应用链如何成为 Web3 的“潜力链”?

什么是应用链?

区块链最初是围绕货币和金融诞生的。随着数字资产交易的风生水起,区块链行业开始将目光投向艺术、游戏和音乐等领域的应用开发。应用程序的扩展需要强大的、可定制性的业务模型做支撑。

由此,构建特定于应用程序的区块链—— 应用链(AppChains)横空出世!

应用链是一个平台 ,开发者可以创建、发布、分发和货币化他们的应用程序, 利用自定义的区块链、智能合约、云存储和计算节点展现行业解决方案。

应用链旨在执行单个功能或应用程序,比如游戏或 DeFi 应用程序。应用本身可灵活优化链的 技术架构、安全参数、吞吐量以匹配实际需求,并且一般不对开发人员”无许可”, 而对用户”无许可”,这进一步提升了用户的主动权和选择权。

应用链的发展起源

关于应用链的起源,就不得不从 2016 年 Cosmos 和 Polkadot 提出并推广这一概念开始。基于对应用扩展和服务功能完善的需要,它们作为公链翘楚开始寻求可扩展性、平行链构造的可能。直到 2021 年初, 具有 IBC 和平行链功能的网络问世,随之而来的 Polygon、Skale、zkSync (1.0) 、StarkWare (StarkEx)、Optimism 和 Arbitrum 也相继推出,这些基础层也意识到了支持 EVM 作为其业务开发部分的重要性, 便相继构造与 EVM 兼容的链。

值得一提的是, 2019 年 Celestia 做出了特定应用程序的模块化设计,将传统单片区块链的执行、结算和数据可用性层分开,允许特定于应用程序的区块链独立运作,无需重建堆栈等其他部分。Celestia 的成功 为各大公链加速开发应用链打上了一针强心剂。

Axie 于 2021 年初推出以太坊侧链 Ronin,DeFi Kingdoms 宣布从 Harmony 转移到 Avalanche 子网,Apecoin 社区约 46% 的成员支持构建 ApeChain,dYdX 宣布他们的 V4 版本协议将建立在使用 Cosmos SDK 打造的 L1 上。 无数的应用程序陆续被构建在应用链上,推动其迅速成为火热的发展方向。

应用链优劣势分析

作为新晋热门,应用链有其过人的优势,也免不了存在一些缺陷。目前来看,应用链发挥的优势依旧远超自身的缺陷。 对于其所带来的风险,依旧需要开发者们不断寻找解决方案和优化策略。

过人优势

主权与性能

应用链能够通过自己的治理方案解决问题,而不会影响生态系统中的其他 DApp, 保持单独应用项目个体的独立性和自主性,防止各类干扰阻碍。此外,当单个 DApp 存在使用过载的情况时,它会增加公共区块链上其他 DApp 的 Gas 费用,并发出延迟指令, 这极大提高了 DApp 的实际运作效率。

适配吞吐量需求

当一些公链无法满足应用的吞吐量需求或费用较高时,选择构建应用链是最理想的状态。

订单簿交易等 DeFi 协议需要高吞吐量才能为用户提供良好的体验。例如 DeFi 衍生品交易所 dYdX —— 每秒可处理约 1000 个订单,所需链吞吐量超过 1000 TPS。 随着协议的扩展需要更高的吞吐量,因此转向应用链,为其 V4 版本配备专用的 Cosmos 链。

实现可定制需求

在应用链中,DApp 利益相关者拥有完全控制权,可以根据他们的需要修改特定的链。应用链提供了足够灵活的完善方式,让开发人员自由选择他们喜欢的编程语言。 同时,这也对想要通过”许可区块链”进入 Web3 的机构、企业来说带来商业价值和成长空间。

应用链如何成为 Web3 的“潜力链”?

潜在风险

安全保障缺失

在应用链中,安全性取决于应用的采用情况和应用原生代币的价格。 应用链可以是 L2 排序器或独立的 PoS 验证器。在这两种情况下,验证者奖励通常以原生应用代币计价,必须质押原生代币并使用高运行时间的复杂基础设施。验证奖励需要高于验证者所承担的运营成本和代币质押的风险。

这种质押风险可能会危及网络安全和正常运行时间,对代币价格的依赖使开发人员用高代币通胀,从而让作恶者以低成本攻击网络。

运作成本高昂

应用链需要额外搭建的基础设施很多,需要大量成本和工程时间。此外,还包含维护区块链的成本,进行大量计划并与验证者进行沟通,安排网络升级或响应错误的时间。这对于初创公司和进入市场运作的产品而言是非常不利的,多数开发团队或被高昂的人力、时间、金钱成本劝退。

跨链风险增加

具体而言,DeFi 应用程序需要桥接多种资产, 如 BTC、ETH 和稳定币。资产跨链会降低用户体验并带来更大风险。跨链桥是被攻击的常见目标,跨链桥被破坏会使需要资产跨链的 DeFi 应用程序产生坏账。无形中增加的跨链资产风险,也是影响诸多团队深入应用链开发的重要原因。

结语

应用链是为了构建多功能、独立运作、用户利好的应用环境而生的。其出现意味着区块链行业发展的一大变革和理念转向,当下越来越多的应用链涌入市场,也在用户的体验反馈中不断迭代完善。 Cosmos、Polkadot、Avalanche 和 Ethereum 上的应用链正趋向于成为一种共享的安全机制,我们有理由期待未来的应用链不断克服自身缺陷,在性能、主权、吞吐量等方面发挥优势, 进化为高度安全、高效运作的”潜力链”!

Original: https://blog.csdn.net/qq_32193015/article/details/127815490
Author: 初晓链研究员
Title: 应用链如何成为 Web3 的“潜力链”?

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/653206/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

  • 健康管理师【2】

    1.慢性病致病的主要危险因素不包括()。 A.吸烟、过量饮酒 B.超重、肥胖 C.饮食不洁 D.缺乏体力活动 E.不合理膳食结构 2.中国居民平衡膳食宝塔建议每天应摄入奶制品和豆类…

    人工智能 2023年7月17日
    060
  • pandas crosstab 输出结果在一行_Pandas 使用入门

    Pandas 使用入门 Pandas 数据基础 包含两种基本类型: 和. 是一个数据表格,而 可以看作是 的一列. 如何导入数据 方法一:通过词典导入 第一种导入的方法是把数据放在…

    人工智能 2023年7月9日
    071
  • 无线网络中的联邦学习:优化模型设计与分析

    关注公众号,发现CV技术之美 本篇分享论文 『Federated Learning over Wireless Networks: Optimization Model Desig…

    人工智能 2023年6月25日
    049
  • 【RippleNet】(一)preprocessor.py【未完】

    首先读入的文件有movie和book和news三种,肯定会选择一种进行解析!下面我们以movies作为样例分析: 本论文中使用的数据集是movie-1m ratings.dat: …

    人工智能 2023年6月1日
    064
  • 模型预测时GPU占用不断增长

    情况:pytorch框架,深度模型单GPU预测时,显存占用会不断增长,由有1G增长到5G,甚至更多。 我这边排查下来的原因是卷积的输入尺寸变化,有很大尺寸的输入导致GPU占用不断增…

    人工智能 2023年7月23日
    066
  • 【计算机网络自顶向下方法】路由选择算法及分类

    路由选择算法 其目的是从发送方到接收方的过程中确定一条通过路由网络的好的路径(等价于路由)。通常一条好的路径指具有最低开销的路径。 最低开销路径 找出源和目的地之间具有最低开销的一…

    人工智能 2023年7月2日
    0102
  • [論文筆記] SSD (未完成)

    抵扣说明: 1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。 Original: https:…

    人工智能 2023年7月10日
    095
  • 大数据开发学习路线

    本文主要是对于大数据行业前景的一个调研,以及选择 大数据开发方向的一个学习路径和方案的调研报告。 大数据时代 本小节主要参考骆俊武老师的AI 时代,还不了解大数据?一文。 大数据的…

    人工智能 2023年6月4日
    0101
  • Tensorflow 2.x入门教程

    前言 至于为什么写这个教程,首先是为了自己学习做个记录,其次是因为Tensorflow的API写的很好,但是他的教程写的太乱了,不适合新手学习。tensorflow 1 和tens…

    人工智能 2023年6月6日
    078
  • “声音”背后的原理(2):采样、量化和编码

    采样、量化和编码 1. 模拟信号数字化 * 1.1 采样 1.2 量化 2. 编码 音频处理的大致流程: 音频——(采集设备)——模拟信号(连续)——(模数转换器ADC)——数字信…

    人工智能 2023年5月27日
    071
  • k-means算法简介

    k-means算法简介 文章目录 k-means算法简介 * 一.什么是k-means 二.k-means算法的步骤 三.k-means性能评估指标 四.k-means的使用 &#…

    人工智能 2023年6月3日
    099
  • YOLOV5s基于pytorch框架进行训练和部署

    1.下载代码和预训练模型 git clone https://github.com/ultralytics/yolov5.git 2.搭建yolov5的训练环境 pip insta…

    人工智能 2023年7月12日
    087
  • 深度学习Day1——模型分类与基础知识

    Table of Contents 前言 关键组件 数据 模型 目标函数 优化算法 各种机器学习问题 监督学习 回归 分类 标记问题 搜索 推荐系统 序列学习 标记和解析 自动语音…

    人工智能 2023年7月1日
    070
  • 电信流失用户预测

    数据来源:DataFountain,后来发现DF上的数据可能是从Kaggle上搬运的。笔者英语一般,所以原本数据集中英文列名被替换为了中文,文中变量的命名也有很多汉语拼音,阅读时请…

    人工智能 2023年6月11日
    079
  • halcon深度学习

    图像分类 IMAGE CLASSIFICATION物体检测 OBJECT DETECTION语义分割 SEMANTIC SEGMENTATION异常检测 ANOMALY DETEC…

    人工智能 2023年5月26日
    062
  • Python数据分析基础(二)— 统计文档中字符、数字的数量

    1、python中的字符串 (1)创建、访问、更新字符串 字符串是 Python 中最常用的数据类型。我们可以使用引号( ‘ 或 ” )来 创建字符串。 创…

    人工智能 2023年7月15日
    072
亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球