EIP-4844經濟學：深入探討Rollup的資料可用策略

作者：Jason, ETHconomics Research Space

非常感謝Colin@colinlyguo 參與本文的討論與提供的意見，以及Qi Zhou@qc_qizhou 對本文的回饋。

寫在前面

在EIP-4844 經濟學系列中，我們將分四部分來講述新增的blob-carrying transaction會為網路帶來何種影響。在上一篇文章中，筆者深入Blob 交易的費用機制，包括Blob 交易的費用計算方式，Blob 交易的特質以及Blob Base Fee 的更新演算法等內容。在本篇文章中，筆者基於EIP-4844 Economics and Rollup Strategies的分析框架進一步挖掘EIP-4844 新引入的Blob 市場會如何影響其主要的需求方Rollup 的數據可用策略。

EIP-4844 經濟學系列：

EIP-4844 經濟學#1: 深入EIP-4844 費用機制
EIP-4844 經濟學#2: 深入Rollup 資料可用策略（本文）
EIP-4844 經濟學#3: 深入多維資源定價
EIP-4844 經濟學#4: 深入Type 3 交易打包策略

Rollup 資料可用策略

EIP-4844 引進了Blob 資料空間作為更佳的資料可用方案。似乎對於Rollup 而言，只需要技術性地升級其密碼學承諾演算法以支援Blob 即可。然而，除了技術底層的升級外，Rollup 更需要研究如何利用Blob 盡可能降低其可用性資料的成本。換而言之，Rollup 需要根據各自的成本曲線以及需求曲線來制定其數據可用的策略。

模型假設分析

建模分析的有效性取決於模型假設。模型假設肯定是無法完全貼近現實，需要做得到抓小放大，關鍵在於假設的合理性以及對分析的影響。因此，在進行模型推導前，我們先來分析本文所依賴的一些關鍵假設。

假設1：引入隱性的延遲成本

在建模過程中，除了資料可用方法消耗的手續費外，本文還引入了隱性的資料延遲成本。資料延遲成本可能對於大部分人而言不太直覺。舉一個極端例子，例如一個rollup 的TPS 是每天1 筆交易，等待這些交易塞滿一個Blob 才提交至L1 似乎不是一個優秀的策略。

資料延遲成本的隱形來自於其主要關聯於使用者體驗，某些去中心化應用的安全模型，以及某些去中心化應用的活性。

L2 的優勢在於其之上的交易能夠得到L1 的確認。雖然序列器能夠快速返回L2 交易處理結果，但是若L2 交易未得到L1 的確認，中心化的序列器實際上比Polygon 等L1 安全性更差。因此，L2 的目標使用者理應關注L2 交易的可用性資料被提交至L1事件以判斷交易的狀態，並依賴該狀態進行後續操作。因此，資料延遲越大，使用者需要等待時間越長，使用者體驗越差
以跨L2 應用為例，此類應用程式最終的安全性都依賴被提交至L1 的L2 可用性資料。因此，此類應用程式的一些關鍵功能需要等待相應的L2 交易的可用性資料上傳後才可以實現。
對於zkrollup 而言，L2 交易的可用性資料以及有效性證明被提交至L1時L2 交易立即得到L1 確認。然而，對於optimistic rollup 而言，L2 交易的可用性資料提交至L1後仍需等待一段挑戰期（如7 天）。在該情況下，似乎L2 交易的可用性數據的及時提交沒那麼重要。實際上並不然，因為有些應用（如Maker Bridge）會直接執行驗證提交至L1 的L2 的可用性數據，而無需等待挑戰期。

假設2：資料延遲成本與交易等待時長成正比

本文假設資料延遲成本與交易等待時長成正比（線性函數）。現實中，延遲成本應該更適合用非線形的函數來刻畫。例如，

指數函數（延遲成本隨時間指數上升）
分段函數（超過某個閾值才引入延遲成本）

相對於上面更精細的刻畫，線形函數具有以下優勢：

導數是常數，方便建模推導
連續可導，建模過程中的導數運算

同時，線形函數整體上也刻畫了交易等待時長越大，資料延遲成本越高的關鍵特徵，滿足建模的需求。不同的線性比例也能捕捉擬合非線形函數。

假設3：智能合約處理可用性資料的Gas 消耗為常數

本文在Blob 的可用策略和Calldata 和Blob 間的可用策略中假設智能合約處理可用性資料的Gas 消耗為常數，與交易批次中的交易量無關。

在實際場景中，處理可用性資料的Gas 消耗可能是與交易量成線性關係的。例如，交易批次中全是L2 → L1 的操作，那麼智能合約可能需要逐一處理這些操作，因此處理可用性資料的Gas 消耗也會呈現線性關係的。

若對處理可用性資料的Gas 消耗感興趣，可以以Scroll 為例進行洞察：https://github.com/scroll-tech/scroll/pull/659。值得注意的是，EIP-4844 之後，計算交易witness 的keccak256 消耗的gas 可以省去。

根據統計數據可以發現，各個layer 2處理可用性資料的方式其實不太一樣。下面挑選典型例子來說明：

1. Optimism 中處理可用性資料消耗的Gas 基本上與交易批次的大小無關，十分符合本文的假設。

cr:@donnoh_eth

2. Arbitrum 中處理可用性資料消耗的Gas 基本上與交易批次的大小呈正相關，似乎不太符合本文的假設。固定的部分達到175000 Gas，可變部分最大達到90000 Gas，比例約為51.4%。某種程度而言，該假設仍是合理的。

EIP-4844經濟學：深入探討Rollup的資料可用策略

cr:@donnoh_eth 假設4：智能合約處理可用性資料的Gas 可忽略

本文在Blob 均衡價格，Blob 拼單策略以及Blob 成本分攤的推導中假設智能合約處理可用性資料的Gas 消耗可忽略，即遠低於上傳可用性資料的成本。

在EIP-4844 之前，根據統計數據，該假設很明顯是成立的：

EIP-4844經濟學：深入探討Rollup的資料可用策略 cr:@donnoh_eth
cr:@donnoh_eth

然而，EIP-4844 上線前期，Blob 的費用似乎可以忽略不計，請參閱Optimism 的一個batch 交易。這個時期Blob 的供給遠高於需求，Data Gas Price 為1 wei。

EIP-4844經濟學：深入探討Rollup的資料可用策略 cr:beaconcha.in

雖然不符合當前情況，但是該假設在探討上述三個主題還是有意義的

Blob 均衡價格探討的是Blob 在未來達到供給需求平衡時的場景
Blob 拼單策略以及Blob 成本分攤探討的是Blob 成本過高而需要拼單的場景

💡 目前（2024.3.31）的Blob 已經錨定了目標，更接近建模假設：

EIP-4844經濟學：深入探討Rollup的資料可用策略

cr: @0xRob 假設5：Gas Price 和Data Gas Price 為靜態均衡值

本文在推導的過程中假設Gas Price 以及Data Gas Price 為靜態均衡值。實際上，均衡值會受供需範式轉移的影響，也是動態的。不過，供需範式轉移（非隨機波動）發生的頻率較低。在這中間，均衡值可以考慮為靜態值，不會影響在這中間實作的策略。不過，供需範式轉移轉移後，要更新新的狀態均衡值即可。