去централізоване зберігання завжди стикалося з неприємною реальністю — високими витратами, які більшість звичайних користувачів не можуть собі дозволити. Але з появою протоколу Walrus, здається, вдалося зламати цю мертву точку.
Як працюють традиційні схеми розподіленого зберігання? Візьмемо Arweave як приклад: вона вимагає, щоб кожен вузол у мережі зберігав повну копію даних. Це звучить безпечно, але коштує надто дорого через високі витрати на зберігання.
Walrus підійшов з іншого боку. Він використовує технологію кодування стиранням, розділяючи дані на частини та розподіляючи їх між кількома вузлами, без необхідності зберігати повну версію даних на кожному з них. Цікаво, що навіть якщо третина вузлів раптово зникне або буде зламано, решта даних все одно можна буде відновити повністю. Це забезпечує безпеку і одночасно уникає надмірного дублювання — ось де розумність.
Ще більш хитро: чим більше вузлів бере участь у мережі, тим менше навантаження на кожен вузол, і тим ефективнішою стає вся мережа. Витрати природно зменшуються.
Дані тут — порівняно з традиційними рішеннями, зберігання у Walrus може знизитися на 75% до 98.6%. Що означає ця цифра? Для тренувальних даних AI, 4K відео та інших масивних потреб у зберіганні нарешті з’явилося економічно обґрунтоване рішення.
По суті, Walrus за допомогою надійного інженерного дизайну розвінчує міф про те, що "децентралізація = неймовірні витрати". Цей шлях відкритий, і поріг для масштабних застосувань Web3 справді знизився.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
去централізоване зберігання завжди стикалося з неприємною реальністю — високими витратами, які більшість звичайних користувачів не можуть собі дозволити. Але з появою протоколу Walrus, здається, вдалося зламати цю мертву точку.
Як працюють традиційні схеми розподіленого зберігання? Візьмемо Arweave як приклад: вона вимагає, щоб кожен вузол у мережі зберігав повну копію даних. Це звучить безпечно, але коштує надто дорого через високі витрати на зберігання.
Walrus підійшов з іншого боку. Він використовує технологію кодування стиранням, розділяючи дані на частини та розподіляючи їх між кількома вузлами, без необхідності зберігати повну версію даних на кожному з них. Цікаво, що навіть якщо третина вузлів раптово зникне або буде зламано, решта даних все одно можна буде відновити повністю. Це забезпечує безпеку і одночасно уникає надмірного дублювання — ось де розумність.
Ще більш хитро: чим більше вузлів бере участь у мережі, тим менше навантаження на кожен вузол, і тим ефективнішою стає вся мережа. Витрати природно зменшуються.
Дані тут — порівняно з традиційними рішеннями, зберігання у Walrus може знизитися на 75% до 98.6%. Що означає ця цифра? Для тренувальних даних AI, 4K відео та інших масивних потреб у зберіганні нарешті з’явилося економічно обґрунтоване рішення.
По суті, Walrus за допомогою надійного інженерного дизайну розвінчує міф про те, що "децентралізація = неймовірні витрати". Цей шлях відкритий, і поріг для масштабних застосувань Web3 справді знизився.