تطور الوصول إلى بيانات Web3: نظرة عامة على الفهرسين والمشاريع ذات الصلة
تكمن جوهر تقنية البلوكشين في البيانات. كقاعدة لتطوير التطبيقات اللامركزية (dApp), لا يمكن إنكار أهمية البيانات. على الرغم من أن الصناعة الحالية تركز بشكل عام على قابلية استخدام البيانات (DA), إلا أن قابلية الوصول إلى البيانات مهمة بنفس القدر وغالباً ما يتم تجاهلها.
تضمن حلول DA أن يتمكن المشاركون في الشبكة من التحقق من بيانات المعاملات في الوقت الفعلي، والحفاظ على سلامة الشبكة. ومع ذلك، فإن وظيفة طبقة DA مشابهة للوحة إعلانات، حيث لا يتم تخزين البيانات بشكل دائم. بالمقابل، تركز قابلية الوصول إلى البيانات على استرجاع البيانات التاريخية، مما له دلالات كبيرة على تطوير dApp وتحليل blockchain. تلعب هذان الجانبان أدوارًا مختلفة ولكن مكملة في النظام البيئي لل blockchain، حيث يجب أن يدعم إدارة البيانات الشاملة كلا الجانبين لدعم تطبيقات blockchain قوية وفعالة.
تقليديًا، هناك العديد من التحديات في استرجاع بيانات البلوكشين. يمكن لمطوري dApp اختيار تشغيل عقد RPC الأرشيف، ولكن تكاليف الصيانة مرتفعة وقدرات الاستعلام محدودة. استخدام مقدمي خدمات RPC التجارية هو خيار آخر، ولكن الخدمات المجانية تعاني من قيود في السرعة، بينما قد تكون الخدمات المدفوعة غير فعالة وصعبة التوسع.
نشأت محركات البحث على blockchain كخيار بديل أفضل. تقوم المحركات بتنظيم البيانات على السلسلة وتخزينها في قاعدة بيانات لتسهيل الاستعلام، وغالبًا ما يطلق عليها "جوجل blockchain". إنها تبسط عمليات استرجاع البيانات من خلال لغة استعلام موحدة. هناك أنواع متعددة من المحركات، بما في ذلك محركات البحث الكاملة، والمحركات الخفيفة، والمحركات المتخصصة، ومحركات التجميع، ولكل منها مزاياها. مقارنةً بعقد RPC، فإن المحركات تزيد من كفاءة وموثوقية استرجاع البيانات، بينما تقلل التكاليف.
تلعب الفهارس دورًا مهمًا في مجالات متعددة مثل DeFi والألعاب وNFT. تحتاج بروتوكولات DeFi إلى معلومات حول الأسعار والسيولة؛ تحتاج GameFi إلى الوصول السريع إلى البيانات لتوفير تجربة سلسة؛ تحتاج منصات NFT إلى بيانات الوصف وحقوق الملكية. بالإضافة إلى ذلك، توفر الفهارس إمكانية التحليل العميق للبيانات.
تشمل المشاريع الرئيسية لفهرسة السوق:
The Graph: أول بروتوكول فهرسة على إيثيريوم، يستخدم الرسوم الفرعية لتعريف مجموعات البيانات.
Subsquid: بحيرة بيانات لامركزية، تدعم تجميع البيانات على السلسلة وخارجها، وتحمي من خلال الإثباتات الصفرية للمعرفة.
SubQuery: يقدم خدمات RPC وبيانات الفهرسة لعدة سلاسل، ويintroduce دور المستهلك.
Covalent: من خلال معالجة البيانات بواسطة منتجي عينات الكتل ومنتجي نتائج الكتل.
عند اختيار الفهرس، يجب أخذ في الاعتبار عوامل مثل قابلية تخصيص البيانات، والأمان، والسرعة، وقابلية التوسع، والشبكات المدعومة.
إن الجمع بين المفهرس والذكاء الاصطناعي يفتح إمكانيات جديدة. يمكن للذكاء الاصطناعي تحسين كفاءة ودقة استرجاع البيانات، مما يساعد في بناء تطبيقات لامركزية وأدوات تحليلية أكثر تعقيدًا. مع تعمق هذا الاندماج، فإن مستقبل تطوير فهرسة البيانات يبعث على التفاؤل.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 9
أعجبني
9
5
مشاركة
تعليق
0/400
GameFiCritic
· 07-25 23:35
ما هي تكلفة قاعدة بيانات DA على أساس سنوي؟ كفاءة استرجاع البيانات الضخمة هي مشكلة قديمة وصعبة، هل تم استخدام تمويل الجولة الثالثة والنصف لتحسين هذا الجانب؟
شاهد النسخة الأصليةرد0
IntrovertMetaverse
· 07-25 00:15
هل هذا هو كل شيء بالنسبة لمؤشر؟
شاهد النسخة الأصليةرد0
SatoshiHeir
· 07-22 23:59
من الواضح أن فهمكم لجذور التكنولوجيا لا يزال في مرحلة سطحية. دعونا نعود إلى النقاش في الصفحة 37 من الكتاب الأصفر لـ FileCoin... لكن اليوم لن نتعمق في ذلك معكم.
شاهد النسخة الأصليةرد0
LiquidityWizard
· 07-22 23:56
من الناحية النظرية، تعتبر DA مجرد لوحة إعلانات متفاخرة... نحتاج إلى 99.99% من استمرارية البيانات بصراحة.
البلوكتشين 索引器革新：Web3数据访问的新纪元
تطور الوصول إلى بيانات Web3: نظرة عامة على الفهرسين والمشاريع ذات الصلة
تكمن جوهر تقنية البلوكشين في البيانات. كقاعدة لتطوير التطبيقات اللامركزية (dApp), لا يمكن إنكار أهمية البيانات. على الرغم من أن الصناعة الحالية تركز بشكل عام على قابلية استخدام البيانات (DA), إلا أن قابلية الوصول إلى البيانات مهمة بنفس القدر وغالباً ما يتم تجاهلها.
تضمن حلول DA أن يتمكن المشاركون في الشبكة من التحقق من بيانات المعاملات في الوقت الفعلي، والحفاظ على سلامة الشبكة. ومع ذلك، فإن وظيفة طبقة DA مشابهة للوحة إعلانات، حيث لا يتم تخزين البيانات بشكل دائم. بالمقابل، تركز قابلية الوصول إلى البيانات على استرجاع البيانات التاريخية، مما له دلالات كبيرة على تطوير dApp وتحليل blockchain. تلعب هذان الجانبان أدوارًا مختلفة ولكن مكملة في النظام البيئي لل blockchain، حيث يجب أن يدعم إدارة البيانات الشاملة كلا الجانبين لدعم تطبيقات blockchain قوية وفعالة.
تقليديًا، هناك العديد من التحديات في استرجاع بيانات البلوكشين. يمكن لمطوري dApp اختيار تشغيل عقد RPC الأرشيف، ولكن تكاليف الصيانة مرتفعة وقدرات الاستعلام محدودة. استخدام مقدمي خدمات RPC التجارية هو خيار آخر، ولكن الخدمات المجانية تعاني من قيود في السرعة، بينما قد تكون الخدمات المدفوعة غير فعالة وصعبة التوسع.
نشأت محركات البحث على blockchain كخيار بديل أفضل. تقوم المحركات بتنظيم البيانات على السلسلة وتخزينها في قاعدة بيانات لتسهيل الاستعلام، وغالبًا ما يطلق عليها "جوجل blockchain". إنها تبسط عمليات استرجاع البيانات من خلال لغة استعلام موحدة. هناك أنواع متعددة من المحركات، بما في ذلك محركات البحث الكاملة، والمحركات الخفيفة، والمحركات المتخصصة، ومحركات التجميع، ولكل منها مزاياها. مقارنةً بعقد RPC، فإن المحركات تزيد من كفاءة وموثوقية استرجاع البيانات، بينما تقلل التكاليف.
تلعب الفهارس دورًا مهمًا في مجالات متعددة مثل DeFi والألعاب وNFT. تحتاج بروتوكولات DeFi إلى معلومات حول الأسعار والسيولة؛ تحتاج GameFi إلى الوصول السريع إلى البيانات لتوفير تجربة سلسة؛ تحتاج منصات NFT إلى بيانات الوصف وحقوق الملكية. بالإضافة إلى ذلك، توفر الفهارس إمكانية التحليل العميق للبيانات.
تشمل المشاريع الرئيسية لفهرسة السوق:
The Graph: أول بروتوكول فهرسة على إيثيريوم، يستخدم الرسوم الفرعية لتعريف مجموعات البيانات.
Subsquid: بحيرة بيانات لامركزية، تدعم تجميع البيانات على السلسلة وخارجها، وتحمي من خلال الإثباتات الصفرية للمعرفة.
SubQuery: يقدم خدمات RPC وبيانات الفهرسة لعدة سلاسل، ويintroduce دور المستهلك.
Covalent: من خلال معالجة البيانات بواسطة منتجي عينات الكتل ومنتجي نتائج الكتل.
عند اختيار الفهرس، يجب أخذ في الاعتبار عوامل مثل قابلية تخصيص البيانات، والأمان، والسرعة، وقابلية التوسع، والشبكات المدعومة.
إن الجمع بين المفهرس والذكاء الاصطناعي يفتح إمكانيات جديدة. يمكن للذكاء الاصطناعي تحسين كفاءة ودقة استرجاع البيانات، مما يساعد في بناء تطبيقات لامركزية وأدوات تحليلية أكثر تعقيدًا. مع تعمق هذا الاندماج، فإن مستقبل تطوير فهرسة البيانات يبعث على التفاؤل.