Rollup-Lab: Batches, Betrugsbeweise, Datenverfügbarkeit und Ausstieg in Python

Dieses Lab gibt allen Lernenden ein eigenes JupyterLab mit einem Spielzeug-Rollup in schlichtem Python, kurz genug, um alles zu lesen: Überweisungen, die außerhalb der Hauptkette laufen und als Batch mit einer Zustandswurzel veröffentlicht werden, der Vertrag des Rollups auf der Hauptkette als Python-Klasse, ein lügender Sequencer, den eine Bisektion innerhalb eines Anfechtungsfensters erwischt, eine Gültigkeitsprüfung, Erasure Coding und Stichproben zur Datenverfügbarkeit, ein Blob-Speicher, der alte Daten löscht, und Auszahlungen mit und ohne Zensur. Zehn kleine Skripte zeigen, was jede Idee tut, jedes Mal gleich.

Es ist ein Modell zum Lernen und keine Kette: Nichts darin spricht mit einem echten Netz, nichts hat echten Wert oder nutzt echte Schlüssel, und es sagt nichts über Preise oder Geldanlagen. Die Zahlen für Slots, Epochen und Blobs sind die echten. Jede Kopie hat keinen Weg ins Internet und keinen zu anderen Lernenden, und es wird nichts hineingeladen.

Was Lernende lernen

Warum ein Rollup Transaktionen außerhalb der Hauptkette ausführt und auf ihr nur die Daten und eine Zustandswurzel veröffentlicht, und wie die Hauptkette einen Batch ablehnt, der nicht von der letzten Wurzel ausgeht. Sie wenden einen Batch aus vier Überweisungen an, von denen eine mangels Guthaben übersprungen wird, und bauen die Kontostände allein aus den veröffentlichten Daten neu auf. Ein Sequencer lügt bei Überweisung 11 von 16, und die Bisektion findet diesen Schritt mit 4 Fragen, innerhalb eines Fensters von 50400 Slots, also 7.0 Tagen. Sie vergleichen mit einem Validity-Rollup, das endgültig ist, sobald sein Beweis geprüft wurde, strecken Daten so, dass jede Hälfte sie wiederherstellt, sehen, dass 13 zufällige Stichproben 99.99 % Sicherheit geben, wenn mehr als die Hälfte versteckt ist, sehen einen Blob nach 131072 Slots, also 18.2 Tagen, gelöscht werden und berechnen eine Auszahlung, die nach 7.1 Tagen gehen kann, oder nach 8.0, wenn der Sequencer sie ignoriert. Es passt zu Kursen in verteilten Systemen, Blockchain und IT-Sicherheit; prüfen Sie die genaue Formulierung in der Einheit Ihrer eigenen Prüfungsstelle, hier wird keine zitiert.

Im Browser ausführen

Das Lab startet einen einzigen Dienst, jupyter, der rollup.py, l1.py, fraud.py, das.py, ein Start-Notebook und die kurzen Skripte in seinen Arbeitsordner schreibt, ohne etwas herunterzuladen. JupyterLab verlangt kein Token, weil die Tür der Plattform schon weiß, wer es öffnet. Das Terminal neben dem Lab hat kein eigenes Python, es erreicht das des Labs mit docker exec jupyter, gefolgt vom Befehl, der darin laufen soll.

  1. Container-Seite öffnen. Öffnen Sie in der Leiste „Entwickeln“ und wählen Sie „Einen Container ausführen“. Die Seite kann jeder öffnen, und das Git-Lab und das SQL-Lab starten ohne Konto. Alle anderen Labs brauchen ein kostenloses Konto: Erstellen Sie eines, melden Sie sich an und klicken Sie dann auf „Starten“.
  2. Lab suchen. Die Karte „Beispiel-Labs“ listet alle Beispiele auf. Suchen Sie Rollups: Batches, Betrugsbeweise und Datenverfügbarkeit.
  3. Auf „Starten“ klicken. „Starten“ führt das Lab unverändert mit einem einzigen Klick aus. „Zuerst die Datei bearbeiten“ öffnet die Compose-Datei, damit Sie sie vor dem Start ändern können.
  4. Öffnen. Auf der Seite des Labs hat die Lab-Leiste einen Link namens JupyterLab: Klicken Sie darauf, um JupyterLab im Browser zu öffnen und rollup.py im Dateieditor zu lesen. Klicken Sie dann auf „Terminal öffnen“ und tippen Sie docker exec jupyter python3 steps/dispute.py. Sie sehen, wie eine Bisektion einen lügenden Sequencer erwischt und sein Batch rückgängig gemacht wird.

Was Lernende abgeben sollen

Ein eigenes Notebook, das diese Dateien nutzt, um eine selbst gewählte Frage zu beantworten, zum Beispiel wie viele Bisektionsfragen ein Batch aus einer Million Überweisungen braucht, wie lang ein Anfechtungsfenster sein darf, bevor die Daten gelöscht werden, oder wie viele Stichproben eine selbst gewählte Sicherheit geben, heruntergeladen aus JupyterLab mit File, Download. Dazu ein oder zwei Sätze in eigenen Worten, was sie gefunden haben. Nichts wird automatisch bewertet: Der Satz zeigt, ob es verstanden wurde. Für anspruchsvollere Arbeiten lassen Sie erklären, warum ein Anfechtungsfenster enden muss, bevor der Blob dahinter gelöscht wird.

Eine Basis-Lektion zu diesem Lab

Rollup Basics ist eine kleine Lektion, die in diesem Lab gearbeitet wird. Darin veröffentlichen Lernende einen Batch, erwischen einen lügenden Sequencer per Bisektion, sehen ein Anfechtungsfenster schließen, suchen mit Stichproben nach zurückgehaltenen Daten, sehen einen Blob gelöscht werden und berechnen, wann eine Auszahlung gehen kann.

Kostenlose persönliche Konten haben sie im Modul Basics, das auf der Startseite liegt, und jede Einrichtung kann sie aus dem Basics-Ordner der Bibliothek kopieren. Sie ist bewusst klein: Sie zeigt einer Lehrkraft, was eine im Lab gearbeitete Lektion ist, und das Lab leistet den Rest. Kopieren Sie sie in ein eigenes Modul, um sie zu ändern. Das Hochschulmodul Rollups und Datenverfügbarkeit wird im selben Lab bearbeitet.

Der Code auf GitHub

Die Compose-Datei hat kein Dockerfile: Sie startet ein einziges öffentliches Standard-Image, das scipy-notebook der Jupyter Docker Stacks, auf ein datiertes Tag festgelegt, mit eigenem unprivilegiertem Konto und 512 MB Speicher, und das Spielzeug nutzt nur die Standardbibliothek von Python. Das Image steht unter BSD-3-Clause und wird von uns nicht verteilt. Die Datei schreibt beim Start jede Python-Datei aus festem Text, und jede Zufallswahl stammt aus einem festen Startwert, daher gibt jede Kopie dasselbe aus und nichts wird heruntergeladen. Die Grenzen sind ehrlich: Im Lab läuft kein echter Rollup-Knoten, keine echte Hauptkette und kein Beweissystem. Die Hauptkette ist also eine Python-Klasse, die Zeit eine Slot-Nummer, und die Gültigkeitsprüfung führt den Batch neu aus, wo ein echtes Rollup einen kurzen Beweis prüft. Beim Stoppen des Labs bleibt nichts erhalten, weshalb Lernende ihr Notebook vorher herunterladen.

Als Aufgabe stellen

Schreiben Sie in die Aufgabe, was abzugeben ist.

  1. Lab erstellen. Fügen Sie in Ihrem Modul eine Aufgabe hinzu und wählen Sie die Karte „Container-Lab“, dann „In einem GitHub-Repository“. Geben Sie https://github.com/mitsurutech/lab-rollup-lab mit dem Branch main an. Die Compose-Datei ist standardmäßig compose.yaml. Forken Sie das Repository zuerst, wenn Sie es ändern möchten, zum Beispiel für ein anderes Fenster, einen längeren Batch oder eine andere Lüge des Sequencers.
  2. Veröffentlichen und ausprobieren. „Veröffentlichen“ legt den Commit fest, den Sie gesehen haben. Eine spätere Änderung im Repository verändert also kein Lab, das Sie bereits gestellt haben. Starten Sie zuerst Ihre eigene Kopie.
  3. Zuweisen. Weisen Sie es wie jede Aufgabe zu, auf Wunsch mit Fälligkeitsdatum, und schreiben Sie in die Aufgabe, was zu tun ist und was abgegeben werden soll.
  4. Abgaben bewerten. Öffnen Sie die Kopie einer lernenden Person und die abgegebene Arbeit, bewerten Sie sie und geben Sie sie mit einer Begründung zur Überarbeitung zurück, wenn mehr nötig ist.

Dieses Lab ausprobieren, und was es kostet

Mit einem kostenlosen persönlichen Konto können Sie die Grundlagenlektionen in diesem Lab durcharbeiten, mit genug kostenlosem Guthaben pro Monat für die meisten Lektionen und ohne Karte. Für eine Klasse sind die ersten 365 Tage für eine Schule kostenlos, für bis zu 50 Lernende; danach zahlt sie je lernender Person und Jahr, alle Labs inklusive und Lehrkräfte kostenlos.

Häufige Fragen

Warum muss ich kein Token oder Passwort eingeben?
Die Webseite eines Labs ist nur über die Tür der Plattform erreichbar, die schon weiß, wer Sie sind, und nur Sie und die Lehrkräfte Ihres Moduls hineinlässt. Deshalb startet JupyterLab ohne Token. Starten Sie es nicht so auf einem Rechner, den andere erreichen können.
Warum nutzt das Terminal docker exec jupyter?
Das Terminal des Labs enthält einige Clients, aber kein Python. docker exec jupyter führt einen Befehl im Container des Labs aus, der Python hat. JupyterLab hat außerdem ein eigenes Terminal unter File, New, Terminal.
Läuft im Lab ein echtes Rollup oder eine echte Kette?
Nein. Das Lab ist ein einziges Standard-Image, in das beim Start nichts geladen wird, und es enthält keinen Rollup-Knoten, keine Hauptkette und kein Beweissystem. Die Hauptkette ist eine Python-Klasse und die Zeit eine Slot-Nummer, aber die Länge eines Slots, die Epoche und die 4096 Epochen, die ein Blob aufbewahrt wird, sind die echten Zahlen. Die Rechnung für Fenster und Löschfristen ist also die echte.
Geht es darin um Coins oder Preise?
Nein. Das Lab und das Modul sind rein technisch: wie ein Rollup seine Daten veröffentlicht, wie ein falscher Batch auffliegt, wie lange Daten aufbewahrt werden und wie lange ein Ausstieg dauert. Kontostände sind ganze Zahlen in einem Dictionary, und nichts im Lab ist etwas wert.