原文作者:AlexBeckett
原文编译:Evelyn|W3.hitchhiker
"用户越多,Rollups就越便宜"。你可能读过这样一句话,描述的是rollups与其他区块链的根本区别,因为它颠覆了传统区块链的成本结构。虽然在交易活动不断增加的情况下,rollups确实可以为用户提供更便宜的费用,但故事还有很多。
成本
Rollups将一批区块组提交给一个单独的区块链,即我们的基础层。生产和提交一批区块到基础层的成本由六个关键变量组成。
固定成本:向基础层提交一批在rollup上交易活动为零的成本。
可变成本:随着rollup上的交易活动水平而变化的成本。
平均可变成本:每个额外rollup交易的可变成本。
总成本:向基础层发布批次的总成本。
边际成本:每个额外rollup交易的成本。
平均成本:个人用户支付的费用。
当平均成本在每批交易数量增加的同时下降时,"用户越多,rollup就越便宜"这句话就是正确的。
平均成本=总成本/每批交易的数量
这是因为在rollup批次中提交一个额外交易的边际成本小于每个交易的平均成本。让我们假设一个有500个交易的rollup批次,每个交易的平均成本为1美元,使总成本达到500美元。如果一笔额外交易的边际成本是0.70美元,那么同一批次的501笔交易就变成500.70美元。因此,平均成本降低到0.9994美元。请注意,边际成本只由可变成本组成,主要是交易数据,因为固定成本在整个批次中摊销,无论如何都会得到支付。
在增加活动的同时,费用更便宜的现象与单体区块链形成了鲜明的对比,单体区块链只会产生负面的网络效应——费用却随着每个额外的用户而增加。Rollup改变了这种模式,因为它们是第一种可以在交易费用方面产生积极网络效应的区块链——实施数据可用性采样的数据可用性层也属于这种类型的可扩展性。
然而,一旦包括一个额外交易的边际成本等于平均成本,这种模式就会被打破。Rollup的成本曲线将大致遵循标准的短期成本曲线。正的网络效应发生的时间点是在曲线的前"一半",即边际成本曲线低于平均可变成本和平均成本曲线。
让我们假设另一个rollup批次的初始变量相同,每批有500个交易,平均成本为1美元,总成本为500美元。如果一个额外交易的边际成本是1.10美元,那么501个交易的总成本就变成501.10美元。因此,平均成本增加到1.002美元。
一旦边际成本曲线超过平均可变成本和平均成本曲线,与每条曲线的最小值相交,Rollup就会进入与单体区块链相同的负面网络效应,即每笔额外交易都会增加费用。由于交易数据是最大的可变成本,导致rollup成本上升的主要因素是交易数据,这影响了混合rollup的出现,如validiums和volitions,通过利用链下数据的可用性寻求更便宜的平均成本。
由于交易数据成本与基础层的成本挂钩,而基础层的区块空间是有限的,rollup也容易受到源于基础层的费用高峰的影响——这对于有面向用户的应用生态系统的基础层来说是有问题的。当每一个额外的交易导致费用的指数式增长时,基础层的费用峰值就会出现。这种情况的一致性主要由基础层收费市场的波动性和区块空间供不应求的频率决定。
为了减轻影响rollup费用高峰的频率,基础层需要专注于增加数据吞吐量,因为交易数据是rollup的最大可变成本。由于可变成本较低,增加数据吞吐量能使rollup在更大的容量下保持正向的网络效应,同时还能享受额外的吞吐量收益。为了实现这一点,可扩展的数据可用性层将是在不牺牲安全和去中心化的前提下,使rollup对用户来说成本更低廉的基础。
原文链接
标签:RLYROLLROLNEARFairly Advance FutureTROLL币AgrolifeCoinRUNEARN
随着以太坊价格迅速下跌,以太坊正面临来自DeFi协议的大规模清算压力。链上数据显示,以太坊在1100美元至1200美元区间,存在着9亿美元来自DeFi协议的清算压力.
目前链游市场上最火的游戏,那就非AxieInfinity莫属了,是一款宠物战斗的链游。但是说到宠物战斗,那么就必须提到宝可梦了.
??6月9日消息,去中心化交易协议OrderlyNetwork宣布完成2000万美元融资,通过与NEAR、WOONetwork和KronosResearch的密切合作:OrderlyNetwor.
尊敬的用戶:XLM網絡升級已完成,Hotcoin現已恢復XLM的充值、提現業務。對您造成的不便深表歉意!感謝您對Hotcoin的支持與信任!HotcoinGlobal2022年6月13日Hotc.
在历史上大部分时期,「技术」和生产力总是紧密相连,而「观念」又是生产关系变革的驱动力,由此,通常人们会把生产力想象成技术进步,把生产关系联系到群体思维模式.
6月11日消息,据成都链安安全社区消息,treasureswap项目方遭受攻击,根据成都链安技术团队分析.