BlockSci区块链数据分析框架教程

发表于 | 分类于

像比特币、以太坊这样的区块链中包含了大量的数据，可以帮助 我们洞察区块链生态系统中用户、企业和矿工的行为模式等重要信息。 BlockSci是一个C++开发的高性能的区块链数据分析框架，可以帮助 我们快速进行对比特币等区块链的数据分析工作。本教程将介绍 BlockSci区块链数据分析框架的安装方法，并讲解如何利用BlockSci 框架进行区块链数据分析。

1、安装BlockSci框架

BlockSci的主要开发语言是C++，本地编译需要GCC 7.2+和CLang 5+。 官方文档仅提供了Ubuntu 16.04和Mac OS10.13下的本地安装方法， 其他系统可以尝试本地安装或使用官方提供的AWS EC2镜像。

2、BlockSci框架概述

BlockSci包含两个主要的组件：解析器和分析库。解析器用来解析 区块链数据并转换为便于执行分析任务的BlockSci数据格式。分析库 则用来编写数据分析任务。

BlockSci的运行需要大量内存，推荐使用64GB内存，32GB虽然也可以用 但性能下降非常明显。

3、BlockSci解析器 / Parser

BlockSci的解析器支持两种处理原始区块链数据的机制：磁盘模式和RPC模式。

磁盘模式是处理比特币 区块数据的推荐模式，它可以直接读取并解析磁盘上的 比特币区块数据文件，因此速度要快得多。但是这也意味着磁盘模式不能 支持更多的区块链，因为不同的区块链的磁盘数据文件格式不同。

使用以下命令以磁盘模式解析比特币区块数据：

1
blocksci_parser --output-directory bitcoin-data update disk --coin-directory .bitcoin

参数说明：

  • –output-directory：解析结果输出目录
  • –coin-directory：bitcoin core数据目录

RPC模式使用数据加密货币区块链节点的RPC接口来提取数据，而RPC接口是 大多数（山寨币）区块链都支持的与比特币类似的二次开发接口（虽然优势也有一些差异）， 因此在比特币之外的区块链数据解析，BlockSci通常采用RPC模式， 例如对于Zcash和Namecoin。

要使用RPC模式的BlockSci解析器，需要一个区块链全节点并且启用txindex选项。 命令格式如下：

1
blocksci_parser --output-directory bitcoin-data update rpc --username [user] --password [pass] --address [ip] --port [port]

参数说明：

  • –output-directory：解析结果输出目录
  • –username：RPC API用户名
  • –password：RPC API用户密码
  • –address：RPC API监听地址
  • –port：RPC API监听端口

4、BlockSci分析库 / Analysis Library

一旦利用解析器提取了区块链数据，就可以利用BlockSci的分析库来执行数据分析 任务了。BlockSci目前支持两种语言来开发区块链数据分析应用：C++和Python。

要使用C++版本的BlockSci分析库，需要添加必要的BlockSci头文件并链接BlockSci 动态库。然后就可以利用解析器输出目录里的数据进行分析了，例如下面的代码：

1
2
3
4
5
#include <blocksci/blocksci.hpp>

int main(int argc, const char * argv[]) {
  blocksci::Blockchain chain{"file_path_to_output-directory"};
}

BlockSci目前仅支持Python 3，使用方法很简单：导入BlockSci库，然后利用 解析器输出目录的数据构建Blockchain对象：

1
2
import blocksci
chain = blocksci.Blockchain("file_path_to_parser_output-directory")

5、BlockSci区块链数据分析示例

这一部分我们使用Python版本的BlockSci来介绍如何进行比特币区块链的数据 分析。

首先导入必要的库并利用解析器输出数据构建BlockSci的Blockchain对象：

1
2
3
4
5
6
7
8
import blocksci
import matplotlib.pyplot as plt
import matplotlib.ticker
import collections
import pandas as pd
import numpy as np

chain = blocksci.Blockchain('your_parser_data_directory')

5.1 比特币地址类型使用情况分类统计

使用BlockSci的区块链对象的map_blocks()方法统计不同类型的地址 在每年的使用量：

1
2
3
4
5
6
7
net_coins_per_block = chain.map_blocks(lambda block: block.net_address_type_value())

df = pd.DataFrame(net_coins_per_block).fillna(0).cumsum()/1e8
df = chain.heights_to_dates(df)
df = df.rename(columns={t:str(t) for t in df.columns})
ax = df.resample("W").mean().plot()
ax.set_ylim(ymin=0)

显示结果如下：

可以看到P2PKH地址的使用从2017年中开始减少，而P2SH地址的 使用同期则开始增加 —— 这应该对应着各种钱包对隔离见证地址支持 的增加。

5.2 比特币单区块交易手续费率可视化分析

下面的代码使用BlockSci的区块链对象的[]操作符提取 比特币465100#区块内各交易的手续费率并进行可视化分析：

1
2
3
4
5
6
example_block_height = 465100
df = pd.DataFrame(chain[example_block_height].txes.fee_per_byte(), columns=["Satoshis per byte"])
ax = df.reset_index().plot.scatter(x="index", y="Satoshis per byte")
ax.set_ylim(0)
ax.set_xlim(0)
plt.show()

显示结果如下：

可以看到该区块内绝大多数交易的手续费率设置在500SAT/BYTE以内。

5.3 比特币二层协议使用情况可视化分析

在比特币交易内可以嵌入二层协议以实现对其他应用的支持，例如omni layer 的usdt代币就是最常见的一种比特币二层协议应用。下面的代码 使用BlockSci的区块链对象的blocks.txes属性提取在交易输出中 包含OP_RETURN脚本的交易，并显示二层协议的使用情况，可以非常清楚的看到， Omni layer到目前已经是二层协议的最大用户：

1
2
3
4
5
6
7
8
9
10
11
txes = chain.blocks.txes.including_output_of_type(blocksci.address_type.nulldata).all
labels = [(tx.block.time, blocksci.label_application(tx)) for tx in txes]

df = pd.DataFrame(labels, columns=["date", "label"])
df = df.reset_index().groupby(["date", "label"]).count().unstack(level=-1).fillna(0)
df.columns = df.columns.droplevel()
important_columns = list(df[df.index > pd.to_datetime("1-1-2016")].sum().sort_values()[-10:].index)
important_columns = [x for x in important_columns if "Address" not in x]
ax = df[df.index > pd.to_datetime("1-1-2016")].cumsum().resample("w").mean()[important_columns].plot()
ax.set_ylim(0)
plt.tight_layout()

显示结果如下：

5.4 比特币2017年各月平均交易手续费可视化分析

下面的代码统计年度平均手续费并将手续费换算为美元，注意 其中利用了BlockSci分析库中的CurrencyConverter进行汇率换算：

1
2
3
4
5
6
7
8
9
converter = blocksci.CurrencyConverter()
blocks = chain.range('2017')
times = blocks.time

df = pd.DataFrame({"Fee":fees}, index=times)
df = converter.satoshi_to_currency_df(df, chain)
ax = df.resample("d").mean().plot(legend=False)
ax.set_ylim(ymin=0)
plt.tight_layout()

显示结果如下：

可以看到在2017年底比特币手续费激增。

5.5 比特币大额手续费交易可视化分析

下面的代码分析并可视化历年来手续费超过1000美元的比特币交易：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
high_fee_txes = chain.cpp.filter_tx("fee(tx) > 10000000", 0, len(chain))
converter = blocksci.CurrencyConverter()

df = pd.DataFrame([(tx.block.height, tx.fee) for tx in high_fee_txes], columns=["height", "fee"])
df.index = df["height"]
df["fee"] = df.apply(lambda x: converter.satoshi_to_currency(x["fee"], chain[x["height"]].time), axis=1)
df = df[df["fee"] > 1000]
df = chain.heights_to_dates(df)
fig, ax = plt.subplots()
ax.plot_date(df.index, df["fee"], fmt="x")
ax.set_yscale("log")
formatter = matplotlib.ticker.ScalarFormatter(useOffset=False)
formatter.set_scientific(False)
ax.yaxis.set_major_formatter(formatter)
plt.tight_layout()

显示结果如下：

2017年超过1000美元手续费的交易激增，从一个侧面说明了这一年 涌入了大量数字加密货币的新手。

汇智网原创，转载请标明出处