Queríamos comprender realmente qué tan bien funciona este sistema, por lo que lo probamos desde tu perspectiva. Configuramos un entorno de prueba específico para imitar el uso real. Utilizamos dos clientes independientes que funcionaban en potentes computadoras en la nube para obtener datos precisos.
El Hardware que Utilizamos para Probar Walrus
No queríamos utilizar máquinas lentas que pudieran sesgar los resultados. Utilizamos instancias muy potentes conocidas como AWS m5d para asegurarnos de tener suficiente potencia. Estas máquinas tenían treinta y dos procesadores y mucha memoria para manejar la carga de trabajo.
Dónde Localizamos a los Clientes de Prueba
La ubicación importa mucho cuando envías datos a través de internet. Colocamos un cliente en la región US East, específicamente en Virginia del Norte. El otro cliente fue colocado en Canadá Central para capturar una perspectiva geográfica diferente.
Midiendo Qué Tan Rápido Puedes Leer Datos
Lo primero que observamos fue cuánto tiempo toma para ti recuperar tus datos. Llamamos a esto latencia de extremo a extremo. Empezamos el temporizador antes de que el cliente pida el archivo y lo detenemos cuando llega la confirmación.
Lo que Encontramos sobre la Velocidad de Lectura en Walrus
Los resultados de nuestras pruebas fueron en realidad bastante prometedores para ti. Encontramos que el tiempo que toma leer datos sigue siendo muy bajo. Esto es cierto incluso cuando probamos con diferentes tamaños de archivos de datos.
Leer Archivos Pequeños es Muy Rápido
Si estás trabajando con archivos pequeños que son menores de veinte megabytes, estarás contento. La latencia para estos archivos se mantiene por debajo de quince segundos. Esto significa que puedes acceder a tus pequeñas piezas de datos sin una larga espera.
Leer Archivos Grandes También es Eficiente
También probamos archivos mucho más grandes, alrededor de ciento treinta megabytes. Podrías esperar un largo retraso, pero la latencia solo aumentó a treinta segundos. Esto muestra que el sistema maneja cargas más pesadas bastante bien para ti.
Entendiendo la Latencia de Escritura en Walrus
Escribir datos o guardarlos en el sistema es un proceso diferente al de leer. Observamos que escribir consistentemente toma más tiempo que leer. Esto es algo que deberías esperar al usar este tipo de sistema seguro.
La Velocidad de Escritura de Archivos Pequeños
Para archivos pequeños de menos de veinte megabytes, el tiempo de escritura es relativamente plano. Generalmente se mantiene por debajo de veinticinco segundos para toda la operación. No importa si el archivo es muy pequeño o está cerca del límite.
Por Qué los Archivos Pequeños Tienen un Retardo Fijo
Te podrías preguntar por qué un archivo pequeño tarda veinticinco segundos en guardarse. Este tiempo adicional ocurre debido a la interacción con la blockchain. El sistema también tiene que subir metadatos a todos los nodos de almacenamiento para mantener las cosas seguras.
Cómo Walrus Maneja la Escritura de Archivos Grandes
Cuando comienzas a subir archivos grandes de más de cuarenta megabytes, el comportamiento cambia. El tiempo que toma comienza a crecer en línea recta en relación con el tamaño. Esto se debe a que la transferencia de red se convierte en el principal factor.
Desglosando los Cinco Pasos de la Escritura
Cada vez que escribes datos, el sistema realiza cinco pasos específicos. Primero, codifica tus datos para prepararlos para el almacenamiento. Luego verifica el estado de los datos para asegurarse de que todo esté correcto.
Los Pasos Finales del Proceso de Escritura
Después de verificar el estado, el sistema obtiene información para reservar espacio. Luego almacena los fragmentos de datos en los nodos. Finalmente, publica una prueba en la blockchain para confirmar la disponibilidad.
Analizando la Retardo para Pequeños Blobs
Para pequeñas piezas de datos, el trabajo administrativo fijo domina el tiempo. Se gastan alrededor de seis segundos solo en tareas de metadatos y blockchain. Esto representa aproximadamente el cincuenta por ciento del tiempo total que esperas.
Analizando la Retardo para Grandes Blobs
Cuando te mueves a blobs grandes, la fase de almacenamiento toma más tiempo. El trabajo administrativo se mantiene constante, pero la transferencia de datos toma más tiempo. Esto confirma que para archivos grandes, la velocidad de la red es el límite.
Validando Nuestras Afirmaciones sobre la Latencia
Estos resultados nos ayudan a probar un punto importante sobre el sistema. Walrus logra una latencia baja que es predecible para ti. Lo único que lo frena para archivos grandes es la velocidad de internet en sí.
Midiendo el Rendimiento de Datos para Ti
También observamos cuántos bytes por segundo puede mover un solo cliente. Para leer datos, esta velocidad escala bien a medida que los archivos se vuelven más grandes. Esto se debe a que leer es principalmente solo extraer datos de la red.
El Límite de Velocidad para Escrituras de Cliente Único
El rendimiento de escritura tiende a estabilizarse alrededor de dieciocho megabytes por segundo. Esto no significa que el sistema sea lento, sino que un solo cliente tiene límites. El cliente tiene que comunicarse con la blockchain y los nodos muchas veces.
Cómo Puedes Lograr Mayores Velocidades en Walrus
Este límite en un solo cliente no te impide ir más rápido. La red subyacente soporta velocidades mucho más altas que las que medimos para una persona. Puedes acelerar las cosas fácilmente cambiando cómo trabajas.
Usando Múltiples Clientes para Mejor Velocidad
Para archivos mucho más grandes, puedes desplegar múltiples clientes al mismo tiempo. Cada cliente puede subir un fragmento de datos en paralelo. Esto crea un patrón de difusión que elude el límite de usuario único.
Confirmando Capacidades de Alto Rendimiento
Estas pruebas validan que puedes leer y escribir a alta capacidad. El sistema está diseñado para manejar tráfico pesado si lo configuras correctamente. Solo necesitas usar conexiones paralelas para los trabajos más grandes.
Probando la Escalabilidad de Walrus
Queríamos ver cuánto datos podía mantener el sistema durante un largo período. Realizamos nuestra evaluación durante sesenta días para recopilar suficientes datos. Queríamos asegurarnos de que pudiera manejar patrones de uso del mundo real.
Cuánto Datos se Almacenaron Durante las Pruebas
Durante nuestra prueba de sesenta días, el sistema almacenó una mediana de más de un terabyte de fragmentos de datos. También almacenó más de doscientos gigabytes de metadatos de blobs. Esto demuestra que puede manejar un volumen significativo de información.
La Capacidad de los Nodos de Almacenamiento Individuales
Como describimos anteriormente, cada nodo de almacenamiento juega un papel importante. Cada nodo contribuye entre quince y cuatrocientos terabytes de capacidad. Esta es la base del poder total de almacenamiento del sistema.
La Capacidad Total Masiva de Walrus
Cuando sumas todos los nodos, el sistema puede almacenar más de cinco petabytes. Esta es una característica clave que hace que Walrus sea muy poderoso. Significa que hay mucho espacio para todos tus datos.
Cómo Crece la Capacidad con Más Nodos
Encontramos que la capacidad total de almacenamiento escala con el tamaño del comité. Esto significa que si agregas más nodos, la capacidad crece proporcionalmente. El sistema se vuelve más grande y más fuerte a medida que se agrega más hardware.
Reflexiones Finales sobre el Rendimiento del Sistema
Nuestras pruebas muestran que Walrus es un sistema robusto para ti. Ofrece lecturas de baja latencia y opciones de escritura escalables. Está diseñado para crecer con tus necesidades y manejar grandes cantidades de datos.
¿Qué piensas sobre esto? No olvides comentar 💭
Sigue para más contenido 🙂
