¿Te resulta más fácil leer con fondo crema, un tono de color, más contraste o un texto más grande? Elige tus colores y tu texto una sola vez, para todas las páginas.

Lección gratuita

Disponibilidad de datos: blobs y muestreo

Después de esta lección: Puedo calcular cuántas muestras al azar dan una confianza dada de que los datos se publicaron.

Lección de 70 min3 comandosLaboratorio de rollups: lotes, pruebas de fraude, disponibilidad de datos y salidas en Python

Una raíz sin datos detrás

Imagina que un secuenciador publica una raíz nueva pero nunca publica las transferencias que hay detrás. Nadie puede reejecutar el lote, nadie puede impugnarlo y nadie sabe su propio saldo.

Un rollup es tan seguro como disponibles estén sus datos. Hoy verás cómo se asegura de ello la cadena principal, y durante cuánto tiempo.

Al terminar esta lección

Nota

Puedo calcular cuántas muestras al azar dan una confianza dada de que los datos se publicaron.

Palabras clave

PalabraQué significaEjemplo
Disponibilidad de datosque todo el mundo pueda descargar los datos
Codificación de borradoañadir piezas para que cualquier mitad reconstruya los datos
Muestrauna pieza al azar que pide un nodo
Blobun bloque de datos del rollup que la cadena principal guarda un tiempo131072 bytes
Podalos nodos borran datos antiguos que ya no tienen que guardar

Las celdas que rellenan los estudiantes quedan en blanco en esta vista previa.

Ocultar datos rompe todas las protecciones

Una prueba de fraude necesita los datos para reejecutar. Quien sale del rollup los necesita para demostrar su saldo. Así que la cadena principal tiene que estar segura de que los datos se publicaron de verdad, no solo una raíz.

Descargar cada byte lo demuestra, pero eso es justo lo que hacía lentas las cadenas. El truco es comprobar unas pocas piezas al azar.

La codificación de borrado dificulta ocultar

Primero se estiran los datos. k piezas pasan a ser 2k, elegidas de forma que cualesquiera k reconstruyen el resto. Para ocultar aunque sea una pieza, un secuenciador ahora tiene que retener más de la mitad.

En el laboratorio, cuatro números pasan a ser ocho. Cualesquiera cuatro de los ocho devuelven los cuatro originales, y tres no bastan.

Estira cuatro números y reconstrúyelos

Comando
docker exec jupyter python3 steps/erasure.py

Se muestra aquí y no se ejecuta. Pulsa Iniciar laboratorio para escribirlo en el terminal de tu propio laboratorio.

Muestrea en busca de datos ocultos

Comando
docker exec jupyter python3 steps/sampling.py

Se muestra aquí y no se ejecuta. Pulsa Iniciar laboratorio para escribirlo en el terminal de tu propio laboratorio.

Ejemplo: 63 de 128 piezas publicadas

Muestras por clienteClientes que lo notaron, de 1000Probabilidad de engañar a un cliente
14960.492188
27370.242249
49300.058684
89970.003444
1610000.000012

Las celdas que rellenan los estudiantes quedan en blanco en esta vista previa.

Pruébalo: qué tan rápido baja

Código: python
chance_present = 63 / 128

for samples in [1, 5, 10, 20]:
    fooled = chance_present ** samples
    print("muestras:", samples, "probabilidad de engaño:", "%.8f" % fooled)
# Cambia 63 por 32, para que solo se publique una cuarta parte. ¿Qué tan rápido baja ahora?

Los blobs se guardan unos 18 días

Desde 2024 los rollups publican sus datos como blobs, un espacio reservado para ellos de 131072 bytes cada uno. La cadena principal guarda para siempre un compromiso corto de cada blob. Los nodos guardan el blob durante 4096 épocas, unos 18 días, y luego lo podan.

Desde finales de 2025, PeerDAS permite que cada nodo guarde y compruebe solo algunas columnas de los blobs extendidos. Así la cadena puede llevar más blobs.

Mira cómo se poda un blob

Comando
docker exec jupyter python3 steps/expiry.py

Se muestra aquí y no se ejecuta. Pulsa Iniciar laboratorio para escribirlo en el terminal de tu propio laboratorio.

Un error frecuente

Advertencia

Mucha gente cree que la cadena principal guarda para siempre los datos de los rollups. Los nodos podan un blob a los 18 días, más o menos, y solo guardan su compromiso. Por eso una ventana de impugnación tiene que acabar bastante antes, y quien quiera el historial guarda su propia copia.

Sobre este laboratorio y su código: Laboratorio de rollups: lotes, pruebas de fraude, disponibilidad de datos y salidas en Python

¿Enseñas a una clase? Asigna este módulo a tus alumnos con guía del profesor, tareas con corrección automática y un laboratorio para cada alumno.