① 區塊鏈上交易量怎麼看,查詢區塊鏈交易記錄
追蹤和管理數字資產新姿勢,教你學會查看區塊鏈賬單賬單記錄價值流通和狀態,是金融服務的基礎功能。
我們常用的銀行、支付寶、微信支付等都會為普通用戶和商家記錄一筆交易,提供不同維度的查詢、統計和分析服務。
比如大家愛曬的支付寶年度賬單,會統計用戶全年的總收支、消費種類、余額寶和其他理財收益、點外賣的次數等。通過大數據技術,展示各個地域,不同年齡段的消費興趣和趨勢,讓消費者更了解自己周邊的消費環境,商家能夠及時把握市場需求。
在去中心化的區塊鏈網路里,交易被永久的記錄在鏈上,公開透明,人人可查。
但是由於區塊鏈的設計更傾向於保證不可篡改和數據壓縮需求,導致業務層面的過濾查詢功能缺失。加上不同鏈的規則不同,追蹤和管理加密資產變的異常困難。這也是為什麼數字資產投資者常常感嘆「總覺得帳沒算明白「的原因所在。
SixPencer推出全新區塊鏈記賬神器,目前已支持比特幣(Bitcoin)和以太坊(Ethereum)底層的資產追蹤和管理,免費使用,無需注冊。
一經推出,受到了包括礦工、資管機構、OTC商戶、加密創業公司、數字資產投資者的喜愛。
作為專業的資管工具,不僅能夠查詢所有鏈上交易記錄,實時查看賬戶余額和持有資產,而且提供每日各幣種收支情況、支持單或多地址聚合收支統計、地址畫像分析和圖表、大額交易記錄排行、聯系人管理等。
進入網站後,在首頁搜索框,輸入比特幣或以太坊地址,點擊搜索即可進入該地址的總覽頁面。
我們以目前ETH持有量全網排名第一的地址:(標簽:bitfinex1)?賬戶作為demo賬戶進行演示,所有數據均為真實鏈上數據。
這里簡單介紹下區塊鏈上的地址和銀行賬戶的區別。在區塊鏈上,地址就類似於銀行卡號,知道地址就等於知道銀行卡號一樣,可以向其轉賬。
但不同的是,區塊鏈是不可篡改的分布式公開賬本,通常具有匿名性,任何人可以對任何地址進行公開查詢。銀行賬戶只能查詢本人的賬戶信息,無法通過銀行卡號得知其他人的賬戶信息。
如果用戶有多個地址,或者想追蹤其他地址,均可以通過搜索,所有搜索過的地址信息會在資產組合頁面進行匯總,點擊下拉框即可切換或者刪除賬戶。
SixPencer除包含區塊鏈瀏覽器提供的基礎信息外,添加展示了一些個性化的指標,幫助用戶了解自己的鏈上畫像,也可以追蹤其他賬戶的鏈上軌跡。在下面總覽頁面可以查看地址的資產概覽、歷史指標、收支統計、持有資產信息。
地址概覽
創建時間:第一次收到ETH的日期
凈資產:所有資產,包含ERC20token資產的合計美元價值
ETH排行:持有ETH數量在所有以太坊地址中的排名
ETH余額和估值:持有的ETH數量和其對應的美元價值
歷史指標
歷史指標展示交易量、交易次數、代幣分析和聯系人分析四大維度。通過統計,算不清的糊塗賬終於能算清了,比如最簡單的會計計算,ETH總收入=ETH余額+ETH總支出+ETH總手續費。再比如總交易次數=轉入交易次數+轉出交易次數。
由於以太坊網路的特殊性,所有轉賬的手續費都是以ETH支付。因此我們將手續費單獨羅列出來,在交易明細中也支持手續費單獨篩選,幫助用戶統計手續費支出。
一些有趣的數據,demo賬戶手續費支出為1.1556ETH,ETH單筆大額轉賬達90萬個ETH,持有代幣數量有350種,交易次數最多的代幣是USDT,與其交易過的地址僅37個。
一般持有上百種不同資產的地址通常都是交易所地址,加上交易次數和聯系人並不多,可以排除是對外地址,基本可以判斷是bitfinex交易所內部使用地址。
收支情況
統計了本月全部資產合計收入和支出,支出包含手續費支出。
持有資產情況
展示持有的資產數量、價值、資產價格和24h漲跌幅。demo賬戶這類交易所的地址,持有資產通常10頁都放不下。
SixPencer除了提供地址的交易流水外,還支持全歷史交易記錄查詢和篩選、余額信息、日收支統計等。
交易明細
從下面頁面可以清晰得知ETH資產的本月收支情況,用戶還可以根據日期,資金流向、交易分類和標簽系統進行篩選,根據自身需求進行更細致的統計,後面會介紹如何進行指定地址的交易篩選。
點擊上圖中的ETH下拉框,可以切換到其他幣種的交易詳情頁面,比如切換到USDT的交易詳情查看USDT的明細狀況。
除月賬單外,SixPencer展示每筆交易的交易明細,提供交易方向、交易對手方、交易金額、賬戶余額、交易時間、每日收支情況等信息。下圖可以看到近6筆ETH交易均為從bitfinex3賬戶轉入bitfinex1的交易。
交易詳情
點擊任意一筆交易明細,即可進入該筆交易的交易詳情頁。交易哈希是每筆鏈上轉賬都有的唯一不可篡改的交易ID,類似於訂單號的概念。
通過交易哈希就可以查詢到一筆交易的具體信息。
下面所展示的交易數量、交易狀態、交易時間、發送和接受方、手續費等都是這筆交易的具體信息,在這里不再贅述。值得注意的是,SixPencer提供個人標簽和備注系統,用戶可以對單筆交易,進行個性化分類和備注,幫助記憶,不遺忘每一筆交易。
如何快速找到和指定地址的交易信息?
時間變久,交易變多後,查詢鏈上指定交易信息就變得異常復雜和困難,SixPencer將交易信息按照業務需求進行細化,並提供標簽系統輔助用戶進行自定義交易查詢和統計。
比如想要查詢2020年6月地址(標簽:bitfinex3)一共向demo賬戶轉入了多少ETH。通過我們的賬單系統,僅需兩步操作即可查詢。
1、打標簽:為了演示,我們將「bitfinex3「這個標簽重命名為「測試test」。
2、篩選:將日期篩選為6月1日-6月30日,在篩選欄選中「轉入」,並在最下面的標簽欄選中「測試test」,點擊保存。
保存後即可搜索出所有6月「測試test」轉入到demo賬戶的交易信息,從下圖可以看出6月份,demo賬戶共從標簽為「測試test「的地址收到58,440.2489個ETH。
如果用戶想查詢和多個指定地址的交易,選中多個標簽後,調整日期、資金流向等信息即可進行資產的自動統計。
在分析一欄,用戶可以查詢地址不同維度的圖表分析信息,包含余額、交易、分類和排行四大維度。分別點擊各維度還能夠查看更多詳細數據和圖表。
余額:余額展示資產的余額數量和價值走勢
交易:交易展示全部交易、轉入和轉出的交易數量、交易數量價值和交易次數走勢
分類:分類根據平台地址標簽系統對交易類型進行統計,反應地址的交易偏好
排行:排行按照交易次數展示活躍聯系人,按照交易金額展示大額交易
比如排行分析,能夠很快查看與某個地址的具體交易金額和大額轉賬情況。如下圖,demo賬戶與標簽為「測試test」的地址在本月一共交易了177次,其他與demo賬戶交易較多的都是ERC20Token合約調用交易。
從下圖看,大額排行也都是與標簽為「測試test」的地址交易信息,表格展示交易對象、交易時間、交易方向、交易數量和價值。對交易所大戶感興趣的,可以查詢交易所地址的大額轉賬信息,看看哪些地址都是充提大戶。
通訊錄展示所有和demo賬戶有過交易記錄的地址,除平台自帶的標簽體系外,用戶可以對地址添加標簽或者重命名標簽。
標簽:展示平台標簽系統已知標簽和用戶自行添加的標簽
最近聯系人:展示最近30天有過交易記錄的地址/標簽
全部聯系人:展示所有有過交易記錄的聯系人地址/標簽,交易數量超過1萬筆的地址,取最近1萬筆交易的聯系人展示
綜上,SixPencer的全新資產追蹤和管理工具能夠提供比區塊鏈瀏覽器或者錢包更綜合的查詢和分析功能,作為一款工具產品意在輔助用戶進行數字資產管理,通過對鏈上用戶畫像的進一步解析,幫助大家更好的決策。
我們認為區塊鏈的公開透明機制應該讓數據查詢更簡單,但目前按照實際業務需求快速查詢區塊鏈數據仍然是難點痛點,並成為商業落地的一大阻礙。
數字資產交易僅僅是其中一小塊,未來還將有大量有價值的數據存儲在區塊鏈上,SixPencer將繼續推出更多實用工具,讓數據更好為業務服務。
怎麼查別人區塊鏈信息
1.如果是查詢賬戶余額、賬戶的歷史交易數據等信息,建議直接輸入錢包地址查詢;如果是查詢某筆轉賬的相關信息,比如是否到賬、進展如何,輸入交易ID是最方便的。當然了,區塊鏈瀏覽器不僅可以查詢自己的賬戶,也可以查詢別人的賬戶全部聯系人:展示所有有過交易記錄的聯系人地址/標簽,交易數量超過1萬筆的地址,取最近1萬筆交易的聯系人展示綜上,SixPencer的全新資產追蹤和管理工具能夠提供比區塊鏈瀏覽器或者錢包更綜合的查詢和分析功能,作為一款工具產品意在輔助用戶。
2.可以通過區塊鏈瀏覽器進行查詢。在區塊鏈瀏覽器中我們可以知道一個錢包地址都進行過哪些交易,賬戶上有多少資產等等的信息。用區塊鏈瀏覽器就可以查看。在搜索輸入框內輸入想查詢的錢包地址,如果你輸入的地址不完整,但是這個地址之前有在區塊鏈上進行過ETH交易或者被查詢過,那麼輸入框會自動把你查詢的
區塊鏈記錄哪些信息?區塊鏈是一個分布式的大賬本,每一個區塊就相當於是這個賬本中的一頁。
目前,區塊鏈的區塊主要記錄了區塊頭、交易詳情、交易計數器和區塊大小等數據。:區塊頭是區塊的前80個位元組,區塊內部的數據如下:1.交易詳情:詳細記錄了每筆交易的轉出方和收入方、金額及轉出者的數字簽名,這是每個區塊內的主要內容;2.交易計數器:這記錄的是每個區塊中發生的交易數量;3.區塊大小:表示每個區塊數據的大小,…如果你想詳細了解關於這些方面的知識,我建議你到廣州煊凌網路學習下,可以給你介紹得很詳細,專業的事找專業的人問!准沒錯,希望對你有所幫助!
② 直播間交易額數據怎麼查看
為了查看直播間的交易額數據,你可以考慮以下幾種途徑:
首先,大多數直播平台都內置了數據統計功能,通過登錄後台管理系統,可以輕松獲取到直播間交易額的數據報表。這些報表通常會包含關鍵指標,如總銷售額、平均訂單金額、交易次數等。
其次,第三方數據分析工具也是不錯的選擇。這類工具能夠連接直播平台的API,實時獲取直播間的交易額數據,並提供更為詳細的分析報告。這些報告不僅包括交易額數據,還可能涵蓋用戶行為、流量來源等多維度信息。
最後,如果你所在平台沒有提供相關數據統計功能,可以考慮使用自定義數據統計方法。例如,通過集成Google Analytics等工具,來跟蹤和分析直播間內的交易額。這種方法靈活性較高,可以根據具體需求定製化設置。
無論選擇哪種方式,都需要確保擁有相應的許可權來訪問這些數據。同時,根據自己的具體需求,選擇最合適的統計方法,以便更全面地了解直播間交易情況。
值得注意的是,在查看和分析這些數據時,應重點關注關鍵指標,如總銷售額、平均訂單金額、交易次數等,這些數據能幫助你更直觀地了解直播間的表現。
此外,定期回顧這些數據,可以幫助你發現潛在的問題或機會,進而優化直播策略。例如,如果發現某個時間段銷售額較低,可以分析原因,調整直播內容或時間,以提高銷售額。
總之,通過合理利用平台提供的數據統計功能或第三方工具,以及自定義數據統計方法,可以有效地監控和分析直播間交易額,為優化直播策略提供數據支持。
③ 大數據分析基礎——維度模型
維度模型的概念出自於數據倉庫領域,是數據倉庫建設中的一種數據建模方法。維度模型主要由事實表和維度表這兩個基本要素構成。
維度是度量的環境,用來反映業務的一類屬性 , 這類屬性的集合構成一個維度 , 也可以稱為實體對象。 維度屬於一個數據域,如地理維度(其中包括國家、地區、 省以及城市等級別的內容)、時間維度(其中包括年、季、月、周、日等級別的內容)。
維度是維度建模的基礎和靈魂。在維度建模中,將度量稱為「事實」 , 將環境描述為「維度」,維度是用於分析事實所需要的多樣環境。例如, 在分析交易過程時,可以通過買家、賣家、商品和時間等維度描述交易發生的環境。
維度所包含的表示維度的列,稱為維度屬性。維度屬性是查詢約束條件、分組和報表標簽生成的基本來源,是數據易用性的關鍵。
事實表是維度模型的基本表,每個數據倉庫都包含一個或者多個事實數據表。事實數據表可能包含業務銷售數據,如銷售商品所產生的數據,與軟體中實際表概念一樣。
事實表作為數據倉庫維度建模的核心,緊緊圍繞著業務過程來設計,通過獲取描述業務過程的度量來表達業務過程,包含了引用的維度和與業務過程有關的度量。
事實表中一條記錄所表達的業務細節程度被稱為粒度。通常粒度可以通過兩種方式來表述:一種是維度屬性組合所表示的細節程度:一種是所表示的具體業務含義。
作為度量業務過程的事實,一般為整型或浮點型的十進制數值,有可加性、半可加性和不可加性三種類型。
相對維度來說,通常事實表要細長,行的增加速度也比維度錶快的多,維度表正好相反。
事實表有三種類型 :
原子指標和度量含義相同,基於某一業務事件行為下的度量,是業務定義中不可 再拆分的指標,具有明確業務含義的名詞 ,如支付金額。
事實表和維度交叉匯聚的點,度量和維度構成OLAP的主要概念,這裡面對於在事實表或者一個多維立方體裡面存放的數頌瞎值型的、連續的欄位,就是度量。
維度表是事實表不可分割的部分。維度表是進入事實表的入口。豐富的維度屬性給出了豐富的分析切割能力。維度給用戶提供了使用數據倉庫的介面。最好的屬性是文本的和離散的。屬性應該是真正的文字而不應是一些編碼簡寫符號。應該通過用更為詳細的文本屬性取代編碼,力求最大限度地減少編碼在維度表中的使用。
維度表和事實表二者的融合也就是「維度模型」,「維度模型」一般採用「星型模式」或者「雪花模式」,「雪花模式」可以看作是「星型模式」的拓展,表現為在維度表中,某個維度屬性可能還存在更細粒度的屬性描述,即維度表的層級關系。
維度屬性也可以存儲到事實表中,裂肢這種存儲到事實表中的維度列被稱為「退化維度」。與其他存儲在維表中的維度一樣 ,退化維度也可以用來進行事實表的過濾查詢、實現聚合操作等。
下表顯示的是一個維度(「城市」)和兩個指標(「會話數」和「每次會話瀏覽頁數」)。
維度中的一些描述屬性以層次方式或野源空一對多的方式相互關聯,可以被理解為包含連續主從關系的屬性層次。比如商品類目的最低級別是葉子類目,葉子類目屬於二級類目,二級類目屬於一級類目。在屬性的層次結構中進行鑽取是數據鑽取的方法之一。
當屬性層次被實例化為一系列維度,而不是單一的維度時,被稱為雪花模式。
大多數聯機事務處理系統( OLTP)的底層數據結構在設計時採用此種規范化技術,通過規范化處理將重復屬性移至其自身所屬的表中,刪除冗餘數據。
將維度的屬性層次合並到單個維度中的操作稱為反規范化。分析系 統的主要目的是用於數據分析和統計,如何更方便用戶進行統計分析決 定了分析系統的優劣。採用雪花模式,用戶在統計分析的過程中需要 大 量的關聯操作,使用復雜度高,同時查詢性能很差;而採用反規范化處 理,則方便、易用且性能好。
數據倉庫匯流排架構的重要基石之一就是一致性維度。在針對不同數 據域進行迭代構建或並行構建時,存在很多需求是對於不同數據域的業 務過程或者同 一數據域的不同業務過程合並在 一起觀察。比如對於日誌數據域,統計了商品維度的最近一天的 PV 和 UV; 對於交易數據域, 統計了商品維度的最近一天的下單MV。現在將不同數據域的商品的 事實合並在一起進行數據探查 ,如計算轉化率等,稱為交叉探查。
我們先來看數據倉庫的定義:數據倉庫是一個面向主題的、 集成的 、 非易失的且隨時間變化的數據集合,用來支持管理人員的決策。
數據由面向應用的操作型環境進人數據倉庫後,需要進行數據 集成。將面向應用的數據轉換為面向主題的數據倉庫數據,本身就是一種集成。
具體體現在如下幾個方面:
表級別的整合,有兩種表現形式。
水平拆分
維度通常可以按照類別或類型進行細分。由於維度分類的不同而存在特殊的維度屬性,可以通過水平拆分的方式解決此問題。
在設計過程中需要重點考慮以下三個原則。
根據數據模型設計思想,在對維度進行水平拆分時,主要考慮如下兩個依據。
垂直拆分
在維度設計內容中,我們提到維度是維度建模的基礎和靈魂,維度 屬性的豐富程度直接決定了數據倉庫的能力。在進行維度設計時,依據 維度設計的原則,盡可能豐富維度屬性,同時進行反規范化處理。
某些維度屬性的來源表產出時間較早,而某些維度屬性的來 源 表產出時間較晚;或者某些維度屬性的熱度高、使用頻繁,而某些維度屬性的熱度低、較少使用 ; 或者某些維度屬性經常變化,而某些維度屬性比較穩定。在「水平拆分」中提到的模型設計的三個原則同樣適合解決此問題。
出於擴展性、產出時間、易用性等方面的考慮,設計 主從維度。主 維表存放穩定 、 產出時間早、熱度高的屬性;從維表存放變化較快、產 出時間晚、熱度低的屬性。
參考
《The Data Warehouse Toolkit-The Complete Guide to Dimensional Modeling》
《Google Analytics》
《大數據之路》
歡迎關注 高廣超的博客 與 收藏文章 !
歡迎關注 頭條號:互聯網技術棧 !