Багато людей при перегляді Walrus перше, що приходить на думку — це те, що він трохи тісно пов’язаний із Sui. Але це не недолік, навпаки, це вишуканий елемент дизайну.

Сам Sui вже дуже агресивно підходить до паралельного виконання. Як тільки об’єктна модель відокремлюється, незалежні об’єкти обробляються паралельно, а спільні об’єкти за допомогою цієї оптимізаційної схеми Mysticeti досягають фіналізації за долі секунди. Що це означає? Це означає, що метадані та рівень координації Walrus цілком покладаються на Sui, і це зовсім не стане вузьким місцем. У порівнянні з іншими ланцюгами зберігання, де механізм консенсусу працює послідовно, і при завантаженні великого файлу потрібно чекати всю мережу, користувацький досвід стає дуже незручним.

Наступна справжня інновація — це сегментація. Walrus використовує код з виправленням помилок (еррор-код), параметри налаштовані дуже цікаво — консервативно і гнучко. Консервативність означає дуже низький рівень надмірності, починаючи з 1.5 разів, що забезпечує високу доступність, а гнучкість — можливість регулювати голосування для управління до 3 разів. Чому сміливо підвищувати рівень надмірності? Тому що високий пропускний здатність Sui знижує вартість координації транзакцій до мінімуму.

Процес виглядає так: користувач ініціює запит на зберігання, система розбиває файл на кілька сотень частин і одночасно генерує докази виправлення помилок. Ці докази паралельно перевіряються на Sui, потім розсилаються команди та одночасно поширюються по вузлах. Вузли отримують частини, зберігають їх, після чого підтверджують, і зібрані підтвердження додаються до ланцюга. Весь процес займає секунди.

Що означає "за секунди"? Для сценаріїв перенесення даних обсягом у GB або TB, таких як AI датасети, можна рухатися на повну швидкість без очікування пакетами у часових вікнах. Це зовсім неможливо зробити з централізованим зберіганням.

Ще один приклад застосування — реальний час для AI-агентів. Агентам потрібно динамічно витягати ваги моделей і історичні дані для обчислень, і якщо затримка зберігання висока, весь цикл обчислень застряє. На Walrus популярні дані автоматично кешуються з кількома копіями, паралельне читання максимально навантажене, а об’єктна модель Sui дозволяє одночасно координувати кеш-копії. Це справжній прорив у продуктивності для застосунків з високими вимогами до реального часу.