Pada awal sistem, semuanya bisa berjalan. Data masih sedikit, sembarang membangun arsitektur pun tidak akan menunjukkan masalah. Ujian sebenarnya bukan di hari pertama, melainkan saat data mulai menumpuk secara gila-gilaan.

Mari hitung sebuah aplikasi dengan kompleksitas sedang: menghasilkan 50-100KB data status dan perilaku setiap hari. Setahun? 18-36GB. Ditambah data turunan dan citra cadangan, skala sebenarnya bisa berlipat ganda. Terdengar hanya angka, tetapi masalahnya bukan pada penulisan, melainkan data ini sama sekali tidak bisa berhenti. Mereka dibaca berulang kali, diverifikasi, dan dikombinasikan satu sama lain. Jika hubungan referensi menjadi kacau, seluruh kompleksitas sistem akan meledak secara eksponensial.

Inilah titik awal desain Walrus. Ia tidak berfantasi bahwa data akan berhenti bertambah, dan tidak berharap objek hanya ditulis sekali. Pendekatan Walrus adalah: objek data saat dibuat mendapatkan identifikasi yang stabil, yang tidak pernah berubah. Semua perubahan dicatat sebagai evolusi status dari objek yang sama. Pada skala kecil, perbedaannya tidak terlihat, tetapi seiring waktu, keunggulan desain ini akan semakin diperbesar.

Lihat data yang diungkapkan dalam pengujian: mendukung penyimpanan objek berukuran MB, memastikan ketersediaan melalui redundansi multi-node, dan jaringan pengujian secara keseluruhan stabil dengan tingkat ketersediaan di atas 99%. Latensi baca tetap di tingkat detik, aplikasi nyata dapat langsung memanggil, bukan hanya arsip data dingin.

Yang lebih penting adalah perubahan di tingkat aplikasi. Ketika referensi objek tidak lagi sering berubah, aplikasi dapat melakukan optimisasi mendalam di sekitar struktur data yang stabil ini, yang sulit dicapai dalam model penyimpanan tradisional.