導語：到底什麼是數據可用性？可能絕大多數人第一印像是“可以獲取某個時刻的歷史數據”，但這其實是對DA概念最大的誤解。近期L2BEAT聯創與Danksharding提出者、Celestia創始人都對這一誤區做出了澄清，他們指出，Data Avalibity實際上應該指“數據發布”，但大多數人把DA理解成了“歷史數據可檢索”，而後者實際上涉及到數據存儲問題。
比如，前一陣子Dankrad曾提到了Layer2的強制提款/逃生艙機制，他指出，Validium的強制提款需要獲取最新的L2狀態來構造Merkle Proof，但Plasma只需要7天以前的（這和兩者的合法Stateroot判定方式有關）。
藉此，Dankrad明確指出，Validium需要DA保障用戶資金安全，而Plasma不需要。在此處，Dankrad用案例指出了DA和歷史數據可檢索的不同之處，即DA往往只涉及新發布的數據。
在L2BEAT那裡，數據可用性DA與數據存儲DS的區別被進一步加強。 L2BEAT的Bartek多次強調，DA和數據存儲/歷史數據可查是兩碼事，而用戶能夠獲取到自己需要的L2數據，只是因為那些提供數據的節點“對你足夠好”。此外，L2BEAT還計劃把“是否有權限開放的數據存儲節點”當做DA之外的一個測評Rollup的新指標。
以太坊社區/以太坊基金會成員的上述言辭，表明了他們要在未來對Layer2相關概念進行規範化的梳理，並對Layer2本身進行更詳實的定義。因為圍繞著Rollup和L2的很多名詞其實都沒有被很好的解釋清楚，比如多久前的數據算“歷史數據”——有人認為，因為智能合約只能調用256個block內的過往區塊數據，所以256個區塊（50min）前的數據都算“歷史數據”。
而Celestia和以太坊基金會口中的“Rollup”，嚴格來說都是兩種東西。本文旨在澄清DA概念和數據存儲的區別，從DA的來源、數據可用性採樣、Rollup的DA實現方式，來為大家解釋到底什麼才是數據可用性——數據發布。
DA概念的來源
關於“數據可用性”問題到底指什麼，Celestia創始人Mustafa如此解釋：DA就是，當區塊生成者提出新block時，如何確保區塊裡的所有數據都發佈到了網絡中？如果區塊生成者不Release區塊中的所有數據，就無法檢測區塊裡是否包含錯誤交易。
Mustafa還指出，以太坊Rollup簡單地將L2區塊數據發佈到以太坊鏈上，並依賴ETH來保障數據可用性。
而在以太坊官網，有關於DA的如下概括：可以把數據可用性難題概括為一個問題：“我們如何驗證一個新區塊的數據是否可用？”……對於輕客戶端來說，數據可用性問題是指在無需下載整個區塊的情況下，驗證區塊的可用性。
以太坊官網還明確區分了數據可用性與可檢索性的區別：數據可用性是指區塊被提出時，節點下載區塊數據的能力。換句話說，數據可用性與區塊尚未達成共識時相關……數據可檢索性是指節點從區塊鏈中檢索歷史信息的能力……雖然存檔可能需要區塊鏈歷史數據，但節點無需使用歷史數據就可以驗證區塊並處理交易。
在Celestia中國貢獻者——W3Hitchhiker合夥人任泓毅看來，Layer2事先假設Ethereum足夠安全和去中心化，排序器可以放心大膽的把DA數據發到以太坊，這些數據會無阻礙的傳播給所有以太坊全節點。而L2全節點本身就要運行Geth客戶端，算是以太坊全節點的子集，所以可以接收到Layer2的DA數據。
而在EthStorage的創始人Qi Zhou博士眼裡，DA的定義是沒有人可以把用戶提交到網絡裡的交易數據扣留住。對應的信任模型是，我們只需要信任L1的協議本身，不需要再引入其他信任假設。
Qi Zhou指出，現在以太坊的DA實現方式其實就是P2P廣播（gossip流言協議），每個全節點都會下載並傳播新block，並存儲Rollup的數據。當然，以太坊全節點並不會永久存儲歷史區塊，在4844上線後可能會自動刪除一段時間前的數據（貌似是18天）。存放全部歷史數據的檔案節點，現在全世界也沒有多少，EthStorage則打算填補以太坊體系的這一空白，並助力Layer2設置自己專屬的數據永存節點。
而以太坊基金會關於數據可用性Data availability的早期討論，可見於Vitalik在2017年的推文與github文檔。當時他認為，如果要保證區塊鏈可拓展/高效率，就要抬高全節點的硬件配置（全節點就是下載完整block並驗證其有效性的節點，做共識的Validator是全節點的子集）。但如果提高全節點硬件配置，就會提昇運行成本，導致區塊鏈變得中心化。
關於這一點，Vitalik說，可以設計一種方案，解決高性能全節點趨於中心化帶來的安全隱患。他打算引入糾刪碼和數據隨機抽樣來設計一套協議，使得低配硬件的輕節點即便不獲知完整的block，也可以得知block沒有問題。
他最開始的想法其實和比特幣白皮書裡提到的idea有關。這個idea說，輕節點可以不接收完整block，而當block有問題時，誠實全節點會發出“警報”，通知輕節點。這個思路可以引申到後來的欺詐證明，但不能保證誠實全節點始終可以獲得足夠數據，也無法事後判斷區塊提議者是否扣留了某些數據沒發布。
比如，某個節點A可以發布欺詐證明，聲稱從節點B那收到了不完整的block。但此時無法判斷，這個不完整的block是A自己偽造的，還是B發出去的。 Vitalik指出可以用數據可用性採樣DAS解決這個問題（顯然數據可用性實質涉及數據發布問題）。
Vitalik在”A note on data availability and erasure coding”一文中對這些問題及其解決方案進行了粗略討論。他指出，DA證明實質是對欺詐證明的一種“補完”。
數據可用性採樣
但顯然，DA概念不是那麼好解釋的，因為Vitalik的這篇github文檔前前後後進行了18次更正。記錄顯示，最後一次更正提交於2018.9.25。而就在前一天的2018.9.24，Celestia創始人Mustafa與Vitalik聯名發表了日後聲名大噪的論文——Fraud and Data Availability Proofs: Maximising Light Client Security and Scaling Blockchains with Dishonest Majorities.
有趣的是，這篇論文第一作者是Mustafa而不是Vitalik（另一名作者現在是Sui公鏈的研究員）。文中提到了欺詐證明Fraud Proof的概念，並解釋了數據可用性採樣DAS的原理，粗略設計了一套DAS +二維糾刪碼+欺詐證明的混搭協議。論文中則明確提到，DA證明系統實質是欺詐證明之上的必要補充。
如果我們從Vitalik的視角出發的話，這套協議的作用可以概括如下：
假設一條公鏈有N個高配硬件的共識節點Validator，它們的數據吞吐量很大，效率很高。這樣的區塊鏈雖然TPS高，但共識節點數量N比較少，是比較中心化的，節點串謀概率高。
但是，N個共識節點中起碼會有1個是誠實的。只要至少1/N的Validator誠實，檢查出block無效，並願意在必要時刻廣播欺詐證明，輕節點或誠實Validator都能知道網絡出現了安全問題，並可以通過Slash惡意節點、社會共識分叉等方式讓網絡恢復正常。
可是，就像之前Vitalik提到的，如果誠實全節點接收到一個block且發現它缺乏某些部分，並發布欺詐證明，此時不好判斷出是block提議者沒發布這部分數據，還是中途被其他節點扣留了，亦或是發布欺詐證明的節點自導自演。
此外，如果多數節點串謀，1/N的誠實Validator被孤立，可能無法獲取新的block，這算是一種數據扣留攻擊場景。需要注意的是，此時誠實節點不知道是網絡狀況不好，還是其他人串謀搞數據扣留，他也不知道其他節點是否也被孤立，不好判斷多數人是否已經串謀搞數據扣留。
綜上，要有一種辦法，以極高概率保證誠實Validator能獲取到驗證block所需的數據；同時，要能判斷出是誰在搞數據扣留攻擊——是block提議者沒發布足量數據，還是說被其他節點扣留了，亦或是多數節點在搞串謀。顯然，這種安全模型比普通POS鏈的“誠實多數假設”多了很多保障，而數據可用性抽樣DAS就是具體的實現方式。
我們現在假設，網絡中輕節點很多，可能是10 N，每個輕節點都連接了多個Validator（為了方便分析，假設每個輕節點都連接了全部N個Validator）。這些輕節點會向Validator多次發動數據抽樣，每次隨機請求一小部分數據（假設只佔一個block的1%）。隨後，它們會把抽到的碎片傳播給沒有這些數據的Validator。只要輕節點足夠多，且數據抽樣次數足夠頻繁，即便某些請求可能被拒絕，但只要大部分被響應，就可以保證所有Validator最終都能獲取到驗證block所需的足量數據。這樣可以抵消掉Block提議者以外的其他節點扣留數據的影響。
（圖源：W3 Hitchhiker）
而如果多數Validator搞串謀，拒絕響應大多數輕節點的請求，此時人們很容易意識到鏈出了問題（因為就算一部分人的網速不好，也不至於差到大部分輕節點的請求都被拒絕）。所以前述方案可以極高概率判斷出多數串謀行為，當然這種情況本身極少發生。
到了這裡，我們可以解決掉來自Block提議者之外的不確定性因素。如果Block提議者搞數據扣留，比如他沒有在block裡發布驗證區塊所需要的足量數據（引入二維糾刪碼後，一個區塊裡包含2k*2k個片段，而還原出區塊的原始數據至少需要約k*k個片段，佔1/4。提議者想讓其他人不能還原出原始數據，最少需要扣留k+1*k+1個片段），最終肯定會被誠實Validator檢測出來，而後者會廣播欺詐證明警告其他人。
按照vitalik和mustafa的說法，他們其實是把此前就有人提出的想法結合了起來，並在此之上做出了一定的創新。而從整個構思的出發點與實現方式來看，顯然所謂的“數據可用性”指的是驗證最新block所需的那些數據，是否都有被區塊提議者發佈出去，且能不能被驗證者們接收到。這關乎“數據是否完整髮布”而不是“歷史數據是否可以被檢索到”。
以太坊Rollup的DA怎麼實現
有了前面的論斷，我們再來看以太坊Rollup的DA實現方式，其實就比較清晰了：Rollup裡的區塊提議者就是排序器Sequencer，它每隔一段時間就會在以太坊上發布驗證Layer2狀態轉換所需要的數據。準確的說，是向指定的合約發起一筆Transaction，在自定義的輸入參數里塞進DA所涉及的數據，並最終被記錄進以太坊區塊裡。由於以太坊足夠去中心化，可以確信定序器提交的數據會被“驗證者”順利接收到。但不同Rollup網絡中充當“驗證者”角色的東西是不同的。
（Arbitrum排序器向以太坊上某合約post的交易批次，合約本身不驗證這些數據，只拋出一個事件讓L2全節點來監聽，讓後者知道排序器發布了交易批次）
具體而言，ZK Rollup採用以太坊上的Verifier合約充當“驗證者”。 ZKR最少只需要發布State Diff + Validity Proof，也就是狀態變化情況+有效性證明，Verifier合約會檢測有效性證明，判斷它能否和State Diff對上號。驗證通過後，定序器發布的L2 Block/Batch就被認作有效。
（來源：前Polygon Hermez白皮書）
而樂觀Rollup要在以太坊發布更多數據，因為它只能靠L2全節點去下載數據並驗證Block有效性。這樣的話，至少要披露每筆L2交易的數字簽名（現在一般用聚合簽名）、如果有調用合約的話，還要披露輸入參數，此外還要披露交易轉賬地址、防重放攻擊的Nonce值等。但相較於完整的Transaction data，還是有一些修剪。
相比於ZK Rollup，樂觀Rollup的DA成本更高，因為ZK Rollup只需要披露一批交易執行後的最終狀態變化，附帶一個有效性證明，利用到了ZK SNARK/STARK的簡潔性；而樂觀Rollup只能採用最笨重的方式，讓所有交易都在其他L2全節點身上重新執行一遍。
此前W3hitchhiker曾粗略估算過，不考慮未來的4844和blob，ZKR的擴容效應可以達到OPR的數倍，而如果考慮到4337相關的智能錢包（用指紋、虹膜數據取代私鑰簽名），ZKR的優勢會更明顯，因為它不需要把指紋、虹膜的二進制化數據post上以太坊，而樂觀Rollup需要）。
至於Validium和Plasma/Optimium，其實是用以太坊鏈下的DA層來實現DA。比如，採用了有效性證明系統的ImmutableX自己搭建了一組DAC節點（數據可用性委員會），專門發布DA涉及的數據；Metis則在Memlabs上發布DA數據，Rooch 和Manta則採用Celestia。而目前看來，由於有DAS和欺詐證明系統的存在，Celestia是以太坊之外可信度最高的DA層項目之一。
參考文獻
1.https://coinmarketcap.com/alexandria/article/what-is-data-availability
2.https://github.com/ethereum/research/wiki/A-note-on-data-availability-and-erasure-coding
3.https://www.youtube.com/watch?v=xV2XVCtQIGw&t=2977s
4.https://www.chainfeeds.xyz/feed/detail/45ca8444-113b-4d81-b3eb-cd90a1297f8d
5. https://arxiv.org/abs/1809.09044
6.https://ethereum.org/zh/developers/docs/data-availability/
