快车道ASS框架中的Gas效率与MEV权衡 - 深入探讨特定领域区块链的限制

  • thogiti
  • 发布于 2024-09-07 18:32
  • 阅读 44

本文深入探讨了区块链架构中的 gas 效率权衡,特别关注于如何通过构建数学模型来描述在不同区块链(如 Solana 和 Monad)中的 gas 效率。文章利用 Fastlane 的 ASS 框架作为理论基础,定义了与 gas 效率相关的关键变量,并阐述了不同区块链特点对 gas 效率的影响。

WIP - 工作进行中

简介

在本技术博客中,我们将深入探讨Gas效率的权衡,利用Fastlane的ASS框架^1中的见解。它们的观察,特别是围绕特定领域的约束,将作为开发出一个严谨的数学模型的基础,该模型捕捉不同区块链领域(例如,Solana、Ethereum、Monad 等)中Gas效率的复杂性。我们将把线性权衡扩展到多维空间,使用正式的数学符号并通过二维图形可视化这种权衡。

理解可组合性、MEV 捕获和Gas效率等关键因素之间的权衡对优化区块链架构至关重要。Fastlane的ASS框架提供了可视化这些权衡的初步方法。然而,简化模型往往忽视了特定领域的因素,尤其是与Gas效率相关的,不同区块链系统施加了独特的约束和机会。

Fastlane的ASS框架
图:Fastlane的ASS框架,来源:Fastlane^1

概述 - 区块链架构中的Gas效率权衡

在任何区块链系统中,Gas效率反映了执行交易所需的计算资源成本。优化Gas效率对可扩展性、用户体验和长期可行性至关重要。然而,提高Gas效率通常伴随着权衡,尤其是在MEV(最大可提取价值)捕获和可组合性方面。

ASS框架提供了一个简化的视图,但非常实用,建议Gas效率和价值提取之间存在线性权衡。但是,正如Fastlane的首席执行官兼创始人 Alex Watts 指出^1,特定领域的约束在塑造这些权衡中起着重要作用。像Solana这样的系统,通过其访问列表实现细粒度的状态锁定,允许在不牺牲过多可组合性或MEV捕获的情况下提高Gas效率。反之,像Monad等其他区块链缺乏这样的机制,导致在优化可组合性或价值提取时,Gas效率急剧下降。

我们在本文中的目标是通过数学模型形式化这一权衡,定义Gas效率如何在特定领域中依赖于可组合性、MEV捕获和其他变量。让我们从关键变量定义和特定领域的函数开始,建立一个坚实的基础。

定义和符号

  • $C$: 可组合性——去中心化应用程序(dApps)无缝交互的能力。$C \in [0, 1]$,其中0表示没有可组合性,1表示完全的原子可组合性。
  • $M$: MEV 捕获——一个系统捕获内生和外生 MEV 的程度。$M \in [0, 1]$,其中0表示没有 MEV 捕获,1表示全部 MEV 捕获。
  • $G_d$: Gas效率——特定领域 $d$ 中Gas使用的效率。$G_d \in [0, 1]$,其中1表示最大Gas效率。
  • $S$: 安全性——系统抵御诸如前置运行或再入攻击的能力。$S \in [0, 1]$,其中1表示完全安全。
  • $L$: 延迟——交易确定所需时间。值越低表示最终确定时间越快。

特定领域的Gas效率函数

由于Gas效率在不同区块链之间有所不同,我们将其定义为特定领域函数 $G_d$,其中 $d$ 表示区块链(例如,Solana、Monad、Ethereum 等):

$$G_d = f_d(C, M, S, L)$$

函数 $f_d$ 取决于相关区块链的具体特性。例如,Solana 的访问列表使Gas使用优化得以改善,而 Monad 缺乏此类特性,从而导致不同的权衡。

让我们更详细地查看这个Gas效率函数在每个领域是如何工作的。

Solana

在 Solana 中,通过访问列表对状态锁定的细粒度控制,允许在验证过程中无需状态访问或执行即可实现更好的Gas效率。我们可以将Solana的Gas效率建模为:

$$G_{\text{Solana}} = C^\alpha \cdot M^\beta \cdot S^\gamma \cdot L^\delta \quad \text{其中 } \alpha, \beta, \gamma, \delta > 0$$

在这种情况下:

  • $\alpha$: 可组合性对Gas效率的影响。Solana能够更好地处理可组合性,即使在 $C$ 很大时也能保持高Gas效率。
  • $\beta$: 表示MEV捕获和Gas效率之间的权衡。Solana的架构在这方面比大多数区块链更好地缓解了这一权衡。
  • $\gamma$$\delta$: 安全性和延迟对Gas效率的影响。这些参数取决于系统对交易确认和安全要求的敏感程度。

Monad

对于Monad,缺乏这样的优化,Gas效率权衡对MEV捕获和可组合性的变化更加敏感。我们引入一个惩罚项,以考虑Monad在处理MEV方面的局限性:

$$G_{\text{Monad}} = C^\alpha \cdot M^\beta \cdot S^\gamma \cdot L^\delta \cdot h(M)$$

在这里,$h(M)$ 是一个惩罚函数,随着MEV捕获的增加而增长,反映了系统试图捕获更多 MEV 时对Gas效率的更高成本。这个项惩罚系统缺乏可组合性优化,反映出更陡峭的权衡曲线。

参考文献

  • 原文链接: github.com/thogiti/thogi...
  • 登链社区 AI 助手,为大家转译优秀英文文章,如有翻译不通的地方,还请包涵~
点赞 0
收藏 0
分享
本文参与登链社区写作激励计划 ,好文好收益,欢迎正在阅读的你也加入。

0 条评论

请先 登录 后评论
thogiti
thogiti
https://thogiti.github.io/