بلاک چین ها گاهی اوقات به‌عنوان پایگاه‌های داده غیرمتمرکز اما بسیار کندی شناخته می‌شوند که بسیاری از عملکرد محاسبات مدرن را قربانی می‌کنند. اگرچه تا حدودی گستاخانه است، اما درست است که پایگاه داده یک بانک متوسط می تواند چندین برابر بیشتر از بیت کوین تراکنش ها را انجام دهد.BTC-USD) یا دیگر بلاک چین های پیشرو.
اما دلیلی وجود دارد که چرا بلاک چین ها “کند” هستند. مزایای تمرکززدایی به سختی قابل اغراق است، و در هر صورت، این فناوری با سرعتی سریع در حال پیشرفت است تا ظرفیت سیستم های بلاک چین را افزایش دهد.
با افزایش توان عملیاتی سیستم های بلاک چین، ما به طور فزاینده ای به راه حل هایی برای خواندن و سازماندهی موثر این داده ها نیاز خواهیم داشت. اینجاست که اکوسیستم نمایه سازهای بلاک چین وارد می شود: خدماتی که یک رابط کاربری آسان برای پرس و جو برای دسترسی به داده های ذخیره شده در بلاک چین، از جمله تراکنش های تاریخی ایجاد می کنند.
بنابراین، با جیمز بیلی، مدیر اجرایی پروژه نمایه‌سازی بلاک چین SubQuery، صحبت کرده‌ایم تا در مورد این فضا که اکنون هست و چگونه بیلی آن را در طول زمان تکامل می‌بیند صحبت کنیم. این مصاحبه بر این موضوع متمرکز بود که چگونه نمایه سازی داده ها ضد دستکاری و قابل اعتماد می شود، چه کسی از آن استفاده می کند، و چگونه پروژه قصد دارد رقابت خود را با SubQuery Network نوآوری کند.
هی جیمز، خوشحالم که اینجا هستم! بیایید از یک بررسی کلی شروع کنیم. نمایه سازی داده در تنظیمات بلاک چین چیست و چرا ضروری است؟ چرا نمی‌توانیم این داده‌ها را مستقیماً از گره‌های بلاک چین دریافت کنیم؟
JB: یکی از اجزای حیاتی هر برنامه غیرمتمرکز Web3 (dApp) نمایه ساز است. به عبارت ساده، یک نمایه ساز نرم افزاری است که داده های ذخیره شده در شبکه بلاک چین را در یک رسانه کارآمدتر و در دسترس تر جمع آوری و سازماندهی می کند و به توسعه دهندگان این امکان را می دهد که آن داده ها را به سرعت و کارآمد جستجو کنند. آنها ضروری هستند زیرا dApps را قادر می سازند تا به سرعت کار کنند و از بار میلیون ها کاربر پشتیبانی کنند.
روشی که داده های بلاک چین در شبکه ذخیره می شود، بازیابی آن داده ها را برای توسعه دهندگان دشوار و زمان بر می کند. یک مثال ساده، خواندن 10 تراکنش آخر انجام شده توسط کاربر فعلی است – این یک درخواست بسیار دشوار برای گره های بلاک چین است، زیرا آنها باید به طور متوالی هر بلوک را در جستجوی داده ها اسکن کنند.
نمایه‌سازی‌هایی مانند SubQuery می‌توانند به سرعت داده‌ها را از یک شبکه بلاک چین بازیابی کنند و آنها را در قالبی ذخیره کنند که کار با آن آسان باشد، برای مثال، در زمینه‌های قابل جستجو و مرتب‌سازی که به توسعه‌دهندگان اجازه می‌دهد به سرعت اطلاعات مورد نیاز خود را پیدا کنند.
چالش‌های در دسترس قرار دادن داده‌های بلاک چین نمایه‌شده برای کاربران چیست؟ می توان تصور کرد که اطمینان از صحت و دستکاری داده ها یکی از الزامات کلیدی است، درست است؟ چند راه برای تمرکززدایی اکوسیستم نمایه سازی چیست؟
JB: در واقع، نمایه ساز اغلب آخرین سرویس متمرکز باقیمانده است که برای عملکرد dApp حیاتی است. یک نمایه ساز غیرمتمرکز می تواند به اطمینان حاصل شود که داده ها دقیق، بی طرفانه و قابل دسترس برای همه هستند. [that] dApp شما کارآمدتر و قابل اعتمادتر است.
در مورد SubQuery، ما آن را با تسهیل شبکه ای که در آن هر شرکت کننده می تواند ملحق شود و وظایف نمایه سازی غیرمتمرکز شبکه را به روشی غیرقابل اعتماد اما قابل تأیید انجام دهد، حل می کنیم. از آنجایی که داده‌های غیرمتمرکز شما توسط یک نهاد یا گروه واحد کنترل نمی‌شود، می‌توانید صحت داده‌ها را در نمایه‌ساز بررسی کنید و اطمینان حاصل کنید که هیچ گونه دستکاری یا سوگیری وجود ندارد.
سایر ارائه دهندگان در این فضا چطور؟ SubQuery چگونه با برخی از رقبا مانند The Graph، Covalent، Subsquid و دیگران مقایسه می شود؟
JB: برخی از نمایه‌سازها، مانند کووالنت و Unmarshal، نمایه‌گرهای همه‌منظوره برای مجموعه‌های داده استاندارد هستند، به عنوان مثال فهرست‌های تراکنش و بلوک‌ها. مشکل این است که آنها انعطاف پذیری ندارند – شما نمی توانید داده های بیشتری را که به آن نیاز دارید اضافه کنید تا ویژگی های dApp خود را غنی یا بصری کنید.
برخی از ارائه دهندگان دیگر، مانند SubSquid، متمرکز هستند، به این معنی که شما به سروری که توسط تیم آنها اداره می شود، متکی هستید و نمی توانید به راحتی صحت داده ها را در نمایه ساز تأیید کنید.
SubQuery بیشتر شبیه Graph است، اما برخی پیشرفت‌های عمده را به همراه دارد، از جمله توانایی برقراری تماس‌های API خارجی، وارد کردن کتابخانه‌های خارجی و محافظت در برابر حملات DoS. علاوه بر این، ما هیچ برنامه ای برای غروب سرویس مدیریت شده ساده خود نداریم.
هر دو SubQuery و The Graph برای ایندکس کردن سریع داده ها طراحی شده اند، اما تجزیه و تحلیل نشان می دهد که SubQuery برای پروژه های رایج بیش از The Graph 1.85 برابر سریعتر است. با زمان همگام‌سازی سریعتر، توسعه‌دهندگان می‌توانند سریعتر تکرار کنند و ویژگی‌ها را سریعتر به بازار ارائه دهند.
چه کسی امروزه از داده های نمایه شده استفاده می کند؟ در مورد برخی موارد استفاده جالب برای استفاده از داده های نمایه شده در آینده چطور؟
JB: امروزه هر برنامه Web3، وب سایت، ابزار هوش تجاری یا افزونه نیاز به داده های نمایه شده دارد. این یک جنبه حیاتی از توسعه برنامه است که اکثر توسعه دهندگان برای ایجاد مزیت رقابتی باید از نمایه سازی سریع و موثر استفاده کنند.
ما مشتریانی داریم که کیف پول می‌سازند، صرافی‌های DeFi را اجرا می‌کنند، زنجیره‌های بلوکی را برای رویدادها نظارت می‌کنند، بازارهای NFT را مدیریت می‌کنند و حتی بارهای کاری هوش مصنوعی را در داده‌های زنجیره اجرا می‌کنند. ما همچنین در خارج از Web3 به دنبال جدیدترین نوآوری ها در Big Data هستیم تا مزایا و تغییرات آنها را در صنعت خود بیاوریم.
یک مورد استفاده بالقوه عمده از نمایه سازی داده ها، سرویس دهی به پروتکل های ذخیره سازی غیرمتمرکز داده اختصاصی مانند Filecoin یا IPFS است. آیا تقاضا برای چنین ترکیبی را در حال حاضر یا در آینده می بینید؟
JB: درست مانند نمایه سازی داده ها یکی از اجزای اصلی Web3 dApp است، دیگری ذخیره سازی غیرمتمرکز است. به عنوان مثال، می توان از آنها برای میزبانی منابع مورد نیاز برای رابط جلویی dApp استفاده کرد و به کاربران این امکان را می دهد که به روشی کاملاً غیرمتمرکز با برنامه تعامل داشته باشند.
ما از نزدیک با برخی از ارائه دهندگان ذخیره سازی غیرمتمرکز مانند Crust و IPFS کار می کنیم و همچنین از هر دو راه حل به شدت در زیرساخت داده غیرمتمرکز خود استفاده می کنیم. بسیاری از مشتریان ما می‌خواهند از یک فهرست‌کننده داده غیرمتمرکز برای پر کردن و ذخیره داده‌های کلیدی در ذخیره‌سازی داده‌های غیرمتمرکز استفاده کنند – و ما به آنها کمک می‌کنیم تا این کار را انجام دهند.
شبکه SubQuery چیست؟ شما اخیراً راه اندازی خود را در Polygon (MATIC-USD). چشم انداز بلند مدت برای آن چیست؟
JB: شبکه SubQuery داده ها را به جامعه جهانی به روشی مشوق و قابل تأیید نمایه می کند و خدمات ارائه می دهد. ما در حال ایجاد بازترین، کارآمدترین، قابل اعتمادترین و مقیاس پذیرترین سرویس داده برای توسعه دهندگان dApp هستیم و در Polygon راه اندازی می کنیم.
ما Polygon را به چند دلیل انتخاب کردیم. اولا، عملکرد؛ برنامه‌های ما برای شبکه SubQuery بسیار گسترده است، بنابراین ما به شبکه‌ای نیاز داریم که مقیاس آن برای ارائه میلیاردها تماس API برای داده به میلیون‌ها گیرنده در روز باشد. ما می‌خواستیم یک هاب با پل‌ها و ادغام‌های سایر زنجیره‌هایی که پشتیبانی می‌کنیم پیدا کنیم تا مشتریان ما بتوانند به راحتی به شبکه دسترسی داشته باشند.
در نهایت، اندازه جامعه و تعامل به این معنی است که تعدادی توسعه‌دهنده در Polygon وجود دارند که از رشد SubQuery در آینده سود خواهند برد.
ما با Kepler Network، شبکه اصلی شبکه SubQuery شروع می کنیم، که کاربران را قادر می سازد تا به تدریج ویژگی های شبکه SubQuery را بوت کنند و آزمایش کنند.
کپلر همان قراردادهای هوشمندی را که شبکه اصلی ما انجام خواهد داد، اجرا می کند. تفاوت اصلی این است که برخی از ویژگی ها به آرامی فعال می شوند و به روشی پایدار آنلاین می شوند. پس از آماده شدن، Kepler به شبکه SubQuery تبدیل می شود. ما انتظار داریم که این تا حد زیادی یکپارچه اتفاق بیفتد، زیرا قراردادها آنقدر تغییر نخواهند کرد، و kSQT می تواند برای SQT سوزانده شود.
از این نقطه، آینده نمایه سازی داده های غیرمتمرکز زنده خواهد بود.
