Lab de rollups : lots, preuves de fraude, disponibilité des données et sorties en Python

Ce lab donne à chaque étudiant son propre JupyterLab, avec un rollup jouet écrit en Python simple, assez court pour être lu en entier : des transferts exécutés hors de la chaîne principale puis publiés en lot avec une racine d’état, le contrat du rollup sur la chaîne principale sous forme de classe Python, un séquenceur menteur attrapé par dichotomie pendant une fenêtre de contestation, un contrôle de validité, le codage à effacement et l’échantillonnage de disponibilité des données, un stockage de blobs qui élague, et des retraits avec et sans censure. Dix petits scripts affichent chacun ce que fait une idée, toujours de la même façon.

C’est un modèle pour apprendre, pas une chaîne : rien n’y parle à un vrai réseau, rien n’y a de valeur réelle ni n’utilise de vraies clés, et il ne dit rien des prix ni des placements. Les chiffres des slots, des époques et des blobs sont les vrais. Chaque copie n’a aucun accès à internet ni à aucun autre étudiant, et rien n’y est téléchargé.

Ce que les étudiants apprennent

Pourquoi un rollup exécute les transactions hors de la chaîne principale et n’y publie que les données et une racine d’état, et comment la chaîne principale refuse un lot qui ne part pas de la dernière racine. Ils appliquent un lot de quatre transferts, dont un sauté faute de fonds, et reconstruisent les soldes à partir des seules données publiées. Un séquenceur ment au transfert 11 sur 16 et la dichotomie trouve cette étape en 4 questions, pendant une fenêtre de 50400 slots, soit 7.0 jours. Ils comparent avec un rollup de validité, définitif dès que sa preuve est contrôlée, étirent des données pour que n’importe quelle moitié les reconstruise, constatent que 13 échantillons aléatoires donnent 99.99 % de confiance quand plus de la moitié est cachée, regardent un blob élagué après 131072 slots, soit 18.2 jours, et calculent un retrait qui sort après 7.1 jours, ou 8.0 quand le séquenceur l’ignore. Il convient aux cours de systèmes distribués, de blockchain et de sécurité ; vérifiez la formulation exacte dans l’unité de votre propre organisme certificateur, aucune n’est citée ici.

Le lancer dans votre navigateur

Le lab démarre un seul service, jupyter, qui écrit rollup.py, l1.py, fraud.py, das.py, un notebook de départ et les petits scripts dans son dossier de travail, sans rien télécharger. JupyterLab ne demande aucun jeton, car la porte de la plateforme sait déjà qui l’ouvre. Le terminal à côté du lab n’a pas de Python à lui : il atteint celui du lab avec docker exec jupyter, suivi de la commande à lancer à l’intérieur.

  1. Ouvrir la page Conteneur. Ouvrez « Créer » dans la barre et choisissez « Lancer un conteneur ». Tout le monde peut ouvrir la page, et le lab Git et le lab SQL se lancent sans compte. Tous les autres labs demandent un compte gratuit : créez-en un, connectez-vous, puis appuyez sur « Démarrer ».
  2. Trouver le lab. La carte « Laboratoires d’exemple » liste tous les exemples. Trouvez Rollups : lots, preuves de fraude et disponibilité des données.
  3. Appuyer sur Démarrer. « Démarrer » le lance tel quel, en un clic. « Modifier le fichier d’abord » ouvre le fichier compose pour que vous puissiez le changer avant de démarrer.
  4. L’ouvrir. Sur la page du lab, la barre du lab a un lien nommé JupyterLab : appuyez dessus pour ouvrir JupyterLab dans votre navigateur et lire rollup.py dans l’éditeur de fichiers. Appuyez ensuite sur « Ouvrir le terminal » et tapez docker exec jupyter python3 steps/dispute.py pour voir un séquenceur menteur attrapé par dichotomie et son lot annulé.

Que demander aux étudiants de rendre

Un notebook à eux qui utilise ces fichiers pour répondre à une question qu’ils ont choisie, par exemple combien de questions de dichotomie demande un lot d’un million de transferts, combien de temps peut durer une fenêtre de contestation avant que les données soient élaguées, ou combien d’échantillons donnent une confiance qu’ils ont choisie, téléchargé depuis JupyterLab avec File, Download. Puis une ou deux phrases, avec leurs propres mots, sur ce qu’ils ont trouvé. Rien n’est noté automatiquement : la phrase montre si c’était compris. Pour un travail plus poussé, demandez d’expliquer pourquoi une fenêtre de contestation doit se fermer avant l’élagage du blob qui la soutient.

Une leçon de base sur ce lab

Rollup Basics est une petite leçon qui se fait dans ce lab. L’étudiant y publie un lot, attrape un séquenceur menteur par dichotomie, regarde une fenêtre de contestation se fermer, échantillonne pour trouver des données retenues, voit un blob élagué et calcule quand un retrait peut sortir.

Un compte personnel gratuit la reçoit dans le module Basics, qui se trouve sur « Accueil », et chaque établissement peut la copier depuis le dossier Basics de la Bibliothèque. Elle est volontairement petite : elle montre à un enseignant ce qu’est une leçon qui se fait dans un lab, et le lab fait le reste. Copiez-la dans un module à vous pour la modifier. Le module universitaire Rollups et disponibilité des données se travaille dans le même lab.

Le code sur GitHub

Le fichier compose n’a pas de Dockerfile : il lance une seule image publique, scipy-notebook des Jupyter Docker Stacks, figée sur une étiquette datée, avec son propre compte sans privilèges et 512 Mo de mémoire, et le jouet n’utilise que la bibliothèque standard de Python. L’image est sous licence BSD-3-Clause et n’est pas distribuée par nous. Le fichier écrit chaque fichier Python à partir d’un texte fixe au démarrage, et chaque choix aléatoire vient d’une graine fixe : chaque copie affiche donc la même chose et rien n’est téléchargé. Les limites sont honnêtes : aucun vrai nœud de rollup, aucune vraie chaîne principale ni aucun système de preuve ne tourne dans le lab. La chaîne principale est donc une classe Python, le temps est un numéro de slot, et le contrôle de validité rejoue le lot là où un vrai rollup contrôle une preuve courte. Rien n’est conservé quand le lab s’arrête : l’étudiant télécharge son notebook avant.

En faire un travail

Indiquez dans la tâche ce qu’il faut rendre.

  1. Créer le lab. Dans votre module, ajoutez une tâche et choisissez la carte « Lab de conteneurs », puis « Dans un dépôt GitHub ». Indiquez https://github.com/mitsurutech/lab-rollup-lab avec la branche main. Le fichier compose par défaut est compose.yaml. Faites d’abord un fork du dépôt si vous voulez le modifier, par exemple pour prendre une autre fenêtre, un lot plus long ou un autre mensonge du séquenceur.
  2. Publier et l’essayer. « Publier » fige le commit qui vous a été montré : un changement ultérieur dans le dépôt ne modifie donc pas un lab que vous avez déjà proposé. Démarrez d’abord votre propre copie.
  3. Le distribuer. Attribuez-le comme n’importe quelle tâche, avec une échéance si vous le souhaitez, et indiquez dans la tâche ce qu’il faut faire et ce qu’il faut rendre.
  4. Noter ce qui est rendu. Ouvrez la copie d’un étudiant et le travail rendu, notez-le et renvoyez-le avec un motif s’il demande un complément.

Essayer ce lab, et ce qu’il coûte

Un compte personnel gratuit permet de suivre les leçons de base de ce lab, avec chaque mois assez de crédit gratuit pour suivre la plupart des leçons, sans carte. Pour une classe, un établissement a ses 365 premiers jours gratuits pour 50 élèves au plus, puis paie par élève et par an, tous les labs compris et les enseignants gratuits.

Questions fréquentes

Pourquoi n’y a-t-il ni jeton ni mot de passe à taper ?
La page web d’un lab ne s’atteint que par la porte de la plateforme, qui sait déjà qui vous êtes et ne laisse entrer que vous et les enseignants de votre module. JupyterLab démarre donc sans jeton. Ne le lancez pas ainsi sur une machine que d’autres peuvent atteindre.
Pourquoi le terminal utilise-t-il docker exec jupyter ?
Le terminal du lab contient quelques clients, mais pas Python. docker exec jupyter lance une commande dans le conteneur du lab, qui a Python. JupyterLab a aussi son propre terminal, sous File, New, Terminal.
Le lab fait-il tourner un vrai rollup ou une vraie chaîne ?
Non. Le lab est une seule image publique, sans rien de téléchargé au démarrage, et il ne contient ni nœud de rollup, ni chaîne principale, ni système de preuve. La chaîne principale est une classe Python et le temps un numéro de slot, mais la durée d’un slot, l’époque et les 4096 époques pendant lesquelles un blob est gardé sont les vrais chiffres : le calcul des fenêtres et de l’élagage est donc le vrai.
Y a-t-il quoi que ce soit sur les cryptomonnaies ou les prix ?
Non. Le lab et le module sont uniquement techniques : comment un rollup publie ses données, comment on attrape un lot faux, combien de temps les données sont gardées et combien de temps prend une sortie. Les soldes sont des entiers dans un dictionnaire, et rien dans le lab ne vaut quoi que ce soit.