多くの人がWalrusを見ると、最初の反応はSuiとの関係が少し緊密すぎると感じるかもしれません。しかし、これは欠点ではなく、むしろ巧妙な設計の一部です。

Sui自体は並行実行において非常に積極的に取り組んでいます。オブジェクトモデルを分離することで、独立したオブジェクトは直接並行処理され、共有オブジェクトはMysticetiという最適化方案によってサブ秒の最終確定性を実現しています。これは何を意味するのでしょうか？つまり、Walrusのメタデータ層や調整層をすべてSui上で動かすことができ、ボトルネックにならないということです。対照的に他のストレージチェーンは合意形成がシリアルで、大きなファイルをアップロードするたびに全ネットワークが待たされ、ユーザー体験は非常に不快です。

本当の革新はスライスの部分にあります。Walrusはエラー訂正符号（纠删码）を使用し、パラメータ設定は非常に面白いものになっています——保守的でありながら柔軟です。保守的というのは冗長率が非常に低いことを指し、1.5倍から始めても高い可用性を保証できることです。柔軟性は、ガバナンス投票によって必要に応じて冗長性を3倍に調整できる点にあります。なぜ冗長性を高めることに敢えて挑戦できるのか？それはSuiの高スループット特性により、調整取引のコストが非常に抑えられているからです。

プロセスは次の通りです：ユーザーがストレージリクエストを発行すると、システムはファイルを数百のスライスに分割し、同時にエラー訂正証明を生成します。これらの証明はSui上で並行して検証され、その後指示を分散し、ノード群にブロードキャストします。ノードはスライスを受け取り保存し、完了後に確認を返信します。確認情報は集約されてチェーンに記録されます。全体の流れは秒単位で完了します。

秒単位の意味は何でしょうか？AIデータセットのようなGB、TB規模のデータ移行シナリオにおいて、全速力で推進でき、バッチや時間ウィンドウを待つ必要がありません。これは中央集権型ストレージでは完全に不可能なことです。

さらに応用シナリオを考えてみましょう——AIエージェントのリアルタイム推論です。エージェントはモデルの重みや履歴データセットを動的に取得しながら推論計算を行いますが、ストレージの遅延が高いと、推論ループ全体が停止してしまいます。一方、Walrusでは、ホットデータの自動マルチコピーキャッシュや並行読み取りパスの最大化により、Suiのオブジェクトモデルはキャッシュコピー間の調整も並行して実行可能にしています。これは、リアルタイム性を重視するアプリケーションにとって、真の性能突破と言えるでしょう。