Hemera，新一代链上数据分析

原创已于 2024-11-14 16:59:15 修改 · 751 阅读

12 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

JRDC

于 2024-11-14 15:25:53 首次发布

Hemera 新一代链上数据分析

Hemera 是一款全新的链上数据分析工具，专为区块链世界设计，旨在提供更加全面、智能和高效的数据洞察。它结合了先进的技术，支持对区块链上不断增长的庞大数据集进行深度挖掘与实时分析，帮助开发者、分析师以及研究人员快速获取链上的动态信息和重要趋势。

与传统的链上数据工具相比，Hemera 不仅关注数据的采集和展示，更注重数据的价值挖掘和智能化应用。通过支持多链结构的数据聚合分析，Hemera 帮助用户实现更深入的洞察。例如，它能够迅速追踪区块链上的交易路径，分析资金流动，识别关键的交互节点，从而揭示出隐藏在链上复杂交互背后的商业逻辑与市场动向。

Hemera 的设计理念还体现了开放性与易用性。借助现代化的可视化界面和 API 接口，用户可以方便地自定义查询和创建分析模型，无论是需要基础的区块链数据统计，还是高级的数据科学分析需求，Hemera 都能轻松满足。此外，Hemera 采用高度优化的数据存储与计算技术，确保在面对大规模链上数据时，依然能够保持良好的性能和响应速度。

通过 Hemera，区块链的数据不再是孤立的记录，而是可以被探索、关联和深入解读的丰富资产。无论是开发去中心化应用（DApp），研究 DeFi 生态，还是分析 NFT 市场，Hemera 都是不可或缺的强力助手。它的智能化链上数据分析能力，正引领着区块链数据分析进入一个全新的时代。

1. 介绍 Hemera Protocol

什么是 Hemera？

Hemera是一种以账户为中心的可编程索引协议（Account-Centric Indexing, ACI），专注于简化链上数据的访问和管理。不同于传统的区块链索引方式，Hemera基于用户账户而非每个交易进行索引，从而提升数据访问效率、减少资源消耗，特别适用于开发人员和链上应用的数据管理需求。

传统区块链数据访问的挑战

效率低：数据访问费时且耗费大量资源。
成本高：复杂查询频繁调用，导致高基础设施成本。
数据膨胀：传统索引方式对每个事件或交易建立索引，导致冗余数据量大。

Hemera 如何应对这些挑战？

用户级数据访问：通过以账户为中心的索引简化数据访问流程。
实时用户行为洞察：支持跨链实时分析用户行为。
灵活的用户定义函数（UDF）：提供内置函数库并支持自定义UDF，方便开发者进行特定的数据提取和分析。

Hemera 应用场景

区块链浏览器：高效探索链上数据。
投资组合追踪：快速获取和分析资产投资组合。
身份解决方案：便捷地构建以用户为中心的去中心化身份账户。

2. 环境配置

为了顺利运行Hemera项目，需要安装以下软件和开发环境：

Python：链上数据处理的必备语言环境，参考安装教程：Python安装教程。
PostgreSQL：数据库管理系统，用于存储和管理链上数据，参考安装教程：PostgreSQL安装教程。若出现安装问题，参考解决教程：PostgreSQL安装过程问题解决教程
PostgreSQL可视化工具：建议安装Navicat或Workbench等可视化工具进行数据库管理。
WSL（Windows子系统）：在Windows上运行Linux环境的必备工具，方便开发者使用Linux命令行和应用程序，详细安装指南：WSL安装教程。

3. 获取项目源码

克隆源码

对于有一定开发经验的用户，可从GitHub克隆Hemera项目源码并自行配置环境：

# 使用HTTPS方式克隆
git clone https://github.com/HemeraProtocol/hemera-indexer.git

# 或使用SSH方式克隆
git clone git@github.com:HemeraProtocol/hemera-indexer.git

提示：请确保已安装Git，参考安装教程：Git详细安装教程。

4.Hemerea入门demo

Demo 运行步骤

创建项目文件夹

在主目录下创建 code/hemere 文件夹，用于存放项目代码：
```
mkdir -p ~/code/hemere
```
进入文件夹

进入刚创建的 code/hemere 文件夹：
```
cd ~/code/hemere
```
检查 Git 版本

确认安装了 Git，并检查 Git 版本：
```
git --version
```

克隆代码仓库

从GitHub克隆Hemera项目源码到本地：

git clone https://github.com/HemeraProtocol/hemera-indexer.git

进入项目目录

进入下载的项目文件夹 hemera-indexer：
```
cd hemera-indexer/
```
安装 Python 开发环境

安装 Python 3.9.5 环境：
```
sudo apt install python3
```
安装 Python 虚拟环境管理工具

安装 venv，用于创建Python虚拟环境：
```
sudo apt install python3-venv
```
检查 Python 版本

确认 Python 安装正确并查看版本：
```
python3 --version
```
创建 Python 虚拟环境

在项目文件夹中创建虚拟环境 venv：
```
python3 -m venv ./venv
```
到此为止全部完成会在~/code/hemere/hemera-indexer目录下面看见一个venv文件夹，说明Python虚拟环境创建成功
安装依赖管理工具 Make

Make用于自动化依赖管理，确保系统中已安装：
```
sudo apt install make
```
下载项目依赖

使用 Make 下载和整理项目依赖：
```
make development
```
下载所有依赖之后会提示：source .venv/bin/activate
激活虚拟环境

进入 Python 虚拟环境：
```
source .venv/bin/activate
```
要退出虚拟环境，请运行：
```
deactivate
```

运行 Demo

运行 Demo 脚本以获取特定区块上的数据。本示例中，将查询区块 100001 到 100003 的信息：

python3 hemera.py stream \
    --provider-uri https://ethereum.publicnode.com \
    --start-block 100001 \
    --end-block 100003 \
    --output-types block,transaction

运行效果展示：
在这里插入图片描述

5. 用户定义函数 (User-Defined Functions, UDF)

什么是 UDF？

用户定义函数（UDF）允许开发者编写自定义的查询函数，以便更灵活高效地提取特定数据。Hemera内置了多个预构建的UDF示例，如提取账户余额、事件日志等，开发者可以根据需求进一步调整，甚至创建全新的UDF以满足特定的业务需求。

UDF 的工作原理

UDF包含以下核心组件：

数据模型：定义UDF中处理的数据结构。
数据类：组织输入和输出数据的类型，以提升效率。
业务逻辑：定义UDF的核心逻辑，用于数据处理和转换。

6. 构建和部署您的第一个 UDF

环境配置

使用Docker：适用于快速部署环境。
- 步骤1：安装Docker。
- 步骤2：克隆hemera-indexer仓库。
- 步骤3：获取目标EVM链的RPC URL。
- 更多Docker使用说明详见：Docker文档。
从源码构建：适用于开发和调试。
- 安装开发工具（Linux/Unix环境）。
- 执行 make development 启动开发环境。
- 配置 PostgreSQL 实例。
- 运行 hemera.py stream 启动索引器。
- 详细安装指南参见：源码构建文档。