Plus facile à lire avec un fond crème, une teinte, plus de contraste ou un texte plus grand ? Choisissez vos couleurs et votre texte, une fois pour toutes les pages.

Leçon gratuite

Disponibilité des données : blobs et échantillonnage

Après cette leçon: Je peux calculer combien d’échantillons aléatoires donnent une confiance visée que les données ont été publiées.

Leçon de 70 min3 commandesLab de rollups : lots, preuves de fraude, disponibilité des données et sorties en Python

Une racine sans données derrière

Imaginez un séquenceur qui publie une nouvelle racine sans jamais publier les transferts qui la justifient. Personne ne peut rejouer le lot, personne ne peut le contester, et personne ne connaît son propre solde.

Un rollup n’est sûr que si ses données sont disponibles. Vous allez voir comment la chaîne principale s’en assure, et pour combien de temps.

À la fin de cette leçon

Remarque

Je peux calculer combien d’échantillons aléatoires donnent une confiance visée que les données ont été publiées.

Mots-clés

MotCe que ça veut direExemple
Disponibilité des donnéesle fait que tout le monde puisse télécharger les données
Codage à effacementajouter des morceaux pour que n’importe quelle moitié reconstruise les données
Échantillonun morceau tiré au hasard qu’un nœud demande
Blobun bloc de données de rollup que la chaîne principale garde un temps131072 octets
Élagageles nœuds qui effacent les vieilles données qu’ils n’ont plus à garder

Les cellules que les étudiants remplissent restent vides dans cet aperçu.

Des données retenues cassent chaque garde-fou

Une preuve de fraude a besoin des données pour rejouer. Un utilisateur qui quitte le rollup en a besoin pour prouver son solde. La chaîne principale doit donc être sûre que les données ont vraiment été publiées, et pas seulement une racine.

Tout télécharger le prouve, mais c’est justement ce qui rendait les chaînes lentes. L’astuce consiste à contrôler quelques morceaux tirés au hasard.

Le codage à effacement complique la dissimulation

D’abord, on étire les données. k morceaux en deviennent 2k, choisis pour que k d’entre eux, n’importe lesquels, reconstruisent le reste. Pour cacher ne serait-ce qu’un morceau, un séquenceur doit désormais en retenir plus de la moitié.

Dans le labo, quatre nombres en deviennent huit. N’importe quels quatre des huit redonnent les quatre d’origine, et trois ne suffisent pas.

Étirer quatre nombres et les reconstruire

Commande
docker exec jupyter python3 steps/erasure.py

Affichée ici, non exécutée. Appuyez sur Démarrer le labo pour la saisir dans le terminal de votre propre labo.

Échantillonner pour trouver des données retenues

Commande
docker exec jupyter python3 steps/sampling.py

Affichée ici, non exécutée. Appuyez sur Démarrer le labo pour la saisir dans le terminal de votre propre labo.

Exemple travaillé : 63 morceaux publiés sur 128

Échantillons par clientClients alertés, sur 1000Chance qu’un client soit trompé
14960.492188
27370.242249
49300.058684
89970.003444
1610000.000012

Les cellules que les étudiants remplissent restent vides dans cet aperçu.

À vous : la chance qui baisse

Code: python
chance_presente = 63 / 128

for echantillons in [1, 5, 10, 20]:
    trompe = chance_presente ** echantillons
    print(echantillons, "échantillons : trompé avec une chance de", "%.8f" % trompe)
# Remplacez 63 par 32 : seul un quart est publié. À quelle vitesse la chance baisse-t-elle ?

Les blobs sont gardés environ 18 jours

Depuis 2024, les rollups publient leurs données sous forme de blobs, un espace de 131072 octets chacun qui leur est réservé. La chaîne principale garde pour toujours un court engagement sur chaque blob. Les nœuds gardent le blob lui-même pendant 4096 époques, environ 18 jours, puis l’élaguent.

Depuis fin 2025, PeerDAS permet à chaque nœud de ne garder et de ne contrôler que certaines colonnes des blobs étendus. La chaîne peut donc transporter plus de blobs.

Regarder un blob se faire élaguer

Commande
docker exec jupyter python3 steps/expiry.py

Affichée ici, non exécutée. Appuyez sur Démarrer le labo pour la saisir dans le terminal de votre propre labo.

Erreur fréquente

Attention

On croit souvent que la chaîne principale garde les données des rollups pour toujours. Les nœuds élaguent un blob après environ 18 jours et ne gardent que son engagement. Une fenêtre de contestation doit donc se fermer bien avant, et qui veut l’historique garde sa propre copie.

À propos de ce labo et de sa source: Lab de rollups : lots, preuves de fraude, disponibilité des données et sorties en Python

Vous enseignez à une classe ? Proposez ce module à vos étudiants avec un guide de l'enseignant, des devoirs corrigés et un laboratoire pour chaque étudiant.