẩm như Astria hoạt động như quy trình #1 → #2 (giao dịch không có thứ tự → khối được sắp xếp), lớp thực thi/nút cuộn là #2 → #3 và các giao thức như Nebra đóng vai trò là chặng cuối #3 → #4 (khối thực thi → bằng chứng ngắn gọn) . Nebra cũng có thể là bước thứ năm về mặt lý thuyết, trong đó các bằng chứng được tổng hợp và sau đó được xác minh. Sovereign Labs cũng đang nghiên cứu một khái niệm tương tự như bước cuối cùng, trong đó các cầu nối chuỗi chéo dựa trên tổng hợp bằng chứng là cốt lõi trong kiến trúc của họ.

Khu vực bị bỏ quên của tính mô đun: các lớp thực thi, giải quyết và tổng hợp

Nói chung, một số lớp ứng dụng đang bắt đầu sở hữu cơ sở hạ tầng cơ bản, một phần vì nếu chúng không kiểm soát ngăn xếp cơ bản thì việc chỉ giữ lại các ứng dụng lớp trên có thể mang lại các vấn đề khuyến khích và chi phí chấp nhận người dùng cao. Mặt khác, khi sự cạnh tranh và tiến bộ công nghệ tiếp tục làm giảm chi phí cơ sở hạ tầng, việc tích hợp các ứng dụng/chuỗi ứng dụng với các thành phần mô-đun sẽ trở nên rẻ hơn. Tôi tin rằng động lực này sẽ mạnh mẽ hơn, ít nhất là ở thời điểm hiện tại.

Với tất cả những cải tiến này (lớp thực thi, lớp giải quyết, lớp tổng hợp), hiệu quả cao hơn, tích hợp dễ dàng hơn, khả năng tương tác cao hơn và chi phí thấp hơn đều trở nên khả thi. Tất cả những điều này cuối cùng sẽ mang lại những ứng dụng tốt hơn cho người dùng và trải nghiệm phát triển tốt hơn cho các nhà phát triển. Đó là sự kết hợp thành công dẫn tới nhiều đổi mới hơn và đổi mới nhanh hơn.

Liên kết gốc

Bài viết này có nguồn gốc từ internet: Khu vực bị bỏ quên của tính mô đun: các lớp thực thi, giải quyết và tổng hợp

Liên quan: Việc điều chỉnh Dogecoin (DOGE) vẫn được thực hiện trong bối cảnh sự lạc quan đang suy yếu

Tóm lại, giá Dogecoin, mặc dù phục hồi trong ngắn hạn, vẫn dễ bị điều chỉnh thêm trên biểu đồ hàng ngày. Các nhà đầu tư đã rút lui khỏi đồng meme, điều này thể hiện rõ qua việc OI giảm 1 tỷ. Sự lạc quan của họ đã mất đi kể từ đầu tháng và có thể duy trì như vậy trong một thời gian. Giá Dogecoin (DOGE) có thể sớm chịu thêm tổn thất do các nhà đầu tư vẫn còn hoài nghi. Thật vậy, các nhà đầu tư của meme coin phần lớn đều bi quan và không tăng cường đầu tư. Dogecoin mất hỗ trợ Giá Dogecoin giảm xuống dưới $0.15 đã đẩy nhanh xu hướng giảm, đưa mã thông báo có chủ đề doge lên $0.131 tại thời điểm viết bài. Đồng meme đang cố gắng đảm bảo sự hỗ trợ của $0.127, một mức đã được thử nghiệm nhiều lần trong quá khứ. Tuy nhiên, nó có thể phải đối mặt với một số khó khăn khi DOGE…

© 版权声明

相关文章