Space and Time 在 Beta版本 中推出 Python 数据作业，改变 Web3 数据处理

在增强 Web3 和区块链技术功能方面迈出了一大步，Space and Time 推出了 Python Data Jobs 的测试版，这是一个革命性的解决方案，旨在弥合处理长时间运行的 Python 作业的差距。这一突破性的发展是为了回应 Web3 生态中对 Python 在数据处理、分析和智能合约功能中的无缝集成日益增长的需求。

解决的挑战和提供的解决方案

如果你一直在关注空间和时间领域的发展，你可能会知道它的突破性成就——创建了第一个也是唯一一个用于 SQL 的零知识 （ZK） 证明。SQL证明是一个非常强大的工具，它使智能合约能够使用SQL安全地检索和处理数据。这种加密保证为区块链技术开辟了大量创新的可能性。

尽管SQL作为一种健壮且近乎图灵完备的语言具有强大的功能，但它并不能涵盖所有可以想象的业务场景。为了满足自定义业务逻辑的需求，尤其是在部署任意代码变得至关重要的情况下，Chainlink巧妙地推出了一个解决方案：Chainlink Functions。这些函数可以在Chainlink节点上冗余地使用Java，从而在输出上达成共识。

因此，智能合约现在可以通过 SQL 证明无缝访问 ZK 验证的分析和数据处理，并使用 Functions 高效地使用。然而，在 Web3 领域中，有一类特定类别的用例仍未得到解决——长时间运行的 Python 作业。认识到 Python 在与 Space and Time 相关的企业和开发人员工作流程中的重要性，该团队旨在解决两个关键挑战。

首先，它试图使用户能够毫不费力地使用 Python 从他们现有的数据库中提取、转换数据并将其加载到 Space and Time 中，而无需手动创建代码。其次，它旨在在 Python 作业和智能合约之间建立加密保证的连接。这导致了 Space and Time Python Data Jobs 的引入，现在可通过 Space and Time Studio 进行测试。

Python 数据作业的综合功能

Space and Time 的 Python Data Jobs 开启了 Web3 领域的变革之旅，在数据处理和智能合约功能方面引入了范式转变。当我们深入研究该解决方案的复杂功能时，一个无缝集成、简化的 ETL 流程和增强安全性的世界展开，重新定义了开发人员和企业在区块链生态系统中利用 Python 潜力的方式。以下是这一创新解决方案的工作原理：

1.将数据带入时空

Python 数据作业简化了从任何链下来源到时空的数据采集过程，无需手动创建代码。今年早些时候，Space and Time 推出了 AI SQL，这是一项由 OpenAI 提供支持的服务，使用户能够制定自然语言，例如“向我展示 Sui 上按余额排序交易最多的前 5 个钱包”。

然后将其转换为 SQL 查询，从而产生所需的结果。Space and Time 宣布 Space and Time Studio 中的 AI 聊天机器人 Houston 现在可以生成简单的提取、转换、加载 （ETL） s。这些旨在从各种来源获取数据，包括 Web2 数据库或 Web3 去中心化存储平台。休斯顿负责处理数据准备过程，并促进其向空间和时间的传输。

通过创建一个连接到PostgreSQL（或Snowflake或星际文件系统等替代方案）的数据库，Houston可以理解数据库内容，执行必要的转换，在SxT中建立表，并将数据从PostgreSQL增量加载到SxT中，一次一行。通常，数据库迁移是一项费力、昂贵且耗时的任务，涉及 Python 专业知识。借助 Space and Time 的解决方案，开发人员可以在单个操作中使用自然语言输入无缝地实现这一目标。

2.从空间和时间中获取数据

Python 数据作业还提供了从空间和时间中提取数据、处理数据并将其传输到智能合约的功能。这在 Web3 领域构成挑战的原因是与 Python 作业相关的使用时间延长。考虑一个场景，您的任务是计算比特币 （BTC） 在今年剩余时间保持在 40 美元以上的概率。

这必须从市场收集数据，对其进行处理，并在 Python 中进行蒙特卡罗模拟，这个过程可能需要大约 20 秒。当将结果与智能合约联系起来时，必须确保其不可篡改性。虽然基于共识的证明非常适合快速使用，但对于长时间运行的任务来说，它变得不那么有效。

例如，如果计算冗余分布在 30 个节点上，则节点 1 可能在 18 秒内完成任务，而节点 5 在 25 秒内完成，节点 15 需要 21 秒。这需要开发一种新的架构，以应对与长时间使用相关的独特挑战。

在 Python 数据作业测试期间，Space and Time 正在通过实现零知识 （ZK） 来积极实现这一目标：特别是 Python 的 ZK 证明。目前，它依赖于乐观的安全性，类似于乐观的汇总方法。在 SxT 中使用 Python 数据作业时，输入、输出和代码本身会进行哈希处理并记录在主链上。

仅运行一次，如果结果偏离预期，用户可以选择请求证明。然后，SxT 以加密方式验证所使用的内容。与具有冗余计算和共识的实时证明不同，Space and Time 的方法涉及单个 uition，然后对所有元数据进行哈希处理。这个过程会创建一个防篡改的审计跟踪，作为节点运营商避免篡改的激励。Space and Time 将在未来分享有关正在开发的 ZK 解决方案的更多细节，该解决方案旨在增强 Python 数据作业的实时安全性。

实际应用和用例

Space and Time 的 Python Data Jobs 超越了理论上的可能性，通过实际应用和用例进入了实践领域。这些场景展示了 Python 数据作业的多功能性和适应性，说明了这一创新解决方案如何应对不同行业的复杂挑战，为数据处理和智能合约功能的新时代铺平道路。

1.无缝数据库迁移

Python 数据作业为数据库迁移带来了一个简单性的新时代。用户可以指示 Houston 为复杂的任务生成 Python，例如将数据从 Snowflake 等平台加载到 Space and Time 中。例如，如果您声明“生成一个 Python 以将我的 Snowflake 数据传输到 SxT”，休斯顿将请求访问并生成一个 Python 。

这将查询 Snowflake，检索数据，辨别架构，并在单个大型语言模型 （LLM） 推理中将其复制到 SxT。一个说明性的用例涉及 Truflation，它将大量实时通货膨胀数据从众多数据源（商品、债券利率、住房等）中摄取到存储中。随后，Truflation构建聚合，例如通货膨胀指数，通过预言机在链上公开。

Python 数据作业可以有效地处理和准备这些大量数据以进行聚合。另一个用例是 dClimate，它定期对来自多个来源的天气数据执行提取、转换、加载 （ETL） 操作，将这些数据加载到 星际文件系统 中。Python 数据作业可以通过自动提取和转换天气数据来简化此过程。

2.去中心化金融的复杂计算

想象一下，您的智能合约是否可以以安全防篡改的方式进行复杂的链下计算，例如根据不同的市场条件预测加密货币的未来表现。Python Data Jobs 使您能够通过乐观的安全方法将复杂的财务模型（类似于用于预测价格变动或风险因素的模型）集成到您的智能合约中。

此功能使去中心化金融协议能够采用更高级的业务逻辑，超越SQL证明提供的功能。例如，dYdX 在链下进行永续期权/期货定价的计算，因为这些需要历史定价输入数据，并且涉及链上智能合约无法使用的复杂计算。

Python 数据作业有助于以防篡改的方式利用这些计算。在另一个例子中，3Commas采用链下机器学习模型在集中式计算容器环境中的去中心化金融/CeFi活动（如掉期、期货、机器人交易等）中进行决策。Python Data Jobs 为完成这些任务提供了 Web3 原生替代方案。

前进的道路

Space and Time 的 Python Data Jobs 的测试版发布标志着在满足 Web3 和区块链技术不断变化的需求方面取得了重大进展。通过识别和解决与 Web3 环境中长时间运行的 Python 作业相关的挑战，Space and Time 推出了一种突破性的解决方案，不仅可以简化数据处理，还可以增强智能合约的功能。

Python Data Jobs 的综合功能证明了它为 Web3 生态带来的变革潜力。从简化 ETL 流程到确保智能合约中 Python 作业的安全性，Space and Time 的创新解决方案为开发人员和企业开辟了新的可能性。

为了鼓励用户探索 Python Data Jobs 的变革性功能，Space and Time 提供为期一个月的免费服务访问权限。用户可以在 Space and Time Studio 上与 Houston 一起开始他们的 Python 数据作业之旅，这预示着 Python 和 Web3 技术之间无缝集成的新时代。