本篇我们探讨一下区块链世界里的数据供应，以及以数据为核心产品的服务商如何形成一定的市场规模，即他们如何产生价值和捕获价值的。
区块链本质上是一个分布式数据库，虽然有着公开、透明、可追溯等特点，但是直接访问或者获取这写数据并不便利，需要特定的接口、进行格式化、以及转变保存类型。大部分区块链使用的是键-值类型的数据库，方便多写少读，而普通用户比较习惯的是关系型数据库。关系型数据库可以用像SQL那样的查询语句来进行查询，像DuneAnalytics这样的服务商就是把链上数据变成关系数据库，方便调取，这中间的流程还包含了数据的存储和再加工的过程。
一般有两类有价值的数据：
链上数据：链相关数据、转账、普通交易、智能合约事件等，这类数据被分布式数据库所维护，可靠性由共识保证。即区块链的核心数据。
非链上数据：与链上相关，准确性依靠中心化或去中心化的节点验证的数据，如交易所、预言机等，类似于Web2.0服务。交易所数据介于链上链下之间，是链上数据的链下计算，然后经链上验证，也产生了很大的数据量。
我们认为数据市场需求爆发的驱动来自于：
多链宇宙的成型
应用的增加和用户的增加
应用带来的数据需求的增加
用户行为复杂化
数据市场参与者
交易者
交易者根据各类数据信息判断可交易的方向，比如观察某条链的活跃程度，某个DEX的成交情况、某个借贷协议的借出贷款等。他们会需要有可靠的数据源，一些高级用户会使用付费的数据服务。
数据的提供者
被动的产出方：如区块链的节点，交易所，普通用户主动地产出方：API提供者，数据搜索引擎，定制化数据包。他们往往是原始数据的加工者。
开发者
开发者查询、调用链上数据，与区块链交互。由于节点服务商的存在，开发者不需要搭建自己的节点，就可以直接和链上进行交互。众多dApp以及第三方钱包应用都依赖于Infura这样的节点服务商，与区块链进行交互。开发者的需求来自于：网络状态监控、交易执行状况监控、稳定的执行环境、市场和竞品趋势信息、产品和市场策略指定、根据客户偏好提升产品性能等。
需要不停监听网络状态的应用和中间
比如借贷协议需要监控账户状态，一些自动化中间件要及时反馈价格变化等。
区块链数据结构、存储、和访问-以Ethereum为例
键值数据库
区块链本质上是个数据库，和比较为大众熟悉关系型数据库不同，以太坊使用的键值类型数据库，其底层基于Google的LevelDB，适用于写多读少的场景。关系型数据库历经多年发展，被程序员所接受，也非常利于普通人理解。关系型数据库的结构是一系列的表。
键值数据库是新发展出来的非关系型数据库，结构相对简单：键作为唯一的标识符，值存储数据，值可以是任何东西，不需要遵循表的结构，灵活多变且扩展性强。键值和关系数据库相比扩展性好，可以提供大数据量的读写，常被用于缓存。大部分分布式数据库采用键值数据库，依靠LMS-tree的结构进行有效的数据写入和查询。少部分选用关系型数据库，如Ripple。
区块链的数据根据状态和交易的抽象结构如下：
来源：HyperLedger
以太坊的区块数据包括区块头和区块体，区块头包含许多字段。从结构来看，以太坊的主干就是三棵树：状态树、交易树和收据树。
以太坊的主要字段是StateRoot(状态树)，包含了账户余额、声明、随机数等，状态树采用的是Merkel-Patrica结构，需要不断的更新。而交易树和收据树不需要更新，所以采用了Merkel的数据结构：交易数据是永久数据，永久数据已经记录不会被改变。状态树储存每个以太坊账户的地址余额，一经发生交易就会修改。以太坊的数据结构总结起来就是这一张图：
来源：LucasSaldanha
永久储存与临时储存
如前所述，以太坊的底层数据是以K-V形式储存在底层LevelDB里的。但是LevelDB适合于写多读少的场景，所以真正用于读取、查询的数据库是StateDb，它管理着所有账户的集合，账户的呈现形式是stateObjectStateDB。其直接面向业务，是底层数据库和业务模型的之间的存储模块。它采用两级缓存机制，以满足查询、更新、调用等功能。第一级缓存为map形式，存储stateObject，二级缓存以MPT形式存储。当stateObject有变动的时候，实例化的stateObject会更新，当IntermediateRoot()被调用后，他们会被提交到MPT上，当CommitTo()被调用后，他们会被提交到底层levelDB中。这就形成了三级缓存结构。使用多存数据库的好处是，当需要回滚的时候，直接调用stsateDB中MPT树的根节点进行数据还原即可。
来源：网络，HashKeyCapital整理
但是要是将这些数据变成可用的数据，就是将这写数据变成可用的查询字段，比如Blockheader包含的字段，BlockBody包含的字段，智能合约的Log的字段等，交易的Trsaction字段等，不同字段对应着不同类型。
DuneAnalytics提供的以太坊可查询数据字段
Log是非常重要的数据，因为以太坊的智能合约运行在EVM中，与外界隔离，EVM发生的事件就是通过Log传输到外面并记录在区块链上。实际上，像Etherscan这样的浏览器就是用过Parity客户端回放EVM，拿到智能合约交易的记录。
许多区块链的结构也可以存储非交易数据，但是容量有限。比如比特币的output中的OP_RETURN字段就可以存储不超过40字节的数据。限制的原因在于放大增加这部分会影响区块链的性能。以太坊的区块头也有Extra字段可以用来写入数据，如这样的：
来源：https://etherscan.io/block/12912176
区块链并不合适进行文件的存储，以IPFS作为存储底层和区块链结合的方式是比较认可的，比如数据储存在IPFS中，但是数据的Hash值存在以太坊的状态数据库中。
缓存
除了上链的交易外，以太坊还有一个保存在缓存中的数据，即mempool里面的排队数据。各个节点提交的交易都会被放入mempool交易池中，经过序列化、交易验证、过滤等步骤，最终选择合适的交易被矿工打包。交易池中有Queue和Pending两个map，用来存储未验证交易和已验证交易。Queue和Pending清理结束后，根据不同节点提交的交易，交易池要进行重构，防止出现分叉。
以前交易池的数据没有那么重要，但是随着智能合约的交易占比提升，交易的排序有了更多的经济意义，所以已经有项目开始做类似的工作。
趣味性强的的比如Txstreet
真实提供交易池数据接口的比如Blocknative
提供MEV解决方案的如Flashbot
访问
如何访问以太坊上的数据呢？一般是两种方式:
远程访问以太坊的节点
使用web3或者是JSON-RPC的方式。JSON-RPC是无状态的轻量级跨语言远程调用协议，文本传输的数据是JSON格式，传入和传回都是JSON格式。使用JSON-PRC,客户端发送PRC请求，就可以直接通过以太坊客户端，传回相应数据，比如使用对应字段，eth_gasPrice,eth_blocknumber等。
来源：《深入理解以太坊》
如果不使用JSON-PRC方式，可以以太坊基金会提供的javascript库，即web3.js。它底层封装了RPC,使用起来和JSON-RPC方法一样，先创建一个web3对象，就可以使用库里提供的方法获取各种数据。比如，显示账户的余额：
varbalance_1=web3.eth.getBalance(web3.eth.accounts);console.log(balance_1.toString());
使用web3.js有一系列好处，在于他们有非常细致的模块：
web3-eth用来与以太坊区块链及合约的交互；
web3-shhWhisper协议相关，进行p2p通信和广播；
web3-bzzswarm协议相关；
web3-utils包含一些对DApp开发者有用的方法。
JavaScript库还可以通过读取ApplicationBinaryInterface(ABI)来直接和复杂的智能合约进行交互。ABI就是json形式的智能合约函数，因为智能合约是以solidity写的，json形式就可以通过JavaScript直接使用了。可以做的事情包括：向合约发送交易、估计使用EVM的gasfee、部署智能合约等等。
除了web3.js库外，还有ether.js库这样的javascript库。
使用web3.js的一个实例就是区块链浏览器：使用web3.js访问以太坊，获得的数据进行加工，通过中心化的接口加入非链上信息，然后循环调用web3.js查询链上数据，不断更新区块。
自己搭建节点，本地访问
自己搭节点就是自己将所有的以太坊全网数据全部下载下来，这需要大量的成本，以及安全技术，大部分用户和开发者都不会选用这样的模式去使用数据，一般会使用第一类方法或者直接从去找到更好的API服务商。
流转过程
以太坊的本质是交易驱动的状态机，一切变化皆由交易开始，变化的记录就是数据，API从头到尾串起了数据的流转。整个区块链数据流转的过程是这样的：
数据服务者类型
节点服务层
节点服务商可以说已经变成了以太坊运行的根基，比如最有名的Infura，本身运行以太坊节点并提供IaaS服务，省去了建立以太坊节点的过程,应用可以直接靠Web3访问。API成为管道，需要使用数据的话，对管道进行付费。
底层数据服务和上层数据服务可以紧密合作，底层提供节点，上层提供数据的查询。比如Quicknode和DuneAnalytics的合作就是这样的例子。Dune为数据分析这提供一个可以应用SQL语句查询的数据库，还可以将数据可视化。在Dune出现之前，没有一个统一的数据格式可以将项目之间进行比较。Dune是Quicknode的主要客户，之前是使用自建的Parity节点。经常需要担心节点的内存泄露、磁盘空间不够等，而且成本较高，使用Quicknode后后大大降低了成本，每月成本1000美元降到每月35美元。此外Quicknode还提供类似CDN的服务，这可能是另外一个可以促进dapp应用体验的方向。还可以帮助访问mempool的数据。还可以提供私有节点。Quicknode有一些业内知名的用户，比如Nansen,PayPal,DappRadar,Chainlink。
Alchemy把区块链的底层架构进行梳理，可以提供典型的JSON-RPCAPI，还可以提供增强型的API，将日常请求简单化，简化开发人员的成本等。Alchemy对许多知名项目也进行了支持，比如CryptoKitties,Formatic,Bancor,Celer。
Infura,Alchemy和Quicknode均各自有一些知名用户：
处在这一赛道的还有CryptoAPI，Blockchair，Blockdaemon等。
查询索引服务层
数据服务再往上进一层就是应用类的服务，比如DuneAnalytics。区块链的数据虽然是公开透明的，但是缺乏工具的情况下，数据都是杂乱的，需要编写各类脚本来访问区块，遍历信息等，然后再进行格式化。
Dune先把区块链上的数据进行解析，然后填充到数据库中，变成一个PostgreSQQL的数据库。用户无需写脚本，只要会使用简单的SQL语句就可以进行查询。Dune起了一层将数据进行解析和格式化的作用，还提供了可视化工具。以太坊是键值数据库，Dune把它变成一个关系型数据库，SQL语句就是关系型数据库的接口。Dune提供的数据表有：
原始交易数据，提供区块链上所有活动的详细记录
项目级数据表，返回预处理后数据，用于解码的项目
抽象表，一种更高级的表，返回相关行业/主题的聚合数据。
目前支持Ethereum和xDai两个链。以太坊的原始数据包括Block，Log，Transaction，Trace等四大类数据，Dune把他们解码成humanreadable的格式。
TheGraph提供了一个数据的搜索引擎，借助于GraphQLAPI，用户可以通过subgraph直接访问获得信息。而且TheGraph是去中心化的，受到很多DeFi项目的支持。其也提供一些列成型的subgraph，供代码能力一般的用户直接使用。
数据查询的流程遵循以下步骤:
Dapp通过智能合约上的交易将数据添加到以太坊。
GraphNode持续扫描以太坊的新块和它们可能包含的子图数据。
GraphNode在这些块中为子图查找以太坊事件，并运行映射处理程序。
去中心化的应用程序使用节点的GraphQL端点向GraphNode查询从区块链索引的数据。GraphNode反过来将GraphQL查询转换为对其底层数据存储的查询，以便获取该数据，并利用存储的索引功能。
Dapp将这些数据显示在终端用户的前端中。用户通过前端进行交易活动。
由于是去中心化的模式，TheGraph设计了GRT代币机制，以鼓励多方参与这个网络，涉及到委托人、索引者、策展人、开发者等四类。简要而言就是用户提出查询需求，索引者运行TheGraph节点，委托人向索引者质押GRT代币，策展人使用GRT来指引哪类子图有查询价值。
快速和节约资源：TheGraph的价值在于，他可以非常快速的用数据回答很具象的问题。他们举了个例子：对于CryptoKitties，可以查询在2018月之间1月到2月诞生的Kitties的所有者是谁的问题，这就需要遍历智能合约的birth事件，以及ownof方法。这样一个问题可能需要几天时间才可以。TheGraph的子图就是解决这些问题的索引。
类似于TheGraph的项目还有Covalent，提供了一个数据查询层，让工程师可以快速的以API的形式调用数据。一个简单的API就可以解决所有Covalent支持的链的数据。Covalent的数据集比较完备，可以多链多项目的一起查询，不需要很强的coding基础。Covalent也有自己的代币CQT，代币持有者可以用来抵押、投票。Covalent有两类endpoints，一类是区块链全体数据类型，如余额、交易、日志类型等；另一类是对某一个协议的endpoint，如查询AAVE的日志。Covalent最有特点的是跨多链查询，不想需要重新建立类似子图的索引，二是通过改变chainID就可以实现，query的可扩展性大大增强了。
SubQuery是专注于波卡生态的数据提供方，可以转换和查询Web3.0生态数据。SubQueary受到TheGraphh启发，也是使用的Facebook开发的graphQL语言。SubQuery面向所有的Polkadot和Substrate，并且提供一个开源SDK。相对于TheGraph,作为开放市场的SubQuery中的角色有三个：消费者、索引这和委托人。消费者发布任务，索引这提供数据，委托将空闲的SQT代币委托给索引者，激励他们更多的诚实参与工作。代币经济学和TheGraph类似。
如前所述Blocknative专注于实时交易数据的检索功能，提供了mempool的数据浏览器。最大的特点是突出了实时性，可以追踪交易相关的相应字段的结果，比如地址的追踪，内部交易的追踪，未成功交易的信息，被替换交易的信息比如被加速或者取消。
主要的产品有：mempool浏览器、网站SDK、Gas平台和模拟平台
Mem浏览器，通过API形式的可以订阅mempool，可以精确到任何一一个协议中，比如UniswapV3，Sushiswap的相关交易在mempool里面的表现
Gas平台，通过实时mempool数据来预测gasfee的工具
模拟平台功能，模拟mempool中检测可被执行的事务，并根据当前块高度对它们进行模拟，以显示它们的效果。只要符合Blocknative检测规则的交易进行模拟
SDK平台，各类网站可以通过javascript挂接Blocknative的API，来显示该网站产品的交易执行情况
Blocknative是专门针对mempool进行侦测的数据网站，因为mempool的数据和最终区块数据不会一致，其及时性和其他数据indexing比要求跟高。以太坊有一套复杂的系统来管理mempool中的交易，Blocknative提供的字段查询更加即时和精确。
数据分析层
这一层主要是提供一整套链上或者链下的数据集或API，方便于交易员进行分析。
链上和链下数据：链上数据的提供者直有很细分的rawdata，但对于非专业的认识不需要，其实很多用户需要的颗粒度并不是很高。这样的选手包括Coinmetics，Nomics，Glassnode，intotheBlock,CryptoQuant等。他们本身会拆分每一笔交易，但是提供的产品是一种交易的集合。还有一类是交易所数据的包括：Skew，Kaiko，CoinAPI。他们把各类交易所的交易数据进行集合，打包提供给交易者。包括最近崛起的Nansen，将标签的精细度加深，这也代表深颗粒度/面向特定领域的数据受到重视。
业务很传统：这些服务商体量都不大，经过几年的竞争，上面提到的这些名字已经初步跑出。他们基本都是中心化的项目，估值在几千万美元。业务逻辑容易理解，有传统的可比标的，数据合规做得好是很好的收购标的。
交易所也自然的参与其中：除了集中式的API供应，交易所本身也提供大量的数据。这部分是中心化交易所私有的，交易所把这部分数据半免费开放给外部，这属于整个区块链里最有价值的一类。对于trader来讲，orderbook和成交量比较有用，orderbook类似以太坊的内存池数据。而还有一类就是交易所钱包和链上交互的数据，代表了一定的得市场氛围。
数据的合规性还未受到重视：合规是很多服务商较少充实的层面，不仅公司合规，数据也要合规。Kaiko的数据广度好，而且颗粒度精细，拥有把一整套数据进行标准化的方法，满足传统机构投资人的合规要求，并符合FIGI标准，是认证的FIGI服务商。在未来机构进场的趋势下是一个很大的优势。
除此以外，还有各类DeFi分析面板如DefiPulse、Dfilima、DeBank等，都提供各自擅长的数据集。
数据服务商的价值提升仍然有很大空间
可靠性的提升
区块链数据越来越多是一个不可避免的趋势。但只有对数据进行分析，得出可操作的见解，才能利用数据的真正价值。区块链技术在数据分析领域扮演着两个截然不同的角色。首先，存储在区块链和区块链网络中的数据本身提供了丰富的信息来源。第二，通过在数据和派生分析模型中添加保证元素，区块链可以使可信的数据分析环境用于多方数据共享。
虽然规模在增加，但是数据质量还没有受到重视，数据质量即代表数据可用性的问题，数据质量需有以下标准：
一致性-数据没有矛盾且一致。
可追溯性-数据可审计，变动可追踪
可用性-能够被授权用户和应用程序进行检索。
合规性-数据符合标准、惯例或一些已经执行的规定
机密性-数据只能被授权用户访问
可信度-用户相信数据的真实性
区块链的数据就有很好的一致性、可追溯性、可用性，但是缺乏合规性、一定的私密性和可信性，尤其是面对监管的时候。用户相信一些数据，还是需要对方数据交叉验证，自己去链上数据交叉验证并不容易。这是未来需要解决的。
用户数据从里层走向表层
用户数和用户行为的爆发还有一个潜在结果，就是当这个级别开始逐渐接近互联网级别的时候，一些传统的数据挖掘方法就开始体现出价值。Web3.0上依然可以提供类似Web2.0的服务，而有些数据虽然是公开的，但却是只能被部分公司access到，者给予对用户行为分析和打标签的能力。一个比较大的gap是，现在用户的Web2.0和Web3.0身份还没有对应上，比如很多项目的用户，也非常积极的在Discord里面交流，他们和Web3.0的身份没有对应，这里面其实也会让很多机会。像Nansen就是把海量的钱包进行打标签，为数据用户提供真实的链上行为分析，尤其是可以看到那些巨鲸的活动。像Nansen这样的，未来针对用户数据的再挖掘，会让数据服务上的再上一个新台阶，比如Zerion、Zapper、InstaDapp这样的DeFi聚合层，也是可以很好发掘用户数据的平台。Covalent也提供了对钱包的查询功能。
价值的体现
数据的可靠性是一方面，价值捕获依靠的是可用性和认可。数据变得有值钱我们可以从这类项目的融资可以看出，2021年是数据真正开始体现价值的一年，以上提及的项目今年发生了多次融资：
Skew和Zabo直接被Coinbase收购，传统领域的资金也在参与。随着多链时代的开启，数据量会成倍的增加。多链时代对行业是个考验，但对于数据公司来说，则打开了宝藏之门。TheGraph提供的统计显示，2020年6月，每天只有3000万的query，到了2021年的6月份，每天的query达到了6.75亿。
未来数据市场的驱动力主要有四个：多链宇宙的成型，应用的增加和用户的增加，应用带来的数据需求的增加，用户行为复杂化。但是数据状态也不会爆炸下去，也会经过一波整合，和Gartner发展曲线类似。
本文链接：https://www.8btc.com/article/6672531转载请注明文章出处
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。