@Walrus 🦭/acc Dezentrale Speicherung hat einen sehr praktischen Moment. KI-Workflows bewegen ständig große Dateien, Rollup-Systeme benötigen kostengünstige Datenverfügbarkeit, und mehr Teams fühlen sich unwohl mit einer "dezentralen App", die stillschweigend von einem Cloud-Bucket abhängt. Diese Mischung erklärt, warum Walrus immer wieder in Benchmarking-Threads auftaucht: Die Leute wollen etwas, das sich im täglichen Gebrauch näher an der Objektspeicherung anfühlt, aber mit unabhängiger Überprüfbarkeit und weniger fragilen Abhängigkeiten.
Walrus ist ein Blob-Speichernetzwerk, das auf Erasure Coding basiert, mit Koordination und Nachweisen, die über die Sui-Kette abgewickelt werden. Was in seinem Hauptleistungsbericht hervorsticht, ist die Einstellung. Die Bewertung bezieht sich auf ein öffentlich verfügbares Testnetz, das über 60 Tage beobachtet wurde, und beschreibt ein Testfeld von 105 unabhängig betriebenen Speicherknoten, die sich über viele Regionen und Hosting-Anbieter verteilen. Benchmarks, die "in der Wildnis" durchgeführt wurden, sind unordentlich, aber sie sind auch schwieriger zu einer schmeichelhaften Geschichte zu verarbeiten.
Bei der Upload-Durchsatzrate ist Walrus klar über sein Limit für einen einzelnen Client: Der Schreibdurchsatz erreicht ein Plateau von etwa 18 MB/s. Der Grund ist architektonisch, kein Tuning-Problem. Ein Schreibvorgang umfasst mehrere Interaktionen mit Speicherknoten sowie einen letzten Schritt, der einen Nachweis über die Verfügbarkeit on-chain veröffentlicht, sodass Sie für Koordination sowie Bandbreite bezahlen. Wenn Sie mehr Eingaben benötigen, deutet die Bewertung darauf hin, parallele Clients zu verwenden, die Chunks in einem Fan-Out-Muster hochladen, sodass der aggregierte Durchsatz mit der Parallelität und nicht mit heldenhaftem Tuning skaliert.
Die Latenz ist der Bereich, in dem Sie die Designentscheidungen am schärfsten spüren. Bei kleinen Blobs (unter 20 MB) berichtet die Bewertung, dass die Schreiblatenz unter 25 Sekunden bleibt, und erklärt, dass die Blob-Größe bei diesem Maßstab nicht der Haupttreiber ist; fixe Overheadkosten dominieren. Ungefähr sechs Sekunden entfallen auf die Verarbeitung von Metadaten und das Veröffentlichen des Nachweises on-chain. Lesevorgänge sind durchweg schneller als Schreibvorgänge und werden als durch die Netzwerkverzögerung begrenzt beschrieben, was eine zurückhaltende Art ist zu sagen, dass Geografie und Routing wichtiger sind als Protokolloverhead, sobald der Blob bereits platziert ist.
Die Datenwiederherstellung ist der Maßstab, der selten gefeiert wird, aber sie ist derjenige, der entscheidet, ob ein Speichernetzwerk im echten Leben überlebt. Das Papier von Walrus macht zwei konkrete Resilienzansprüche: Es kann Daten rekonstruieren, selbst wenn bis zu zwei Drittel der Fragmente verloren gehen, und es kann weiterhin Schreibvorgänge akzeptieren, selbst wenn bis zu einem Drittel der Fragmente nicht reagieren. Es wird auch argumentiert, dass effiziente Reparatur in erasure-codierten Systemen entscheidend ist, da ein System, das sich nicht kostengünstig heilen kann, dazu tendiert, kleine Lücken anzusammeln, bis der „Wiederaufbau“ zu einem Notfall wird.
Im Vergleich zu den üblichen Alternativen werden die Unterschiede weniger philosophisch und mehr operationell. IPFS ist ausgezeichnet für die Adressierung und Verteilung von Inhalten, aber die Persistenz ist nicht automatisch; die IPFS-Dokumente sind deutlich, dass Sie Inhalte (selbst oder über einen Dienst) anheften müssen, wenn Sie möchten, dass sie erhalten bleiben und nicht durch Garbage Collection entfernt werden. Filecoin fügt Anreize und einen Abrufmarkt hinzu; seine Dokumente beschreiben, wie Clients Daten von Speicheranbietern anfordern und für den Abruf bezahlen. Arweave geht eine andere Wette ein: permanente Speicherung als Kernfunktion, unterstützt durch sein Protokolldesign und die „Permaweb“-Rahmen.
Warum ist Walrus jetzt im Trend? Zum Teil, weil es direkt das „Blob-Problem“ der KI-Ära anspricht und seine Dokumente offen darüber sprechen, unstrukturierte Daten zuverlässig und verwaltbar zu machen. Es gibt auch ein Zeichen für Reife: Die Abdeckung beschreibt die Governance über eine Walrus-Stiftung, was impliziert, dass das Projekt versucht, die Phase eines einzelnen Teams zu überwinden. Wenn Sie es benchmarken, würde ich der Versuchung widerstehen, einen Upload durchzuführen und den Sieg zu erklären. Testen Sie kalte und warme Lesevorgänge, drücken Sie parallele Uploads und tun Sie dann etwas etwas Grausames: Lassen Sie eine Slice von Knoten weg und messen Sie, wie schnell Sie weiterhin Daten abrufen und rekonstituieren können. Wenn ein System sowohl Geschwindigkeit als auch Wiederherstellung verspricht, verdient es, in beiden Bereichen getestet zu werden.