(Und warum die Informatik seit über 40 Jahren versucht, dies zu lösen)
🧠 Das Speicherproblem ist älter als Krypto
Lange bevor es Blockchains gab, hatten Forscher für verteilte Systeme bereits mit einer brutalen Realität zu kämpfen:
Je mehr Maschinen Sie hinzufügen, desto schwieriger wird es, Daten lebendig zu halten.
In der klassischen Informatik erscheint dieses Problem unter:
Byzantinische Fehlertoleranz (Lamport et al.)
Asynchrone Netzwerke (FLP-Unmöglichkeit)
Erasure-Coding vs. Replikationskompromisse
Krypto hat dieses Problem nicht erfunden.
Krypto hat es lediglich in globalem Maßstab erneut exponiert.
Das ist der genaue Problemraum, in dem das Walrus-Protokoll operiert — und warum es ganz anders aussieht als typische „Web3-Speicher“-Projekte.
Alle hier diskutierten Kernmechaniken basieren auf dem Walrus-Whitepaper
🪤 Die Replikationsfalle (Warum das Kopieren von Daten in großem Maßstab scheitert)
📦 Replikation klingt sicher — bis die Mathematik auftaucht
Traditionelle dezentrale Speichersysteme verlassen sich auf Replikation:
Speichere viele vollständige Kopien derselben Datei
Gehe davon aus, dass mindestens eine Kopie überlebt
Dieses Modell stammt direkt aus frühen fehlertoleranten Systemen — aber es hat einen versteckten Preis.
Akademische Analyse zeigt:
Um byzantinische Fehler zu überstehen, wächst die Replikation exponentiell
Mit 1/3 fehlerhaften Knoten sind 25+ Replikate für extreme Sicherheit erforderlich
Das bedeutet:
1 GB Datei → 25 GB gespeichert
Bandbreite wächst linear
Kosten wachsen unaufhörlich
Das ist kein Implementierungsfehler.
Es ist eine mathematische Konsequenz.
📉 Warum Dezentralisierung die Replikation verschlechtert
Hier ist das Paradoxon:
• Mehr Knoten → mehr Dezentralisierung
• Mehr Knoten → höhere Replikation nötig
• Höhere Replikation → höhere Kosten
Deshalb tun viele Systeme:
Leise die Knotenanzahl begrenzen
Verlassen Sie sich auf semi-vertrauenswürdige Betreiber
Zentralisieren hinter „Gateways“
Walrus lehnt diesen Kompromiss ab.
🧮 Reed–Solomon: Ein teilweiser Ausweg, der dennoch leckt
Um die Replikation zu reduzieren, haben viele Systeme Reed–Solomon-Erasure-Coding übernommen.
Verwendet von:
Filecoin
Storj
Sia
RS-Codierung:
Teilt Daten in Fragmente
Ermöglicht die Rekonstruktion aus einer Teilmenge
Reduziert die Speicherüberhead auf ~3×
Warum reicht das nicht aus?
⚠️ Die zwei RS-Probleme, die Forscher bereits kennen
1️⃣ Wiederherstellung ist teuer
Wenn ein Knoten verschwindet, erfordert die RS-Wiederherstellung oft:
Den gesamten Blob erneut herunterzuladen
Bandbreitenkosten: O(|blob|)
2️⃣ Wechsel bricht das Modell
In erlaubnisfreien Netzwerken:
Knoten verlassen ständig
Wiederherstellung passiert häufig
Einsparungen verdampfen
Dieses Problem ist gut dokumentiert in der Forschung zu verteiltem Speicher — und der Grund, warum RS die dezentrale Speicherung nie vollständig gelöst hat.
🟥 Red Stuff: Warum Walrus eine neue Codierungsklasse eingeführt hat
Walrus führt Red Stuff ein, ein zweidimensionales Erasure-Coding-System.
Das ist kein Feintuning.
Es ist ein strukturelles Redesign.
🧩 2D-Codierung erklärt (ohne Handwinken)
Anstatt Daten einmal zu schneiden, schneidet Red Stuff Daten zweimal.
Denke an Daten als ein Gitter:
Reihen → codiert
Spalten → codiert
Jeder Knoten speichert:
Eine Reihe (primäres Stück)
Eine Spalte (sekundäres Stück)
Dieser Ansatz ist inspiriert von:
Fountain-Codes (verwendet in Hochverlustnetzwerken)
Zwillingscode-Rahmen aus der Forschung zu verteilten Systemen
Der entscheidende Unterschied:
Wiederherstellungstraffic skaliert mit dem, was verloren geht — nicht mit der Gesamtgröße der Daten
⚡ Warum Fountain-Codes hier wichtig sind
Anders als Reed–Solomon, Fountain-Codes:
Verwende XOR-Stil-Operationen
Vermeide komplexe polynomiale Mathematik
Skaliere effizient für große Blobs
Sie werden bereits verwendet in:
Satellitenübertragung
Content-Delivery-Netzwerke
Hochverlustumgebungen
Walrus wendet sie auf erlaubnisfreies Speichern an.
🔁 Wiederherstellung ohne Netzwerkzusammenbruch
Traditionelle Wiederherstellung:
„Ein Knoten ist ausgefallen? Baue die ganze Datei neu auf.“
Walrus-Wiederherstellung:
„Erhole nur die fehlenden Schnittmengen.“
Bandbreitenkosten werden:
O(|blob| / n) pro Knoten
O(|blob|) insgesamt für das Netzwerk
Das ist die einzige Eigenschaft, die Walrus ermöglicht:
Unterstütze konstanten Wechsel
Vermeide Wiederherstellungsstürme
Bleibe stabil, während es wächst
🧠 Byzantinische Realität: Knoten lügen, Schreiber betrügen
Die meisten Speichererklärungen ignorieren diesen Teil.
Walrus tut das nicht.
Walrus geht davon aus:
Schreiber können inkonsistente Daten hochladen
Knoten können falsche Stücke liefern
Nachrichten können unbegrenzt verzögert werden
Dies sind klassische byzantinische Bedingungen, die vor Jahrzehnten in der Informatik formalisiert wurden.
🔐 Verpflichtungen verwandeln Chaos in Verifizierbarkeit
Jedes Stück in Walrus:
Ist kryptografisch verpflichtet
Ist unabhängig verifizierbar
Wird auf ein einzelnes Blob-Engagement zurückgeführt
Leser:
Sammle Stücke
Rekonstruiere Daten
Neu codieren
Verpflichtungen erneut überprüfen
Mismatch?
👉 Ausgabe ⊥ — sicher und konsistent.
Keine stille Korruption.
Keine Vertrauensannahmen.
🔗 Warum Walrus eine Blockchain verwendet (aber nicht wie andere)
Walrus verwendet eine Blockchain nur als Kontrollschicht.
Es behandelt:
Blob-Registrierung
Speicherpflichten
Epoch-Änderungen
Anreize & Strafen
Es speichert keine Blob-Daten.
Dieses Design spiegelt die moderne modulare Blockchain-Architektur wider:
Ausführungsschicht
Datenebene
Kontrollschicht
Walrus wendet diese Philosophie einfach auf Speicher an.
📍 Punkt der Verfügbarkeit (PoA): Eine Forschungsgradgarantie
Sobald genügend Knoten die Speicherung bestätigen:
Ein Punkt der Verfügbarkeit wird geschaffen
Der Blob ist jetzt nachweislich aktiv
Der Schreiber kann verschwinden
Ab diesem Punkt:
Verfügbarkeit ist garantiert
Durchsetzung ist wirtschaftlich
Beweise sind öffentlich
Das verwandelt Speicher in einen verifizierbaren Vertrag, nicht in eine Hoffnung.
😄 Analogie (Weil Menschen sich daran erinnern)
Replikationssysteme:
„Mach 25 vollständige Kopien.“
Walrus:
„Teile die Seite in ein Kreuzworträtsel auf.“
Verliere einige Teile —
kann trotzdem den Satz lesen.
🧠 Warum das über die Speicherung hinaus wichtig ist
Walrus ermöglicht:
AI-Datensatz-Provenienz
NFT-Medienintegrität
Rollup-Datenverfügbarkeit
Öffentliche Aufzeichnungserhaltung
Überall dort, wo Vertrauen bricht, bleibt Walrus korrekt.