EIP-7594解析：PeerDAS和以太坊可扩展性路线图的技术深入研究

Krieger69
发布于 2025-04-30 11:53
阅读 45

这篇文章深入探讨了以太坊的扩展性问题，重点介绍了PeerDAS (EIP-7594)方案，它是以太坊实现数据可用性抽样(DAS)的第一个实践版本，旨在解决rollup在数据可用性方面的瓶颈。文章详细解释了PeerDAS的技术机制，包括数据结构、KZG承诺、网络交互和抽样策略，并分析了它对L2扩展性、网络效率和去中心化的影响。

## 以太坊上可扩展性的必要性

> **The Surge（巨浪）**：专注于大规模提高可扩展性，主要通过 Layer 2 rollups 和数据分片/可用性技术，目标是每秒 100,000+ 笔交易 (TPS)。

![](https://img.learnblockchain.cn/2025/10/11/1Lw1gOsYPMotgoKpxjGUmAQ.png)

[The Surge, 2023 年路线图版本 (作者: Vitalik Buterin)](https://learnblockchain.cn/article/10952)

随着以太坊朝着其以 **rollup 为中心的扩展路线图** 发展 ([_由 Vitalik Buterin 提出_](https://learnblockchain.cn/article/10952))，旨在解决 _“_ [_可扩展性三难困境_](https://learnblockchain.cn/article/10954) _”_ — 平衡 **可扩展性**、**安全性** 和 **去中心化**。**Pectra** 和 **PeerDAS** 代表着实现 **The Surge（巨浪）** 目标的下一个合乎逻辑且至关重要的步骤。[EIP-4844](https://www.eip4844.com/) 为 L2 数据 (blobs) 创建了_空间_，但其容量受到所有节点都需要下载所有内容的限制。

**PeerDAS (EIP-7594)** 通过引入 DAS 释放了该空间的_可扩展性_，打破了将总数据吞吐量与单个节点容量联系起来的约束。通过允许节点通过抽样验证可用性，PeerDAS 使网络能够安全地增加每个区块的 blob 数量，直接履行了 Surge 为 L2 rollups 提供廉价且充足的数据可用性的承诺。

## PeerDAS（EIP-7594）：以太坊的 DAS 实现

虽然 **DAS** 的核心思想 ([深入文章](https://research.2077.xyz/data-availability-or-how-rollups-learned-to-stop-worrying-and-love-ethereum#eli5-what-is-data-availability)) 提供了理论，但 **以太坊的第一个实用版本** 称为 **PeerDAS**，在 [**EIP-7594**](https://learnblockchain.cn/docs/eips/EIPS/eip-7594) 中定义，并随 **Fulu** 升级一起发布。](https://ethereum.org/en/roadmap/danksharding/)（这将涉及更高级的 2D erasure coding）。

### PeerDAS 技术机制：它是如何工作的

**PeerDAS** 引入了处理数据，网络和抽样的特定技术：

### 1\. 数据结构和编码

- **Blobs**：PeerDAS 与 EIP-4844 中引入的 **blobs** 一起使用。一个区块可以包含多个 blobs（例如，Pectra 目标将每个区块的 **目标** blobs 数量从 **3 增加到 6**，并将每个区块的 **最大** blobs 数量从 **6 增加到 9**）。
- **1D Reed-Solomon 编码：** PeerDAS 将 1D [Reed-Solomon coding](https://en.wikipedia.org/wiki/Reed%E2%80%93Solomon_error_correction) （[纠删码](https://en.wikipedia.org/wiki/Erasure_code#:~:text=In%20coding%20theory%2C%20an%20erasure,subset%20of%20the%20n%20symbols.) 的一种）_独立地应用于每个 blob_。每个 blob 的数据（例如，4096 个字段元素，通常组织成 64 个元素的 64 个单元格）被视为多项式并扩展，通常将其大小加倍（例如，由 `[NUMBER\_OF\_COLUMNS](https://github.com/ethereum/consensus-specs/blob/8f8ab03acf1656c54f3a81ef18878f853a1cc4c6/specs/_features/eip7594/das-core.md#data-size)` 控制的每个 blob 64 个原始单元格扩展到 128 个编码单元格）。
- **矩阵概念**：扩展后的 blobs 形成概念矩阵的行。如果一个区块有`M` 个 blobs，并且每个 blob 扩展到 `N` 个单元格（`N = [NUMBER\_OF\_COLUMNS](https://github.com/ethereum/consensus-specs/blob/8f8ab03acf1656c54f3a81ef18878f853a1cc4c6/specs/_features/eip7594/das-core.md#data-size)`），则矩阵的维度为 `M x N`。

![](https://img.learnblockchain.cn/2025/10/11/1h-XVYiJ3cfQxsqvZcsLzEg.png)

[Blobs 上的纠删码 (@manunalepa 提供)](https://hackmd.io/@manunalepa/r1H8CtZlR#The-novel-PeerDAS-approach-Fulu)

[**consensus-specs/specs/fulu/das-core.md at dev · ethereum/consensus-specs**](https://github.com/ethereum/consensus-specs/blob/dev/specs/fulu/das-core.md)

```
def compute_matrix(blobs: Sequence[Blob]) -> Sequence[MatrixEntry]:
    """
    返回完整的，扁平化的矩阵条目序列。

此帮助程序演示了 blobs 和单元格/证明矩阵之间的关系。
    用于存储单元格/证明的数据结构取决于实现。
    """
    matrix = []
    for blob_index, blob in enumerate(blobs):
        cells, proofs = compute_cells_and_kzg_proofs(blob)
        for cell_index, (cell, proof) in enumerate(zip(cells, proofs)):
            matrix.append(MatrixEntry(
                cell=cell,
                kzg_proof=proof,
                row_index=blob_index,
                column_index=cell_index,
            ))
    return matrix
```

- **单元格和列**：每个扩展行 (blob) 分为 `N` 个 _单元格_（可以通过 KZG 证明验证的最小单元，通常每个单元格约 2KB）。_列_ (索引 `j`) 由区块中_每个_ `M` 个扩展 blobs 中的 `j-th` 单元格组成。列数通常与每个扩展 blob 的单元格数匹配（例如，128 列）。

[**consensus-specs/specs/fulu/polynomial-commitments-sampling.md at dev · ethereum/consensus-specs**](https://github.com/ethereum/consensus-specs/blob/dev/specs/fulu/polynomial-commitments-sampling.md)

```
def compute_cells(blob: Blob) -> Vector[Cell, CELLS_PER_EXT_BLOB]:
    """
    给定一个 blob，扩展它并返回扩展 blob 的所有单元格。

公共方法。
    """
    assert len(blob) == BYTES_PER_BLOB

polynomial = blob_to_polynomial(blob)
    polynomial_coeff = polynomial_eval_to_coeff(polynomial)

cells = []
    for i in range(CELLS_PER_EXT_BLOB):
        coset = coset_for_cell(CellIndex(i))
        ys = CosetEvals([evaluate_polynomialcoeff(polynomial_coeff, z) for z in coset])
        cells.append(coset_evals_to_cell(CosetEvals(ys)))
    return cells
```

### 2\. KZG 承诺

PeerDAS 利用 KZG 承诺进行验证。每个 blob（行）都有自己的 KZG 承诺，这已经是 EIP-4844 结构的一部分。验证列中的单元格涉及根据其所属的特定 blob（行）的承诺检查其 KZG 证明。

```
def verify_cell_kzg_proof_batch(commitments_bytes: Sequence[Bytes48],
                                cell_indices: Sequence[CellIndex],
                                cells: Sequence[Cell],
                                proofs_bytes: Sequence[Bytes48]) -> bool:
    """
    验证一组单元格是否属于其对应的承诺。

给定四个列表，表示 (``承诺``, ``单元格索引``, ``单元格``, ``证明``) 的元组，
    该函数验证 ``证明``，该证明表明 ``单元格`` 是与 ``承诺`` 关联的多项式的评估，
    在由 ``单元格索引`` 指定的域上进行评估。

此函数实现了此处介绍的通用验证公式：
    https://ethresear.ch/t/a-universal-verification-equation-for-data-availability-sampling/13240

公共方法。
    """

assert len(commitments_bytes) == len(cells) == len(proofs_bytes) == len(cell_indices)
    for commitment_bytes in commitments_bytes:
        assert len(commitment_bytes) == BYTES_PER_COMMITMENT
    for cell_index in cell_indices:
        assert cell_index < CELLS_PER_EXT_BLOB
    for cell in cells:
        assert len(cell) == BYTES_PER_CELL
    for proof_bytes in proofs_bytes:
        assert len(proof_bytes) == BYTES_PER_PROOF

# 创建我们正在处理的去重承诺列表
    deduplicated_commitments = [bytes_to_kzg_commitment(commitment_bytes)\
                                for commitment_bytes in set(commitments_bytes)]
    # 创建索引列表，将初始承诺（可能包含重复项）映射到去重承诺
    commitment_indices = [CommitmentIndex(deduplicated_commitments.index(commitment_bytes))\
                          for commitment_bytes in commitments_bytes]

cosets_evals = [cell_to_coset_evals(cell) for cell in cells]
    proofs = [bytes_to_kzg_proof(proof_bytes) for proof_bytes in proofs_bytes]

# 进行实际验证
    return verify_cell_kzg_proof_batch_impl(
        deduplicated_commitments,
        commitment_indices,
        cell_indices,
        cosets_evals,
        proofs)
```

### 3\. 对等点发现和网络交互

- **列子网**：p2p 网络分为子网，每列一个子网（例如，128 列对应 128 个子网）。

[**consensus-specs/specs/fulu/das-core.md at dev · ethereum/consensus-specs**](https://github.com/ethereum/consensus-specs/blob/dev/specs/fulu/das-core.md)

```
def get_custody_groups(node_id: NodeID, custody_group_count: uint64) -> Sequence[CustodyIndex]:
    assert custody_group_count <= NUMBER_OF_CUSTODY_GROUPS

current_id = uint256(node_id)
    custody_groups: List[CustodyIndex] = []
    while len(custody_groups) < custody_group_count:
        custody_group = CustodyIndex(
            bytes_to_uint64(hash(uint_to_bytes(current_id))[0:8])
            % NUMBER_OF_CUSTODY_GROUPS
        )
        if custody_group not in custody_groups:
            custody_groups.append(custody_group)
        if current_id == UINT256_MAX:
            # 防止溢出
            current_id = uint256(0)
        else:
            current_id += 1

assert len(custody_groups) == len(set(custody_groups))
    return sorted(custody_groups)
```

- **保管要求**：每个节点（验证者或完整节点）**确定性地被分配保管** 一小部分列子网。`[CUSTODY\_REQUIREMENT](https://github.com/ethereum/consensus-specs/blob/8f8ab03acf1656c54f3a81ef18878f853a1cc4c6/specs/_features/eip7594/das-core.md#custody-setting)` 参数定义了每个节点必须下载、验证和临时存储的 **不同列数**。示例：如果 `[CUSTODY\_REQUIREMENT](https://github.com/ethereum/consensus-specs/blob/8f8ab03acf1656c54f3a81ef18878f853a1cc4c6/specs/_features/eip7594/das-core.md#custody-setting) = 8`，则节点负责 128 列中的 8 列。
- **对等点发现**：

由于保管分配是确定性的（使用节点的唯一 ID 和区块的元数据），因此需要列 `j` 的节点可以有效地找到负责列 `j` 的潜在对等点。
- **对等点连接**：这种确定性分配使高效的对等点发现成为可能。需要对列 `j` 进行抽样的节点可以识别出其节点 ID 将它们映射到保管子网 `j` 的潜在对等点。网络模拟表明，节点可能只需要与相对少量的不同对等点（例如，< 50，取决于参数）保持连接，以确保覆盖所有必需的子网。
- **Gossip + RPC**：初始列数据通过 **gossiped** 传播，但抽样使用 **直接 RPC 请求** 以提高效率。

### 4\. 抽样策略

- **何时**：预计节点在每个Slot（约 12 秒）执行 DAS 抽样。
- **抽样内容**：节点从其对等点处对整个_列_进行抽样。
- **要抽样多少**：

每个节点必须 **成功地在每个Slot抽样一定数量的不同列**。此数字由 `SAMPLES_PER_SLOT` 参数定义。

示例：如果 `SAMPLES_PER_SLOT = 40`，则节点在给定Slot中抽样 40 个不同的列。
- **抽样方法**：

**子网抽样（初始）**：节点订阅为其分配的列的 gossip 主题（效率较低）。

**对等点抽样（目标）**：节点使用直接 RPC 从负责这些列的对等点处请求特定列（效率更高）。

**验证**：节点根据相应 blob 的 KZG 承诺检查每个抽样的单元格。

[**consensus-specs/specs/fulu/p2p-interface.md at dev · ethereum/consensus-specs**](https://github.com/ethereum/consensus-specs/blob/dev/specs/fulu/p2p-interface.md)

```
def verify_data_column_sidecar_kzg_proofs(sidecar: DataColumnSidecar) -> bool:
    """
    验证 KZG 证明是否正确。
    """
    # 列索引也表示单元格索引
    cell_indices = [CellIndex(sidecar.index)] * len(sidecar.column)

# 批量验证单元格是否与相应的承诺和证明匹配
    return verify_cell_kzg_proof_batch(
        commitments_bytes=sidecar.kzg_commitments,
        cell_indices=cell_indices,
        cells=sidecar.column,
        proofs_bytes=sidecar.kzg_proofs,
    )
```

**数据重建：** 由于 1D RS 编码（通常每个 blob 扩展2 倍），节点需要获取至少 50% _列_对应的数据，才能重建 _整个_ 原始数据矩阵（所有原始 blobs）。如果节点需要完全重建但抽样比例小于 50%，则可以使用对等点发现机制从负责的对等点处请求缺少的列。

### PeerDAS 集成的好处

预计通过 Fulu 升级在 EIP-7594 中集成 PeerDAS 将带来几个关键好处：

- **增强的 L2 可扩展性**：PeerDAS（通过 Fulu 升级中的 EIP-7594）增加了每个区块的 blobs 数量，为 rollups 提供了更多的数据空间并降低了 L2 交易费用。
- **改进的网络效率**：节点无需下载所有 blobs，只需处理其负责的部分，从而减少了平均带宽和存储需求。
- **保持去中心化**：通过保持较低的资源需求，PeerDAS 允许家庭质押者和小型运营商继续参与而无需昂贵的硬件。

**对节点运营商的影响：**

- **完整节点/验证者**：处理更少的数据，但必须与 PeerDAS 网络交互。
- **超级节点**：验证所有数据的实体将需要更高的带宽和存储。
- **轻客户端**：可以以非常低的资源使用率安全地验证数据可用性。

### 参考

[https://github.com/ethereum/EIPs/blob/master/EIPS/eip-7594.md](https://github.com/ethereum/EIPs/blob/master/EIPS/eip-7594.md)

[https://research.2077.xyz/data-availability-or-how-rollups-learned-to-stop-worrying-and-love-ethereum](https://learnblockchain.cn/article/12369)

[https://github.com/ethereum/consensus-specs/blob/dev/specs/fulu/das-core.md](https://github.com/ethereum/consensus-specs/blob/dev/specs/fulu/das-core.md)

Fraud and Data Availability Proofs: Maximising Light Client Security and Scaling Blockchains with Dishonest Majorities — arXiv, [https://arxiv.org/abs/1809.09044](https://arxiv.org/abs/1809.09044)

EIP-7594: PeerDAS — Peer Data Availability Sampling — Ethereum Magicians, [https://ethereum-magicians.org/t/eip-7594-peerdas-peer-data-availability-sampling/18215](https://ethereum-magicians.org/t/eip-7594-peerdas-peer-data-availability-sampling/18215)

[http://vitalik.eth.limo/general/2024/10/17/futures2.html](http://vitalik.eth.limo/general/2024/10/17/futures2.html)

[https://hackmd.io/@manunalepa/r1H8CtZlR#The-novel-PeerDAS-approach-Fulu](https://hackmd.io/@manunalepa/r1H8CtZlR#The-novel-PeerDAS-approach-Fulu)

[https://www.eip4844.com/](https://www.eip4844.com/)

>- 原文链接： [medium.com/@Krieger69/un...](https://medium.com/@Krieger69/unpacking-eip-7594-a-technical-deep-dive-into-peerdas-and-ethereums-scalability-roadmap-28caf9dcaf16)
>- 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～

以太坊上可扩展性的必要性

The Surge（巨浪）：专注于大规模提高可扩展性，主要通过 Layer 2 rollups 和数据分片/可用性技术，目标是每秒 100,000+ 笔交易 (TPS)。

The Surge, 2023 年路线图版本 (作者: Vitalik Buterin)

随着以太坊朝着其以 rollup 为中心的扩展路线图 发展 (由 Vitalik Buterin 提出)，旨在解决 “ 可扩展性三难困境 ” — 平衡 可扩展性、安全性 和 去中心化。Pectra 和 PeerDAS 代表着实现 The Surge（巨浪） 目标的下一个合乎逻辑且至关重要的步骤。EIP-4844 为 L2 数据 (blobs) 创建了空间，但其容量受到所有节点都需要下载所有内容的限制。

PeerDAS (EIP-7594) 通过引入 DAS 释放了该空间的可扩展性，打破了将总数据吞吐量与单个节点容量联系起来的约束。通过允许节点通过抽样验证可用性，PeerDAS 使网络能够安全地增加每个区块的 blob 数量，直接履行了 Surge 为 L2 rollups 提供廉价且充足的数据可用性的承诺。

PeerDAS（EIP-7594）：以太坊的 DAS 实现

虽然 DAS 的核心思想 (深入文章) 提供了理论，但 以太坊的第一个实用版本 称为 PeerDAS，在 EIP-7594 中定义，并随 Fulu 升级一起发布。](https://ethereum.org/en/roadmap/danksharding/)（这将涉及更高级的 2D erasure coding）。

PeerDAS 技术机制：它是如何工作的

PeerDAS 引入了处理数据，网络和抽样的特定技术：

1. 数据结构和编码

Blobs：PeerDAS 与 EIP-4844 中引入的 blobs 一起使用。一个区块可以包含多个 blobs（例如，Pectra 目标将每个区块的目标 blobs 数量从 3 增加到 6，并将每个区块的最大 blobs 数量从 6 增加到 9）。
1D Reed-Solomon 编码： PeerDAS 将 1D Reed-Solomon coding （纠删码的一种）独立地应用于每个 blob。每个 blob 的数据（例如，4096 个字段元素，通常组织成 64 个元素的 64 个单元格）被视为多项式并扩展，通常将其大小加倍（例如，由 [NUMBER\_OF\_COLUMNS](https://github.com/ethereum/consensus-specs/blob/8f8ab03acf1656c54f3a81ef18878f853a1cc4c6/specs/_features/eip7594/das-core.md#data-size) 控制的每个 blob 64 个原始单元格扩展到 128 个编码单元格）。
矩阵概念：扩展后的 blobs 形成概念矩阵的行。如果一个区块有M 个 blobs，并且每个 blob 扩展到 N 个单元格（N = [NUMBER\_OF\_COLUMNS](https://github.com/ethereum/consensus-specs/blob/8f8ab03acf1656c54f3a81ef18878f853a1cc4c6/specs/_features/eip7594/das-core.md#data-size)），则矩阵的维度为 M x N。

Blobs 上的纠删码 (@manunalepa 提供)

consensus-specs/specs/fulu/das-core.md at dev · ethereum/consensus-specs

def compute_matrix(blobs: Sequence[Blob]) -> Sequence[MatrixEntry]:
    """
    返回完整的，扁平化的矩阵条目序列。

    此帮助程序演示了 blobs 和单元格/证明矩阵之间的关系。
    用于存储单元格/证明的数据结构取决于实现。
    """
    matrix = []
    for blob_index, blob in enumerate(blobs):
        cells, proofs = compute_cells_and_kzg_proofs(blob)
        for cell_index, (cell, proof) in enumerate(zip(cells, proofs)):
            matrix.append(MatrixEntry(
                cell=cell,
                kzg_proof=proof,
                row_index=blob_index,
                column_index=cell_index,
            ))
    return matrix

单元格和列：每个扩展行 (blob) 分为 N 个 单元格（可以通过 KZG 证明验证的最小单元，通常每个单元格约 2KB）。列 (索引 j) 由区块中每个 M 个扩展 blobs 中的 j-th 单元格组成。列数通常与每个扩展 blob 的单元格数匹配（例如，128 列）。

consensus-specs/specs/fulu/polynomial-commitments-sampling.md at dev · ethereum/consensus-specs

def compute_cells(blob: Blob) -> Vector[Cell, CELLS_PER_EXT_BLOB]:
    """
    给定一个 blob，扩展它并返回扩展 blob 的所有单元格。

    公共方法。
    """
    assert len(blob) == BYTES_PER_BLOB

    polynomial = blob_to_polynomial(blob)
    polynomial_coeff = polynomial_eval_to_coeff(polynomial)

    cells = []
    for i in range(CELLS_PER_EXT_BLOB):
        coset = coset_for_cell(CellIndex(i))
        ys = CosetEvals([evaluate_polynomialcoeff(polynomial_coeff, z) for z in coset])
        cells.append(coset_evals_to_cell(CosetEvals(ys)))
    return cells

2. KZG 承诺

consensus-specs/specs/fulu/polynomial-commitments-sampling.md at dev · ethereum/consensus-specs

def verify_cell_kzg_proof_batch(commitments_bytes: Sequence[Bytes48],
                                cell_indices: Sequence[CellIndex],
                                cells: Sequence[Cell],
                                proofs_bytes: Sequence[Bytes48]) -> bool:
    """
    验证一组单元格是否属于其对应的承诺。

    给定四个列表，表示 (``承诺``, ``单元格索引``, ``单元格``, ``证明``) 的元组，
    该函数验证 ``证明``，该证明表明 ``单元格`` 是与 ``承诺`` 关联的多项式的评估，
    在由 ``单元格索引`` 指定的域上进行评估。

    此函数实现了此处介绍的通用验证公式：
    https://ethresear.ch/t/a-universal-verification-equation-for-data-availability-sampling/13240

    公共方法。
    """

    assert len(commitments_bytes) == len(cells) == len(proofs_bytes) == len(cell_indices)
    for commitment_bytes in commitments_bytes:
        assert len(commitment_bytes) == BYTES_PER_COMMITMENT
    for cell_index in cell_indices:
        assert cell_index &lt; CELLS_PER_EXT_BLOB
    for cell in cells:
        assert len(cell) == BYTES_PER_CELL
    for proof_bytes in proofs_bytes:
        assert len(proof_bytes) == BYTES_PER_PROOF

    # 创建我们正在处理的去重承诺列表
    deduplicated_commitments = [bytes_to_kzg_commitment(commitment_bytes)\
                                for commitment_bytes in set(commitments_bytes)]
    # 创建索引列表，将初始承诺（可能包含重复项）映射到去重承诺
    commitment_indices = [CommitmentIndex(deduplicated_commitments.index(commitment_bytes))\
                          for commitment_bytes in commitments_bytes]

    cosets_evals = [cell_to_coset_evals(cell) for cell in cells]
    proofs = [bytes_to_kzg_proof(proof_bytes) for proof_bytes in proofs_bytes]

    # 进行实际验证
    return verify_cell_kzg_proof_batch_impl(
        deduplicated_commitments,
        commitment_indices,
        cell_indices,
        cosets_evals,
        proofs)

3. 对等点发现和网络交互

列子网：p2p 网络分为子网，每列一个子网（例如，128 列对应 128 个子网）。

consensus-specs/specs/fulu/das-core.md at dev · ethereum/consensus-specs

def get_custody_groups(node_id: NodeID, custody_group_count: uint64) -> Sequence[CustodyIndex]:
    assert custody_group_count &lt;= NUMBER_OF_CUSTODY_GROUPS

    current_id = uint256(node_id)
    custody_groups: List[CustodyIndex] = []
    while len(custody_groups) &lt; custody_group_count:
        custody_group = CustodyIndex(
            bytes_to_uint64(hash(uint_to_bytes(current_id))[0:8])
            % NUMBER_OF_CUSTODY_GROUPS
        )
        if custody_group not in custody_groups:
            custody_groups.append(custody_group)
        if current_id == UINT256_MAX:
            # 防止溢出
            current_id = uint256(0)
        else:
            current_id += 1

    assert len(custody_groups) == len(set(custody_groups))
    return sorted(custody_groups)

保管要求：每个节点（验证者或完整节点）确定性地被分配保管 一小部分列子网。[CUSTODY\_REQUIREMENT](https://github.com/ethereum/consensus-specs/blob/8f8ab03acf1656c54f3a81ef18878f853a1cc4c6/specs/_features/eip7594/das-core.md#custody-setting) 参数定义了每个节点必须下载、验证和临时存储的 不同列数。示例：如果 [CUSTODY\_REQUIREMENT](https://github.com/ethereum/consensus-specs/blob/8f8ab03acf1656c54f3a81ef18878f853a1cc4c6/specs/_features/eip7594/das-core.md#custody-setting) = 8，则节点负责 128 列中的 8 列。
对等点发现：

由于保管分配是确定性的（使用节点的唯一 ID 和区块的元数据），因此需要列 j 的节点可以有效地找到负责列 j 的潜在对等点。

对等点连接：这种确定性分配使高效的对等点发现成为可能。需要对列 j 进行抽样的节点可以识别出其节点 ID 将它们映射到保管子网 j 的潜在对等点。网络模拟表明，节点可能只需要与相对少量的不同对等点（例如，< 50，取决于参数）保持连接，以确保覆盖所有必需的子网。
Gossip + RPC：初始列数据通过 gossiped 传播，但抽样使用 直接 RPC 请求 以提高效率。

4. 抽样策略

何时：预计节点在每个Slot（约 12 秒）执行 DAS 抽样。
抽样内容：节点从其对等点处对整个_列_进行抽样。
要抽样多少：

每个节点必须 成功地在每个Slot抽样一定数量的不同列。此数字由 SAMPLES_PER_SLOT 参数定义。

示例：如果 SAMPLES_PER_SLOT = 40，则节点在给定Slot中抽样 40 个不同的列。

抽样方法：

子网抽样（初始）：节点订阅为其分配的列的 gossip 主题（效率较低）。

对等点抽样（目标）：节点使用直接 RPC 从负责这些列的对等点处请求特定列（效率更高）。

验证：节点根据相应 blob 的 KZG 承诺检查每个抽样的单元格。

consensus-specs/specs/fulu/p2p-interface.md at dev · ethereum/consensus-specs

def verify_data_column_sidecar_kzg_proofs(sidecar: DataColumnSidecar) -> bool:
    """
    验证 KZG 证明是否正确。
    """
    # 列索引也表示单元格索引
    cell_indices = [CellIndex(sidecar.index)] * len(sidecar.column)

    # 批量验证单元格是否与相应的承诺和证明匹配
    return verify_cell_kzg_proof_batch(
        commitments_bytes=sidecar.kzg_commitments,
        cell_indices=cell_indices,
        cells=sidecar.column,
        proofs_bytes=sidecar.kzg_proofs,
    )

数据重建： 由于 1D RS 编码（通常每个 blob 扩展2 倍），节点需要获取至少 50% _列_对应的数据，才能重建整个原始数据矩阵（所有原始 blobs）。如果节点需要完全重建但抽样比例小于 50%，则可以使用对等点发现机制从负责的对等点处请求缺少的列。

PeerDAS 集成的好处

预计通过 Fulu 升级在 EIP-7594 中集成 PeerDAS 将带来几个关键好处：

增强的 L2 可扩展性：PeerDAS（通过 Fulu 升级中的 EIP-7594）增加了每个区块的 blobs 数量，为 rollups 提供了更多的数据空间并降低了 L2 交易费用。
改进的网络效率：节点无需下载所有 blobs，只需处理其负责的部分，从而减少了平均带宽和存储需求。
保持去中心化：通过保持较低的资源需求，PeerDAS 允许家庭质押者和小型运营商继续参与而无需昂贵的硬件。

对节点运营商的影响：

完整节点/验证者：处理更少的数据，但必须与 PeerDAS 网络交互。
超级节点：验证所有数据的实体将需要更高的带宽和存储。
轻客户端：可以以非常低的资源使用率安全地验证数据可用性。

参考

https://github.com/ethereum/EIPs/blob/master/EIPS/eip-7594.md

https://research.2077.xyz/data-availability-or-how-rollups-learned-to-stop-worrying-and-love-ethereum

https://github.com/ethereum/consensus-specs/blob/dev/specs/fulu/das-core.md

Fraud and Data Availability Proofs: Maximising Light Client Security and Scaling Blockchains with Dishonest Majorities — arXiv, https://arxiv.org/abs/1809.09044

EIP-7594: PeerDAS — Peer Data Availability Sampling — Ethereum Magicians, https://ethereum-magicians.org/t/eip-7594-peerdas-peer-data-availability-sampling/18215

http://vitalik.eth.limo/general/2024/10/17/futures2.html

https://hackmd.io/@manunalepa/r1H8CtZlR#The-novel-PeerDAS-approach-Fulu

https://www.eip4844.com/