Walrus stocke les grands fichiers sous forme de blobs et utilise le codage d'élimination pour diviser les données en fragments ; vous pouvez reconstruire le blob même si certains nœuds sont hors ligne. $WAL lie cela aux incitations : les opérateurs s'engagent en tant que fragments, gagnent des frais de stockage et subissent des pénalités si les objectifs de disponibilité ne sont pas atteints. Avec l'envoi d'applications IA contenant des poids de modèles plus lourds et des jeux de données importants, cela devient crucial maintenant car la fiabilité doit être prouvée et non supposée. Compromis : le décodage et la surcharge de bande passante augmentent avec la redondance. @Walrus 🦭/acc 🦭/acc #walrus Les équipes doivent modéliser les coûts de lecture, et non seulement les coûts d'écriture, avant de s'engager. En production
