டான்க்ஷார்டிங்

டான்க்ஷார்டிங் (Danksharding) என்பது Ethereum எவ்வாறு உண்மையான அளவிடக்கூடிய பிளாக்செயினாக மாறுகிறது என்பதைக் குறிக்கிறது, ஆனால் அங்கு செல்வதற்கு பல நெறிமுறை மேம்படுத்தல்கள் தேவைப்படுகின்றன. புரோட்டோ-டான்க்ஷார்டிங் (Proto-Danksharding) என்பது வழியில் உள்ள ஒரு இடைநிலை படியாகும். இவை இரண்டும் Layer 2 இல் பரிவர்த்தனைகளை பயனர்களுக்கு முடிந்தவரை மலிவானதாக மாற்றுவதை நோக்கமாகக் கொண்டுள்ளன, மேலும் Ethereum ஐ வினாடிக்கு 100,000 க்கும் மேற்பட்ட பரிவர்த்தனைகளுக்கு அளவிட வேண்டும்.

புரோட்டோ-டான்க்ஷார்டிங் என்றால் என்ன?

புரோட்டோ-டான்க்ஷார்டிங், EIP-4844 (opens in a new tab) என்றும் அழைக்கப்படுகிறது, இது ரோலப்கள் (rollups) தொகுதிகளில் மலிவான தரவைச் சேர்ப்பதற்கான ஒரு வழியாகும். இந்த யோசனையை முன்மொழிந்த இரண்டு ஆராய்ச்சியாளர்களான Protolambda மற்றும் Dankrad Feist ஆகியோரிடமிருந்து இந்த பெயர் வந்தது. வரலாற்று ரீதியாக, ரோலப்கள் தங்கள் பரிவர்த்தனைகளை CALLDATA இல் இடுகையிடுவதால், பயனர் பரிவர்த்தனைகளை எவ்வளவு மலிவாக மாற்ற முடியும் என்பதில் வரம்புக்குட்பட்டிருந்தன.

இது விலை உயர்ந்தது, ஏனெனில் இது அனைத்து Ethereum முனைகளாலும் (nodes) செயலாக்கப்படுகிறது மற்றும் ரோலப்களுக்கு குறுகிய காலத்திற்கு மட்டுமே தரவு தேவைப்பட்டாலும், ஆன்செயினில் (onchain) நிரந்தரமாக வாழ்கிறது. புரோட்டோ-டான்க்ஷார்டிங் தொகுதிகளுக்கு அனுப்பக்கூடிய மற்றும் இணைக்கக்கூடிய தரவு ப்ளாப்களை (data blobs) அறிமுகப்படுத்துகிறது. இந்த ப்ளாப்களில் உள்ள தரவை EVM அணுக முடியாது மற்றும் ஒரு குறிப்பிட்ட காலத்திற்குப் பிறகு தானாகவே நீக்கப்படும் (எழுதும் நேரத்தில் 4096 எபோக்களாக (epochs) அல்லது சுமார் 18 நாட்களாக அமைக்கப்பட்டுள்ளது). இதன் பொருள் ரோலப்கள் தங்கள் தரவை மிகவும் மலிவாக அனுப்பலாம் மற்றும் சேமிப்பை மலிவான பரிவர்த்தனைகள் வடிவில் இறுதி பயனர்களுக்கு அனுப்பலாம்.

ரோலப்கள் என்பது ஆஃப்செயினில் (offchain) பரிவர்த்தனைகளைத் தொகுத்து, முடிவுகளை Ethereum இல் இடுகையிடுவதன் மூலம் Ethereum ஐ அளவிடுவதற்கான ஒரு வழியாகும். ஒரு ரோலப் அடிப்படையில் இரண்டு பகுதிகளைக் கொண்டுள்ளது: தரவு மற்றும் செயலாக்க சரிபார்ப்பு. தரவு என்பது Ethereum இல் இடுகையிடப்படும் நிலை மாற்றத்தை (state change) உருவாக்க ஒரு ரோலப் மூலம் செயலாக்கப்படும் பரிவர்த்தனைகளின் முழு வரிசையாகும். செயலாக்க சரிபார்ப்பு என்பது முன்மொழியப்பட்ட நிலை மாற்றம் சரியானது என்பதை உறுதிப்படுத்த சில நேர்மையான நடிகரால் ("நிரூபிப்பவர்" - prover) அந்த பரிவர்த்தனைகளை மீண்டும் செயல்படுத்துவதாகும். செயலாக்க சரிபார்ப்பைச் செய்ய, பரிவர்த்தனை தரவு எவரும் பதிவிறக்கம் செய்து சரிபார்க்கும் அளவுக்கு நீண்ட நேரம் கிடைக்க வேண்டும். இதன் பொருள் ரோலப் சீக்வென்சரின் (rollup sequencer) எந்தவொரு நேர்மையற்ற நடத்தையும் நிரூபிப்பவரால் அடையாளம் காணப்பட்டு சவால் செய்யப்படலாம். இருப்பினும், இது நிரந்தரமாக கிடைக்க வேண்டிய அவசியமில்லை.

ரோலப்கள் தங்கள் பரிவர்த்தனை தரவிற்கான கடப்பாடுகளை (commitments) ஆன்செயினில் இடுகையிடுகின்றன, மேலும் உண்மையான தரவை தரவு ப்ளாப்களில் கிடைக்கச் செய்கின்றன. இதன் பொருள் நிரூபிப்பவர்கள் கடப்பாடுகள் செல்லுபடியாகும் என்பதைச் சரிபார்க்கலாம் அல்லது தவறானது என்று அவர்கள் நினைக்கும் தரவை சவால் செய்யலாம். முனை-மட்டத்தில் (node-level), தரவின் ப்ளாப்கள் ஒருமித்த கிளையண்டில் (consensus client) வைக்கப்படுகின்றன. ஒருமித்த கிளையண்டுகள் தரவைப் பார்த்ததாகவும், அது நெட்வொர்க்கைச் சுற்றி பரப்பப்பட்டதாகவும் சான்றளிக்கின்றன. தரவு நிரந்தரமாக வைக்கப்பட்டிருந்தால், இந்த கிளையண்டுகள் வீங்கி, முனைகளை இயக்குவதற்கு பெரிய வன்பொருள் தேவைகளுக்கு வழிவகுக்கும். அதற்குப் பதிலாக, ஒவ்வொரு 18 நாட்களுக்கும் முனையிலிருந்து தரவு தானாகவே கத்தரிக்கப்படுகிறது (pruned). ஒருமித்த கிளையண்ட் சான்றளிப்புகள் தரவைச் சரிபார்க்க நிரூபிப்பவர்களுக்கு போதுமான வாய்ப்பு இருப்பதைக் காட்டுகின்றன. உண்மையான தரவை ரோலப் ஆபரேட்டர்கள், பயனர்கள் அல்லது பிறரால் ஆஃப்செயினில் சேமிக்க முடியும்.

ப்ளாப் தரவு எவ்வாறு சரிபார்க்கப்படுகிறது?

ரோலப்கள் தாங்கள் செயல்படுத்தும் பரிவர்த்தனைகளை தரவு ப்ளாப்களில் இடுகையிடுகின்றன. அவை தரவிற்கான "கடப்பாட்டையும்" (commitment) இடுகையிடுகின்றன. தரவுக்கு ஒரு பல்லுறுப்புக்கோவை சார்பை (polynomial function) பொருத்துவதன் மூலம் அவர்கள் இதைச் செய்கிறார்கள். இந்த சார்பு பின்னர் பல்வேறு புள்ளிகளில் மதிப்பீடு செய்யப்படலாம். எடுத்துக்காட்டாக, f(x) = 2x-1 என்ற மிக எளிய சார்பை நாம் வரையறுத்தால், இந்த சார்பை x = 1, x = 2, x = 3 என மதிப்பீடு செய்து 1, 3, 5 என்ற முடிவுகளைப் பெறலாம். ஒரு நிரூபிப்பவர் அதே சார்பை தரவுக்குப் பயன்படுத்துகிறார் மற்றும் அதே புள்ளிகளில் அதை மதிப்பீடு செய்கிறார். அசல் தரவு மாற்றப்பட்டால், சார்பு ஒரே மாதிரியாக இருக்காது, எனவே ஒவ்வொரு புள்ளியிலும் மதிப்பீடு செய்யப்பட்ட மதிப்புகளும் இருக்காது. உண்மையில், கடப்பாடு மற்றும் ஆதாரம் மிகவும் சிக்கலானவை, ஏனெனில் அவை கிரிப்டோகிராஃபிக் சார்புகளில் சுற்றப்பட்டுள்ளன.

KZG என்றால் என்ன?

KZG என்பது Kate-Zaverucha-Goldberg என்பதைக் குறிக்கிறது - இது தரவின் ப்ளாப்பை ஒரு சிறிய கிரிப்டோகிராஃபிக் "கடப்பாடாக" (opens in a new tab) குறைக்கும் திட்டத்தின் மூன்று அசல் ஆசிரியர்களின் (opens in a new tab) பெயர்கள். ரோலப் தவறாக நடந்து கொள்ளவில்லை என்பதை உறுதிப்படுத்த, ரோலப் சமர்ப்பித்த தரவின் ப்ளாப் சரிபார்க்கப்பட வேண்டும். கடப்பாடு செல்லுபடியாகும் என்பதைச் சரிபார்க்க, ப்ளாப்பில் உள்ள பரிவர்த்தனைகளை நிரூபிப்பவர் மீண்டும் செயல்படுத்துவது இதில் அடங்கும். மெர்க்கல் (Merkle) ஆதாரங்களைப் பயன்படுத்தி லேயர் 1 இல் Ethereum பரிவர்த்தனைகளின் செல்லுபடியை செயலாக்க கிளையண்டுகள் சரிபார்க்கும் விதத்திற்கு இது கருத்தியல் ரீதியாக சமம். KZG என்பது தரவுக்கு ஒரு பல்லுறுப்புக்கோவை சமன்பாட்டைப் பொருத்தும் ஒரு மாற்று ஆதாரமாகும். கடப்பாடு சில ரகசிய தரவுப் புள்ளிகளில் பல்லுறுப்புக்கோவையை மதிப்பீடு செய்கிறது. ஒரு நிரூபிப்பவர் தரவின் மீது அதே பல்லுறுப்புக்கோவையைப் பொருத்தி, அதே மதிப்புகளில் அதை மதிப்பீடு செய்து, முடிவு ஒரே மாதிரியாக இருக்கிறதா என்று சரிபார்ப்பார். சில ரோலப்கள் மற்றும் இறுதியில் Ethereum நெறிமுறையின் பிற பகுதிகளால் பயன்படுத்தப்படும் பூஜ்ஜிய-அறிவு (zero-knowledge) நுட்பங்களுடன் இணக்கமான தரவைச் சரிபார்க்க இது ஒரு வழியாகும்.

KZG விழா (KZG Ceremony) என்றால் என்ன?

KZG விழா என்பது Ethereum சமூகத்தைச் சேர்ந்த பலரும் கூட்டாக சில தரவைச் சரிபார்க்கப் பயன்படுத்தக்கூடிய எண்களின் ரகசிய சீரற்ற சரத்தை (secret random string) உருவாக்குவதற்கான ஒரு வழியாகும். இந்த எண்களின் சரம் யாருக்கும் தெரியாது மற்றும் யாராலும் மீண்டும் உருவாக்க முடியாது என்பது மிகவும் முக்கியம். இதை உறுதிப்படுத்த, விழாவில் பங்கேற்ற ஒவ்வொரு நபரும் முந்தைய பங்கேற்பாளரிடமிருந்து ஒரு சரத்தைப் பெற்றனர். பின்னர் அவர்கள் சில புதிய சீரற்ற மதிப்புகளை உருவாக்கினர் (எ.கா., அவர்களின் சுட்டியின் (mouse) இயக்கத்தை அளவிட அவர்களின் உலாவியை அனுமதிப்பதன் மூலம்) மற்றும் அதை முந்தைய மதிப்புடன் கலந்தனர். பின்னர் அவர்கள் அந்த மதிப்பை அடுத்த பங்கேற்பாளருக்கு அனுப்பி, அதை தங்கள் உள்ளூர் கணினியிலிருந்து அழித்தனர். விழாவில் ஒரு நபர் இதை நேர்மையாகச் செய்திருக்கும் வரை, இறுதி மதிப்பு தாக்குபவருக்குத் தெரியாது.

EIP-4844 KZG விழா பொதுமக்களுக்கு திறக்கப்பட்டது மற்றும் பல்லாயிரக்கணக்கான மக்கள் தங்கள் சொந்த என்ட்ரோபியை (சீரற்ற தன்மை) சேர்க்க பங்கேற்றனர். மொத்தத்தில் 140,000 க்கும் மேற்பட்ட பங்களிப்புகள் இருந்தன, இது உலகின் மிகப்பெரிய விழாவாக அமைந்தது. விழா குறைமதிப்பிற்கு உட்படுத்தப்பட வேண்டுமானால், அந்த பங்கேற்பாளர்களில் 100% பேர் தீவிரமாக நேர்மையற்றவர்களாக இருக்க வேண்டும். பங்கேற்பாளர்களின் கண்ணோட்டத்தில், அவர்கள் நேர்மையானவர்கள் என்று அவர்களுக்குத் தெரிந்தால், வேறு யாரையும் நம்ப வேண்டிய அவசியமில்லை, ஏனென்றால் அவர்கள் விழாவைப் பாதுகாத்தார்கள் என்று அவர்களுக்குத் தெரியும் (அவர்கள் தனித்தனியாக N-இல்-1 நேர்மையான பங்கேற்பாளர் தேவையை பூர்த்தி செய்தனர்).

ஒரு ரோலப் ஒரு ப்ளாப்பில் தரவை இடுகையிடும்போது, அவர்கள் ஆன்செயினில் இடுகையிடும் "கடப்பாட்டை" வழங்குகிறார்கள். இந்த கடப்பாடு சில புள்ளிகளில் தரவுக்குப் பொருத்தப்பட்ட பல்லுறுப்புக்கோவையை மதிப்பீடு செய்ததன் விளைவாகும். இந்த புள்ளிகள் KZG விழாவில் உருவாக்கப்பட்ட சீரற்ற எண்களால் வரையறுக்கப்படுகின்றன. தரவைச் சரிபார்க்க நிரூபிப்பவர்கள் அதே புள்ளிகளில் பல்லுறுப்புக்கோவையை மதிப்பீடு செய்யலாம் - அவர்கள் அதே மதிப்புகளை அடைந்தால் தரவு சரியானது.

கடப்பாட்டிற்குப் பயன்படுத்தப்படும் சீரற்ற இடங்கள் ஒருவருக்குத் தெரிந்தால், அந்த குறிப்பிட்ட புள்ளிகளில் பொருந்தக்கூடிய புதிய பல்லுறுப்புக்கோவையை (அதாவது, ஒரு "மோதல்" - collision) உருவாக்குவது அவர்களுக்கு எளிதானது. இதன் பொருள் அவர்கள் ப்ளாப்பிலிருந்து தரவைச் சேர்க்கலாம் அல்லது அகற்றலாம் மற்றும் இன்னும் செல்லுபடியாகும் ஆதாரத்தை வழங்கலாம். இதைத் தடுக்க, நிரூபிப்பவர்களுக்கு உண்மையான ரகசிய இடங்களை வழங்குவதற்குப் பதிலாக, நீள்வட்ட வளைவுகளைப் (elliptic curves) பயன்படுத்தி கிரிப்டோகிராஃபிக் "கருப்புப் பெட்டியில்" (black box) சுற்றப்பட்ட இடங்களை அவர்கள் உண்மையில் பெறுகிறார்கள். இவை அசல் மதிப்புகளை ரிவர்ஸ்-இன்ஜினியரிங் செய்ய முடியாத வகையில் மதிப்புகளை திறம்பட துருவுகின்றன, ஆனால் சில புத்திசாலித்தனமான இயற்கணிதத்துடன் நிரூபிப்பவர்கள் மற்றும் சரிபார்ப்பவர்கள் அவர்கள் பிரதிநிதித்துவப்படுத்தும் புள்ளிகளில் பல்லுறுப்புக்கோவைகளை இன்னும் மதிப்பீடு செய்யலாம்.

டான்க்ஷார்டிங் அல்லது புரோட்டோ-டான்க்ஷார்டிங் ஆகிய இரண்டும் பிளாக்செயினை பல பகுதிகளாகப் பிரிப்பதை நோக்கமாகக் கொண்ட பாரம்பரிய "ஷார்டிங்" (sharding) மாதிரியைப் பின்பற்றவில்லை. ஷார்ட் செயின்கள் (Shard chains) இனி வரைபடத்தின் (roadmap) ஒரு பகுதியாக இல்லை. அதற்குப் பதிலாக, டான்க்ஷார்டிங் Ethereum ஐ அளவிட ப்ளாப்கள் முழுவதும் விநியோகிக்கப்பட்ட தரவு மாதிரி எடுப்பைப் (distributed data sampling) பயன்படுத்துகிறது. இதைச் செயல்படுத்துவது மிகவும் எளிமையானது. இந்த மாதிரி சில நேரங்களில் "தரவு-ஷார்டிங்" (data-sharding) என்று குறிப்பிடப்படுகிறது.

டான்க்ஷார்டிங் என்றால் என்ன?

டான்க்ஷார்டிங் என்பது புரோட்டோ-டான்க்ஷார்டிங்குடன் தொடங்கிய ரோலப் அளவிடுதலின் முழுமையான உணர்தலாகும். ரோலப்கள் தங்களின் சுருக்கப்பட்ட பரிவர்த்தனை தரவைக் கொட்டுவதற்கு டான்க்ஷார்டிங் Ethereum இல் பெரிய அளவிலான இடத்தைக் கொண்டுவரும். இதன் பொருள் Ethereum நூற்றுக்கணக்கான தனிப்பட்ட ரோலப்களை எளிதாக ஆதரிக்க முடியும் மற்றும் வினாடிக்கு மில்லியன் கணக்கான பரிவர்த்தனைகளை நனவாக்க முடியும்.

புரோட்டோ-டான்க்ஷார்டிங்கில் ஆறு (6) ஆக இருந்த தொகுதிகளுடன் இணைக்கப்பட்ட ப்ளாப்களை முழு டான்க்ஷார்டிங்கில் 64 ஆக விரிவுபடுத்துவதன் மூலம் இது செயல்படுகிறது. தேவைப்படும் மீதமுள்ள மாற்றங்கள் அனைத்தும் புதிய பெரிய ப்ளாப்களைக் கையாள உதவும் வகையில் ஒருமித்த கிளையண்டுகள் செயல்படும் விதத்திற்கான புதுப்பிப்புகளாகும். இந்த மாற்றங்களில் பல டான்க்ஷார்டிங்கிலிருந்து சுயாதீனமான பிற நோக்கங்களுக்காக ஏற்கனவே வரைபடத்தில் உள்ளன. எடுத்துக்காட்டாக, டான்க்ஷார்டிங்கிற்கு முன்மொழிபவர்-உருவாக்குபவர் பிரிப்பு (proposer-builder separation) செயல்படுத்தப்பட்டிருக்க வேண்டும். இது வெவ்வேறு வேலிடேட்டர்கள் (validators) முழுவதும் தொகுதிகளை உருவாக்கும் மற்றும் தொகுதிகளை முன்மொழியும் பணிகளைப் பிரிக்கும் ஒரு மேம்படுத்தலாகும். இதேபோல், டான்க்ஷார்டிங்கிற்கு தரவு கிடைக்கும் தன்மை மாதிரி (data availability sampling) தேவைப்படுகிறது, ஆனால் அதிக வரலாற்றுத் தரவைச் சேமிக்காத மிக இலகுரக கிளையண்டுகளின் ("நிலையற்ற கிளையண்டுகள்" - stateless clients) வளர்ச்சிக்கும் இது தேவைப்படுகிறது.

தனிப்பட்ட வேலிடேட்டர்கள் 32MB ப்ளாப் தரவிற்கான விலையுயர்ந்த கடப்பாடுகள் மற்றும் ஆதாரங்களை உருவாக்குவதைத் தடுக்க முன்மொழிபவர்-உருவாக்குபவர் பிரிப்பு தேவைப்படுகிறது. இது ஹோம் ஸ்டேக்கர்கள் (home stakers) மீது அதிக அழுத்தத்தை ஏற்படுத்தும் மற்றும் அதிக சக்திவாய்ந்த வன்பொருளில் முதலீடு செய்ய அவர்களைக் கோரும், இது பரவலாக்கலை (decentralization) பாதிக்கிறது. அதற்குப் பதிலாக, சிறப்பு தொகுதி உருவாக்குபவர்கள் இந்த விலையுயர்ந்த கணக்கீட்டு வேலைக்கான பொறுப்பை ஏற்றுக்கொள்கிறார்கள். பின்னர், அவர்கள் தங்கள் தொகுதிகளை ஒளிபரப்ப தொகுதி முன்மொழிபவர்களுக்குக் கிடைக்கச் செய்கிறார்கள். தொகுதி முன்மொழிபவர் மிகவும் லாபகரமான தொகுதியைத் தேர்ந்தெடுக்கிறார். எவரும் ப்ளாப்களை மலிவாகவும் விரைவாகவும் சரிபார்க்க முடியும், அதாவது எந்தவொரு சாதாரண மதிப்பீட்டாளரும் தொகுதி உருவாக்குபவர்கள் நேர்மையாக நடந்து கொள்கிறார்களா என்பதைச் சரிபார்க்கலாம். இது பரவலாக்கலை தியாகம் செய்யாமல் பெரிய ப்ளாப்களைச் செயலாக்க அனுமதிக்கிறது. தவறாக நடந்து கொள்ளும் தொகுதி உருவாக்குபவர்கள் நெட்வொர்க்கிலிருந்து வெளியேற்றப்பட்டு வெட்டப்படலாம் (slashed) - தொகுதி உருவாக்குவது ஒரு லாபகரமான செயல் என்பதால் மற்றவர்கள் அவர்களின் இடத்திற்கு வருவார்கள்.

வேலிடேட்டர்கள் ப்ளாப் தரவை விரைவாகவும் திறமையாகவும் சரிபார்க்க தரவு கிடைக்கும் தன்மை மாதிரி (Data availability sampling) தேவைப்படுகிறது. தரவு கிடைக்கும் தன்மை மாதிரியைப் பயன்படுத்தி, ப்ளாப் தரவு கிடைத்தது மற்றும் சரியாக உறுதியளிக்கப்பட்டது என்பதை வேலிடேட்டர்கள் உறுதியாக நம்பலாம். ஒவ்வொரு மதிப்பீட்டாளரும் தோராயமாக சில தரவுப் புள்ளிகளை மட்டுமே மாதிரி செய்து ஒரு ஆதாரத்தை உருவாக்க முடியும், அதாவது எந்த மதிப்பீட்டாளரும் முழு ப்ளாப்பையும் சரிபார்க்க வேண்டியதில்லை. ஏதேனும் தரவு விடுபட்டிருந்தால், அது விரைவாக அடையாளம் காணப்பட்டு ப்ளாப் நிராகரிக்கப்படும்.

தற்போதைய முன்னேற்றம்

முழுமையான டான்க்ஷார்டிங் பல ஆண்டுகள் தொலைவில் உள்ளது. இதற்கிடையில், KZG விழா 140,000 க்கும் மேற்பட்ட பங்களிப்புகளுடன் முடிவடைந்தது, மேலும் புரோட்டோ-டான்க்ஷார்டிங்கிற்கான EIP (opens in a new tab) முதிர்ச்சியடைந்துள்ளது. இந்த முன்மொழிவு அனைத்து டெஸ்ட்நெட்களிலும் (testnets) முழுமையாகச் செயல்படுத்தப்பட்டுள்ளது, மேலும் மார்ச் 2024 இல் Cancun-Deneb ("Dencun") நெட்வொர்க் மேம்படுத்தலுடன் மெயின்நெட்டில் (Mainnet) நேரலையில் சென்றது.

மேலும் படிக்க

பக்கம் கடைசியாகப் புதுப்பிக்கப்பட்டது: 16 பிப்ரவரி, 2026

+10

டான்க்ஷார்டிங்

புரோட்டோ-டான்க்ஷார்டிங் என்றால் என்ன?

ப்ளாப்கள் ஏன் ரோலப்களை மலிவாக்குகின்றன?

ப்ளாப் தரவை நீக்குவது ஏன் சரியானது?