EIP-4844经济学：深入探索Rollup的数据可用策略

ETHconomics Research Space ｜2024-04-02 17:00

作者：Jason, ETHconomics Research Space 非常感谢 Colin@colinlyguo 参与本文的讨论和提供的意见，以及 Qi Zhou@qc_qizhou 对本文的反馈。写在前面在 EIP-4844 经济学系列中，我们将分四部分来讲述新增的blob-carrying transaction会给网络带来何种影

作者：Jason, ETHconomics Research Space

非常感谢 Colin@colinlyguo 参与本文的讨论和提供的意见，以及 Qi Zhou@qc_qizhou 对本文的反馈。

写在前面

在 EIP-4844 经济学系列中，我们将分四部分来讲述新增的blob-carrying transaction会给网络带来何种影响。在上一篇文章中，笔者深入 Blob 交易的费用机制，包括 Blob 交易的费用计算方式，Blob 交易的特质以及 Blob Base Fee 的更新算法等内容。在本篇文章中，笔者基于EIP-4844 Economics and Rollup Strategies的分析框架进一步挖掘 EIP-4844 新引入的 Blob 市场会如何影响其主要的需求方 Rollup 的数据可用策略。

EIP-4844 经济学系列：

EIP-4844 经济学#1: 深入 EIP-4844 费用机制
EIP-4844 经济学#2: 深入 Rollup 数据可用策略（本文）
EIP-4844 经济学#3: 深入多维资源定价
EIP-4844 经济学#4: 深入 Type 3 交易打包策略

Rollup 数据可用策略

EIP-4844 引入了 Blob 数据空间作为更佳的数据可用方案。似乎对于 Rollup 而言，只需要技术性地升级其密码学承诺算法以支持 Blob 即可。然而，除了技术底层的升级外，Rollup 更需要研究如何利用 Blob 来尽可能降低其可用性数据的成本。换而言之，Rollup 需要根据各自的成本曲线以及需求曲线制定其数据可用的策略。

模型假设分析

建模分析的有效性依赖于模型假设。模型假设肯定是无法完全贴近现实，需要做得到抓小放大，关键在于假设的合理性以及对分析的影响。因此，在进行模型推导前，我们先来分析一下本文依赖的一些关键假设。

假设 1：引入隐性的延迟成本

在建模过程中，除了数据可用方法消耗的手续费外，本文还引入了隐性的数据延迟成本。数据延迟成本可能对于大部分人而言不太直觉。举一个极端例子，比如一个 rollup 的 TPS 是每天 1 笔交易，等待这些交易塞满一个 Blob 才提交至 L1 似乎不是一个优秀的策略。

数据延迟成本的隐形来自于其主要关联于用户体验，某些去中心化应用的安全模型，以及某些去中心化应用的活性。

L2 的优势在于其之上的交易能够得到 L1 的确认。虽然序列器能够快速返回 L2 交易处理结果，但是若 L2 交易未得到 L1 的确认，中心化的序列器实际上比 Polygon 等 L1 安全性更差。因此，L2 的目标用户理应关注L2 交易的可用性数据被提交至 L1事件以判断交易的状态，并依赖该状态进行后续操作。因此，数据延迟越大，用户需要等待时间越长，用户体验越差
以跨 L2 应用为例，此类应用最终的安全性都依赖于被提交至 L1 的 L2 可用性数据。因此，此类应用的一些关键功能需要等待相应的 L2 交易的可用性数据上传后才可以实现。
对于 zkrollup 而言，L2 交易的可用性数据以及有效性证明被提交至 L1时 L2 交易立即得到 L1 确认。然而，对于 optimistic rollup 而言，L2 交易的可用性数据被提交至 L1后仍需等待一段挑战期（如 7 天）。在该情况下，似乎 L2 交易的可用性数据的及时提交没那么重要。实际上并不然，因为有一些应用（如 Maker Bridge）会直接执行验证提交至 L1 的 L2 的可用性数据，无需等待挑战期。

假设 2：数据延迟成本与交易等待时长成正比

本文假设数据延迟成本与交易等待时长成正比（线性函数）。现实中，延迟成本应该更适合用非线形的函数进行刻画。例如，

指数函数（延迟成本随时间指数上升）
分段函数（超过某个阈值才引入延迟成本）

相对于上面更精细的刻画，线形函数具有以下优势：

导数是常数，方便建模推导
连续可导，建模过程中的导数运算

同时，线形函数整体上也刻画了交易等待时长越大，数据延迟成本越高的关键特征，满足建模的需求。不同的线性比例也能捕捉拟合非线形函数。

假设 3：智能合约处理可用性数据的 Gas 消耗为常数

本文在Blob 的可用策略和Calldata 和 Blob 间的可用策略中假设智能合约处理可用性数据的 Gas 消耗为常数，与交易批次中的交易量无关。

在实际场景中，处理可用性数据的 Gas 消耗可能是与交易量成线性关系的。例如，交易批次中全是 L2 → L1 的操作，那么智能合约可能需要逐个处理这些操作，因此处理可用性数据的 Gas 消耗也会呈线性关系的。

若对处理可用性数据的 Gas 消耗感兴趣，可以以 Scroll 为例进行洞察：https://github.com/scroll-tech/scroll/pull/659。值得注意的是，EIP-4844 之后，计算交易 witness 的 keccak256 消耗的 gas 可以省去。

根据统计数据可以发现，各个 layer 2处理可用性数据的方式实际上不太一样。下面挑选典型例子进行说明：

1. Optimism 中处理可用性数据消耗的 Gas 基本与交易批次的大小无关，十分符合本文的假设。

cr:@donnoh_eth

2. Arbitrum 中处理可用性数据消耗的 Gas 基本与交易批次的大小呈正相关，似乎不太符合本文的假设。固定的部分达到 175000 Gas，可变部分最大达到 90000 Gas，比例约为 51.4%。某种程度而言，该假设仍是合理的。

EIP-4844经济学：深入探索Rollup的数据可用策略

cr:@donnoh_eth

假设 4：智能合约处理可用性数据的 Gas 可忽略

本文在Blob 均衡价格，Blob 拼单策略以及Blob 成本分摊的推导中假设智能合约处理可用性数据的 Gas 消耗可忽略，即远低于上传可用性数据的成本。

在 EIP-4844 之前，根据统计数据，该假设很明显是成立的：

cr:@donnoh_eth

cr:@donnoh_eth

然而，EIP-4844 上线前期，Blob 的费用似乎可以忽略不计，参见 Optimism 的一个 batch 交易。这个时期 Blob 的供给远高于需求，Data Gas Price 为 1 wei。

cr:beaconcha.in

虽然不符合当前情况，但是该假设在探讨上述三个主题还是有意义的

Blob 均衡价格探讨的是 Blob 在未来达到供给需求平衡时的场景
Blob 拼单策略以及Blob 成本分摊探讨的是 Blob 成本过高而需要拼单的场景

💡 当前（2024.3.31）的 Blob 已经锚定了目标，更接近建模假设：

EIP-4844经济学：深入探索Rollup的数据可用策略

cr: @0xRob

假设 5：Gas Price 和 Data Gas Price 为静态均衡值

本文在推导的过程中假设 Gas Price 以及 Data Gas Price 为静态均衡值。实际上，均衡值会受供需范式转移的影响，也是动态的。不过，供需范式转移（非随机波动）发生的频率较低。在这中间，均衡值可以考虑为静态值，不会影响在这中间实施的策略。不过，供需范式转移转移后，要更新一下新的状态均衡值即可。

Blob 的可用策略

在 EIP-4844 中，Blob 采用的是集装箱的收费模型。因此，对于 Rollup 而言，需要权衡：

当 Blob 被完全利用时，上传可用性数据均摊成本是最低的

当 Blob 被完全利用时，数据延迟成本是最高的（等待最长时间才能提交至一层网络）

Blob 数据可用方案成本

EIP-4844经济学：深入探索Rollup的数据可用策略

Calldata 和 Blob 间的可用策略

Blob 作为一种数据可用方案，并非完全优于 Calldata：

利用 Calldata 上传可用性数据的均摊成本是不变的，无需如 Blob 般等待数据达到某种量级以降低成本，因此可以做到快速发布，因而有着更低的数据延迟成本。
可以预想，有着较少交易量的 Rollup 会更倾向于使用 Calldata。这些 Rollup 需要付出很大的数据延迟成本才能把 Blob 填充完。