Dans le cadre d’une avancée majeure vers l’amélioration des fonctionnalités de la technologie Web3 et blockchain, Space and Time a lancé la version bêta de Python Data Jobs, une solution révolutionnaire conçue pour combler le fossé dans la gestion des tâches Python de longue durée. Ce développement révolutionnaire répond au besoin croissant d’intégration transparente de Python dans le traitement des données, l’analyse et les fonctionnalités des contrats intelligents au sein de l’écosystème Web3.
Défis abordés et solutions apportées
Si vous avez suivi les développements dans le domaine de l’espace et du temps, vous êtes peut-être au courant de sa réalisation révolutionnaire : la création de la première et unique preuve Zero-Knowledge (ZK) pour SQL. La preuve de SQL est un outil remarquablement puissant, permettant aux contrats intelligents de récupérer et de traiter des données en toute sécurité à l’aide de SQL. Cette assurance cryptographique ouvre une pléthore de possibilités innovantes pour la technologie blockchain.
Malgré les prouesses de SQL en tant que langage robuste et presque Turing-complet, il ne couvre pas tous les scénarios d’entreprise imaginables. Pour répondre au besoin d’une logique métier personnalisée, en particulier lorsque le déploiement de code arbitraire devient essentiel, Chainlink a ingénieusement introduit une solution : Chainlink Functions. Ces fonctions permettent l’utilisation de Java de manière redondante sur les nœuds Chainlink, atteignant un consensus sur la sortie.
Par conséquent, les contrats intelligents peuvent désormais accéder de manière transparente aux analyses et au traitement des données éprouvés par ZK grâce à la preuve de SQL, ainsi qu’à l’utilisation efficace des fonctions. Cependant, dans le paysage du Web3, une catégorie particulière de cas d’utilisation n’est toujours pas abordée : les tâches Python de longue durée. Reconnaissant l’importance de Python dans les flux de travail des entreprises et des développeurs associés à l’espace et au temps, l’équipe a cherché à relever deux défis clés.
Tout d’abord, il s’agissait de permettre aux utilisateurs d’utiliser sans effort Python pour extraire, transformer et charger des données de leurs bases de données existantes dans l’espace et le temps, le tout sans avoir besoin de créer manuellement du code. Deuxièmement, il visait à établir une connexion cryptographiquement garantie entre les tâches Python et les contrats intelligents. Cela a conduit à l’introduction de Space and Time Python Data Jobs, désormais disponible en version bêta via Space and Time Studio.
Fonctionnalités complètes des tâches de données Python
S’embarquant dans un voyage de transformation dans le paysage Web3, Python Data Jobs de Space and Time introduit un changement de paradigme dans le traitement des données et les fonctionnalités des contrats intelligents. Au fur et à mesure que nous explorons les capacités complexes de cette solution, un monde d’intégration transparente, de processus ETL simplifiés et de sécurité renforcée se déploie, redéfinissant la façon dont les développeurs et les entreprises exploitent le potentiel de Python dans l’écosystème de la blockchain. Voici comment fonctionne cette solution innovante :
1. Transférer les données dans l’espace et le temps
Les tâches de données Python rationalisent le processus d’acquisition de données dans l’espace et le temps à partir de n’importe quelle origine hors chaîne, éliminant ainsi le besoin de création manuelle de code. Plus tôt cette année, Space and Time a présenté AI SQL, un service alimenté par OpenAI qui permet aux utilisateurs de formuler des langages naturels tels que « montrez-moi les 5 meilleurs portefeuilles sur Sui avec le plus grand nombre de transactions classées par solde ».
Celle-ci est ensuite convertie en requête SQL, ce qui donne le résultat souhaité. Space and Time a annoncé que Houston, le chatbot d’IA au sein de Space and Time Studio, peut désormais générer des fichiers ETL (Extract, Transform, Load) simples. Ceux-ci sont conçus pour récupérer des données à partir de diverses sources, y compris les bases de données Web2 ou les plates-formes de stockage décentralisées Web3. Houston gère le processus de préparation des données et facilite leur transfert dans l’espace et le temps.
En créant un fichier qui se connecte à des bases de données telles que PostgreSQL (ou des alternatives telles que Snowflake ou IPFS), Houston comprend le contenu de la base de données, effectue les transformations nécessaires, établit des tables dans SxT et charge de manière incrémentielle les données de PostgreSQL dans SxT, une ligne à la fois. En règle générale, la migration de base de données est une tâche laborieuse, coûteuse et chronophage qui implique une expertise en Python. Avec la solution de Space and Time, les développeurs peuvent y parvenir de manière transparente en utilisant la saisie en langage naturel en une seule opération.
2. Extraire les données de l’espace et du temps
Python Data Jobs offre également la possibilité d’extraire des données de l’espace et du temps, de les traiter et de les transmettre à un contrat intelligent. La raison pour laquelle cela a posé un défi dans le domaine du Web3 est due aux temps d’utilisation prolongés associés aux emplois Python. Imaginez un scénario dans lequel vous devez calculer la probabilité que le bitcoin (BTC) reste au-dessus de 40 000 $ pour le reste de l’année.
Celui-ci doit collecter des données sur les marchés, les traiter et effectuer une simulation de Monte-Carlo en Python, un processus qui peut prendre environ 20 secondes. Lorsque vous connectez le résultat à un contrat intelligent, il devient impératif de s’assurer de sa nature infalsifiable. Alors que la preuve basée sur le consensus est bien adaptée à l’utilisation rapide de s, elle devient moins efficace pour les tâches s’exécutant sur une longue durée.
Si, par exemple, le calcul est réparti de manière redondante sur 30 nœuds, le nœud 1 peut terminer la tâche en 18 secondes, tandis que le nœud 5 se termine en 25 secondes et le nœud 15 prend 21 secondes. Cela nécessite le développement d’une nouvelle architecture pour relever les défis uniques associés à l’utilisation prolongée.
Au cours de la version bêta de Python Data Jobs, Space and Time progresse activement vers cet objectif grâce à la mise en œuvre de Zero-Knowledge (ZK) : plus précisément, une preuve ZK pour Python. À l’heure actuelle, le repose sur une sécurité optimiste, qui s’apparente à une approche de cumul optimiste. Lors de l’utilisation d’une tâche de données Python dans SxT, les entrées, les sorties et le code lui-même subissent un hachage et sont enregistrés sur une chaîne principale.
Il ne s’exécute qu’une seule fois, et si le résultat s’écarte des attentes, les utilisateurs ont la possibilité de demander une épreuve. SxT vérifie ensuite cryptographiquement ce qui a été utilisé. Contrairement à la vérification en temps réel avec des calculs redondants et un consensus, l’approche de Space and Time implique une utilisation unique suivie d’un hachage de toutes les métadonnées. Ce processus crée une piste d’audit inviolable, ce qui incite les opérateurs de nœuds à s’abstenir de falsifier l’utilisation. Space and Time partagera plus de détails à l’avenir sur la solution ZK en cours de développement, qui vise à améliorer la sécurité en temps réel des tâches de données Python.
Applications et cas d’utilisation concrets
Les Python Data Jobs de Space and Time transcendent les possibilités théoriques, entrant dans le domaine pratique avec des applications et des cas d’utilisation réels. Ces scénarios mettent en valeur la polyvalence et l’adaptabilité de Python Data Jobs, illustrant comment cette solution innovante répond à des défis complexes dans divers secteurs, ouvrant la voie à une nouvelle ère dans le traitement des données et les fonctionnalités des contrats intelligents.
1. Migrations de bases de données transparentes
Python Data Jobs introduit une nouvelle ère de simplicité dans les migrations de bases de données. Les utilisateurs peuvent demander à Houston de générer des Python pour des tâches complexes telles que le chargement de données à partir de plates-formes telles que Snowflake dans l’espace et le temps. Par exemple, si vous déclarez « générer un Python pour transférer mes données Snowflake dans SxT », Houston demandera l’accès et produira un Python .
Cela permet d’interroger Snowflake, de récupérer les données, de discerner le schéma et de le répliquer sur SxT dans une seule inférence LLM (Large Language Model). Un cas d’utilisation illustratif est celui de Truflation, qui ingère de nombreuses données d’inflation en temps réel à partir de nombreux flux de données (matières premières, taux obligataires, logement, etc.) dans le stockage. Par la suite, Truflation construit des agrégations, telles que des indices d’inflation, à exposer sur la chaîne via des oracles.
Python Data Jobs traite et prépare efficacement ces volumes de données importants pour l’agrégation. Un autre cas d’utilisation est dClimate, qui effectue régulièrement des opérations d’extraction, de transformation, de chargement (ETL) sur des données météorologiques provenant de sources multiples, en chargeant ces données dans IPFS. Python Data Jobs peut rationaliser ce processus en automatisant l’extraction et la transformation des données météorologiques.
2. Calculs complexes pour la DeFi
Imaginez si votre contrat intelligent pourrait utiliser des calculs hors chaîne complexes, tels que la prédiction des performances futures d’une crypto-monnaie en fonction de diverses conditions de marché, de manière inviolable et sécurisée. Python Data Jobs vous permet d’intégrer des modèles financiers sophistiqués, semblables à ceux utilisés pour prévoir les mouvements de prix ou les facteurs de risque, dans votre contrat intelligent avec une approche de sécurité optimiste.
Cette capacité permet aux protocoles DeFi d’utiliser une logique métier plus avancée, surpassant les capacités offertes par Proof of SQL. Par exemple, dYdX effectue des calculs pour les prix perpétuels des options/contrats à terme hors chaîne, car ceux-ci nécessitent des données d’entrée de prix historiques et impliquent des calculs complexes qui ne peuvent pas être utilisés par les contrats intelligents sur la chaîne.
Python Data Jobs facilite l’utilisation de ces calculs d’une manière inviolable. Dans un autre exemple, 3Commas utilise des modèles d’apprentissage automatique hors chaîne pour la prise de décision dans les activités DeFi/CeFi (telles que les swaps, les contrats à terme, les transactions de bots, etc.) au sein d’un environnement de conteneur de calcul centralisé. Python Data Jobs fournit une alternative native Web3 pour l’utilisation de ces tâches.
La voie à suivre
Le lancement de la version bêta de Python Data Jobs de Space and Time marque une avancée significative pour répondre aux besoins en constante évolution du Web3 et de la technologie blockchain. En reconnaissant et en relevant les défis associés aux tâches Python de longue durée dans le paysage Web3, Space and Time a introduit une solution révolutionnaire qui non seulement rationalise le traitement des données, mais améliore également la fonctionnalité des contrats intelligents.
Les fonctionnalités complètes de Python Data Jobs témoignent du potentiel de transformation qu’elles apportent à l’écologie du Web3. Qu’il s’agisse de simplifier les processus ETL ou d’assurer la sécurité des tâches Python au sein des contrats intelligents, la solution innovante de Space and Time ouvre de nouvelles possibilités pour les développeurs et les entreprises.
Dans le but d’encourager les utilisateurs à explorer les capacités de transformation de Python Data Jobs, Space and Time offre un accès gratuit au service pendant un mois. Les utilisateurs peuvent commencer leur parcours Python Data Jobs avec Houston sur Space and Time Studio, annonçant une nouvelle ère d’intégration transparente entre les technologies Python et Web3.
