Eu costumava ser bastante cauteloso em relação ao conceito de "dados fora da cadeia", sempre tendo a sensação de que, desde que os dados não fossem colocados na cadeia, a segurança e a confiabilidade seriam comprometidas. Até que estudei cuidadosamente a implementação do Walrus, essa intuição começou a mudar lentamente.

Agora entendo que o verdadeiro problema não é onde os dados estão, mas se a cadeia pode impor restrições a eles.

Pense em aplicações de alta frequência ou cenários com lógica complexa, colocar todos os dados na cadeia é na verdade uma auto-punição de eficiência. Embora o desempenho do Sui seja forte, ele também não consegue suportar a pressão de crescimento ilimitado de dados. A genialidade do Walrus está nisso — ele não nega a necessidade de dados fora da cadeia, mas projeta uma forma de que a cadeia possa verificar se os dados fora da cadeia foram adulterados ou manipulados. Uma vez que essa lógica seja compreendida, toda a solução se torna muito mais prática e realista.

Sob uma perspectiva diferente, o Walrus na verdade transfere o foco da "confiança" de "onde os dados estão" para "mecanismo de verificação". Você não precisa se preocupar se os dados estão na cadeia, basta confirmar se eles foram adulterados ou trocados. Quando essa ideia funciona, os dados fora da cadeia deixam de ser uma solução de último recurso e passam a ser uma divisão de recursos mais racional.

Essa mudança de entendimento também mudou minha visão sobre o projeto Walrus. Ele não está procurando dar uma desculpa para os desenvolvedores serem preguiçosos, mas ajudando todo o ecossistema a usar os recursos realmente limitados onde devem ser usados. Em certo sentido, esse projeto ajuda o ecossistema Sui a se livrar de cargas desnecessárias, permitindo que as aplicações cresçam de forma mais natural. Essa abordagem de "parece menos radical, mas na prática é muito útil" é uma das razões pelas quais tenho acompanhado esse caminho.