本文作者：Pyours
在之前的文章里，我们已经详细阐述了如何用 Chainbase 的数据 API 加上 Flipside 的 LiveQuery 工具来实现数据的可视化仪表盘。
（前文可以在这里阅读：结合 LiveQuery 和 Chainbase API 实现数据可视化）
希望这些内容能对大家理解数据和创建项目起到指导作用。
今天，我们将进一步讨论这个话题，用 zkSync 举例，在区块链的浩渺海洋中寻找目标数据。本文的重点集中在获取交易和地址信息上，并仍然通过 Livequery 实现可视化。
zkSync Era 简介
基于 ZK rollup 技术的 zkSync Era 代表了一个 L2 扩展解决方案，它的出现为以太坊带来了可扩展和经济高效的交易。ZK rollup 使用加密有效性证明来确保 zkSync 上的所有交易都是有效的，其中大部分的计算和数据存储都是在链下进行的，效率和速度都有显著提高。
值得注意的是，虽然采用的是链下的方法，但所有的交易都在以太坊主链上验证，确保了与以太坊等同的安全级别。
与以太坊相比，zkSync 的一个显著特点是其地址推导和内存管理方法。
此外，zkSync 提供了与以太坊完全兼容的智能合约功能，允许开发者在两个平台之间轻松迁移。与此同时，zkSync 还引入了新的功能，如原生的账户抽象化，为用户和开发者提供了额外的便利。
👉 通过 Data-cloud API 可视化数据
上图是 Chainbase 中的 Data Cloud Studio 界面，在左上角有个下拉框，可以选择切换到 zkSync 数据库，这样可以进行更深入的探究。
不过我们今天的主要数据来源是zksync.transactions表，并且我将从两个角度来进行简单分析，即地址活跃度分析和燃料费分析。
如果你对此有兴趣，可以尝试运行一下这个 SQL 查询：
WITH address as(
SELECT
from_address AS exchange_address,
date_trunc("day", block_timestamp) as date,
COUNT(*) AS fa
FROM
zksync.transactions
GROUP BY
date,exchange_address
UNION ALL
SELECT
to_address AS exchange_address,
date_trunc("day", block_timestamp) as date,
COUNT(*) AS fa
FROM
zksync.transactions
GROUP BY
date,exchange_address)
SELECT
distinct exchange_address,
SUM(fa) AS total_transactions,
date
FROM
address
GROUP BY
date, exchange_address
ORDER BY
total_transactions desc
notes:
- 这段SQL片段从
zksync.transactions表中提取数据，重点关注交易的发送者和接收者 - 它通过日期截断了交易时间戳，仅考虑交易发生的日期
- 通过组合发送和接收的交易，我们得到了每个地址在每个日期上的总交易总数
- 最后，结果按总交易量降序排序，显示最活跃的地址
👉 使用 Livequery 进行数据分析
接下来，我将使用 Livequery ，抛砖引玉，从两个不同的角度对 zkSync 数据进行更深入的分析。这个分析还有很多未尽之处，欢迎大家和我一起共同探索：
1/ 分析地址活跃度
- 通过查看地址的转账次数，以了解在过去一段时间内发生了多少交易。通常情况下，频繁进行交易的地址被认为更活跃
- 查看特定地址最近一周内转账次数的变化
注意：调整日期和地址可以帮助您实现所需的结果。
示例 SQL ：
with data as (
SELECT
value:exchange_address as exchange_address,
value:total_transactions :: int as total_transactions,
value:date as date
FROM
(
SELECT
chainbase_utils.post(
'/v1/dw/query',
{ 'query': '
WITH address as(
SELECT
from_address AS exchange_address,
date_trunc("day", block_timestamp) as date,
COUNT(*) AS fa
FROM
zksync.transactions
GROUP BY
date,exchange_address
UNION ALL
SELECT
to_address AS exchange_address,
date_trunc("day", block_timestamp) as date,
COUNT(*) AS fa
FROM
zksync.transactions
GROUP BY
date,exchange_address)
SELECT
distinct exchange_address,
SUM(fa) AS total_transactions,
date
FROM
address
GROUP BY
date, exchange_address
ORDER BY
total_transactions desc
' }
) :: variant
AS resp
) AS subquery,
LATERAL FLATTEN(input => resp:data:data:result)
)
SELECT
exchange_address,
total_transactions,
left(date,10) as date -- or DATE(date) or CAST(date AS DATE)
FROM
data
WHERE left(date,10) = '{
{YYYY-MM-DD}}' -- filter date
2/ 分析燃料费 (gas fee)
- 按累积燃料使用量对地址排名 ➡️ 这使我们能够确定哪些地址在网络内表现更活跃，或者消耗更多资源
- 燃料费排名 ➡️ 通过这种方式，我们可以确定哪些交易因其复杂性或紧急性需要更高的费用
示例SQL：
with data as (
SELECT
value:from_address as from_address,
value:gas_used :: int as gas_used,
value:gas_price :: int as gas_price,
value:date as date
FROM
(
SELECT
chainbase_utils.post(
'/v1/dw/query',
{ 'query': '
SELECT
from_address,
date_trunc("day", block_timestamp) as date,
gas_used,
gas_price
FROM
zksync.transactions
' }
) :: variant AS resp
) AS subquery,
LATERAL FLATTEN(input => resp:data:data:result)
)
SELECT
from_address,
sum(gas_used*gas_price/10e7) as total_gas_fee
FROM
data
GROUP BY from_address
ORDER BY total_gas_fee desc
limit 10
好啦！按照步骤和 SQL 来运行，就是两个非常简单运用 zkSync 数据的案例。你应该可以找到更多的运用方法，都可以点击这里直接开始。
后言
这段时间，我们好些社区用户开始自发地写数据面板，做链上数据的整合分析，而且常常会用到 LiveQuery 来做面板的展示，结合得很好。这也是我们写了一系列 LiveQuery x Chainbase API 教程的原因。
在深入研究的过程中，我发现数据的可视化面板让没有太多技术背景的人，也能够轻易创建、理解和分析链上数据，这对于我们数据提供方来说也挺有价值的。
这篇文章内容不长，涉及到的 SQL 和功能实现也比较单纯，希望大家都能够尝试一下，看能不能产生更多的火花，发掘更多的玩法～
感谢大家看完！有任何问题，可以在 discord 里联系我。
关于Chainbase
Chainbase是一个用于访问、组织和分析大规模链上数据的开放Web3数据基础设施。 它通过将丰富的数据集与开放计算技术结合在一个数据平台中，帮助人们更好地利用链上数据。Chainbase的最终目标是提高加密货币领域的数据自由。
原文链接：Diving Deep into zkSync Data: Unveiling Transaction Insights with Chainbase API
