Der Bitcoin-Mempool: Wohin die Transaktionen fliegen

Der Bitcoin-Mempool: Wohin die Transaktionen fliegen

neue Geschichte

@ evanaze Evan Azevedo Ich bin ein Generalist und Liebhaber der Wissenschaften

Eine der Stärken von Bitcoin und das, was es in der Finanzwelt einzigartig macht, ist seine radikale Transparenz. Blockchain-Daten sind wie ein Fenster, man kann durch sie hindurchsehen.

Reaktionen

Aber wenn Blockchain-Daten ein Fenster sind, fühlt es sich oft weniger wie das in Ihrer Wohnung an, aus dem man herausschaut (feierlich während einer Pandemie, möglicherweise), sondern eher wie dieses:

Reaktionen

In Blockkettendaten werden die beteiligten Agenten verdeckt. Es gibt keine zentrale Stelle, die weiß, wer welche Transaktion bucht, aber die Daten sind für jedermann einsehbar, und es wird oft versucht, eine Geschichte zu erzählen.

Reaktionen

Unser Ziel in diesem Blogbeitrag ist es, Blockkettendaten zu verwenden und eine solche Geschichte zu entdecken: die Geschichte der digitalen Währung im Wert von Millionen von Dollar auf der Flucht zwischen Absender(n) und Empfänger(n).

Reaktionen

Wir sind bestrebt, die Transparenz der Blockkette zu unserem Vorteil zu nutzen und unsere Gegenparteien bei der Durchführung großer Transaktionen zu beobachten, bevor diese überhaupt abgeschlossen sind. Dies ist eine unglaublich mächtige Fähigkeit, und wir können etwas Intelligenz und Tastaturkenntnisse einsetzen, um sie fast kostenlos zu erledigen.

Reaktionen

In diesem Beitrag werden wir einige der gleichen Themen wie in einem meiner früheren Beiträge behandeln, nämlich Zu- und Abfluss und BitMEX-Brieftaschen. Wir werden auch über Themen wie den Mempool erfahren, was eine digitale Brieftasche ist, wie man mit einem winzigen Computer Live-Streaming-Daten anhören kann und wie man mit Amberdata in (etwas) rohe Blockkettendaten gräbt.

Reaktionen

Amberdata’s API vereinigt Blockketten-Netzwerk und Krypto-Währung – Marktdaten, Metriken und Referenzsätze – in einem einzigen Integrationspunkt, was es für die Datenwissenschaft sehr interessant macht. Es gibt hier eine Menge Themen zu behandeln, also lassen Sie uns damit anfangen!

Reaktionen

Was ist der Bitcoin-Mempool?

Wenn eine neue Transaktion an das Bitcoin-Netzwerk übermittelt wird, muss sie zunächst von jedem Knoten im Netzwerk verifiziert werden. Nachdem die Transaktion verifiziert wurde, wird sie dem „Mempool“ des Knotens oder der Liste der ausstehenden Transaktionen hinzugefügt. Wenn ein neuer Block erstellt wird, füllt ein Bergmann den Block mit Transaktionen aus dem „Mempool“ und baut den Block ab, wodurch die Transaktion zu einem Teil der Blockkette wird.

Reaktionen

Das meinen wir, wenn wir sagen, dass wir im mempool Transaktionen „im Flug“ beobachten können: Wir können die Transaktionen und ihre Informationen vor dem Geldtransfer sehen. Wenn ich ein Kryptowährungshändler bin, möchte ich diese Informationen vielleicht zu meinem Vorteil nutzen, um festzustellen, wie Unternehmen Geld auf der Blockkette senden – etwas, das auf den meisten traditionellen Märkten unmöglich ist. Klingt einfach, nicht wahr? Hier werden die Blockkettendaten etwas heikel, wie dieses Buntglasfenster.

Reaktionen

Was ist eine Bitcoin-Brieftasche?

Wenn Sie daran interessiert sind, Krypto-Währung zu kaufen und möglicherweise zu handeln, können Sie eine digitale Brieftasche bei einem der vielen Brieftaschenanbieter einrichten. Diese Brieftasche enthält einen „geheimen Schlüssel“, der beweist, dass Sie Eigentümer einer bestimmten Menge von Kryptogeld im Netzwerk sind. Damit ein Freund oder Tauschpartner etwas Kryptogeld in Ihre Brieftasche einzahlen kann, müssen Sie ihm eine Adresse geben, an die er es schicken kann. Dies wird jedoch kompliziert, da die meisten modernen digitalen Brieftaschen aus Sicherheitsgründen bei jedem Transfer eine neue Adresse angeben. Die meisten zentralisierten Börsen wie Coinbase haben diese Sicherheitsmaßnahme ebenfalls eingeführt.

Reaktionen

Während dies für Sie als Benutzer großartig ist, weil es Ihre digitalen Vermögenswerte vor Diebstahl schützt, erschwert es Data Miners wie mir die Identifizierung, wer an wen sendet, erheblich. Dies ist zwar nicht immer der Fall, aber es sieht immer mehr so aus, als ob jede Transaktion zwischen neuen Benutzern stattfindet, was wenig hilfreich ist. Wenn Sie meinen oben erwähnten Beitrag über BitMEX-Brieftaschen lesen, werden Sie wissen, wie wir dieses Problem für Brieftaschen an der BitMEX-Börse gelöst haben, aber ich werde es hier zusammenfassen.

Reaktionen

BitMEX ist eine der liquidesten Bitcoin-Börsen, d.h. sie gehört zu den Börsen mit dem höchsten Volumen im Bitcoin- und Kryptowährungshandel. Zum Glück für uns beginnen alle BitMEX-Adressen entweder mit „3BMEX“ oder „3BitMEX“, so dass sie sehr leicht zu identifizieren sind. Solche Dinge werden von der Börse selbst nicht ohne weiteres bekannt gegeben, aber einigen guten Quellen zufolge und nach Überprüfung anhand der Daten scheint dies immer noch der Fall zu sein.

Reaktionen

Abrufen der Daten

Das Volumen der Transaktionsdaten für ein großes Netzwerk wie Bitcoin ist konstant und beträchtlich. Um sich ein genaues Bild von seiner Aktivität zu machen, ist es daher eine gute Idee, es live zu beobachten und die Signale zu analysieren, auf die wir uns konzentrieren wollen. Unsere Hauptdatenquelle wird Amberdata’s Pending Transactions Websocket sein, der mit einem Free-Tier Amberdata API-Schlüssel verfügbar ist. Sie haben einen nützlichen Leitfaden, um sich auf die Suche nach Beweisen für große Token-Transfers zu machen, die Real Time Asset Movement genannt werden, aber da ich diese Analyse in Python durchführe, dachte ich, dass meine Methode auch nützlich sein könnte.

Reaktionen

Da wir mehrere Tage an Daten benötigen werden, um etwas Interessantes zu finden, entscheide ich mich für ein kleineres Gerät, um Energie zu sparen und mein Schlafzimmer etwas kühler zu halten. Mein Gerät ist ein Raspberry Pi 3B, der auf die neueste Version von Raspberry Pi OS 10: Buster aktualisiert wurde. Diese Version wird mit Python 3.7 installiert, das wir zur Ausführung des Datenerfassungsskripts benötigen. Apropos Datenerfassung, jetzt kommen wir von der technischen Seite her zum Star der Show: Websockets.

Reaktionen

Was sind WebSockets?

Websockets sind eine Möglichkeit, Streaming-Daten von einer API zu erhalten. Die beiden nützlichsten Werkzeuge für die Aufnahme von Live-Daten in Python sind das Websockets-Paket und asyncio in der Standard-Python-Bibliothek. Websockets wird aktiv gepflegt, und ich empfehle es über Websocket-Client, da es gute Programmierpraktiken durchsetzt, einschließlich der Verwendung von asyncio.

Reaktionen

Wenn Sie mit asyncio nicht vertraut sind, handelt es sich um ein Paket für Multithreading mit einigen speziellen Funktionalitäten, die für das Abhören von Streaming-Daten sehr nützlich sein werden. Dieser Leitfaden von Real Python eignet sich hervorragend, um sich mit asyncio vertraut zu machen. Hier ist, wie meine Datenerfassungsfunktion aussieht, wenn ich die websockets-Bibliothek verwende:

Reaktionen

Kurz gesagt, indem wir unsere Funktion beginnen mit

async def

await websocket.send(nachricht)

ausstehende_Transaktion

obwohl wahr

Antwort = await asyncio.wait_for(websocket.recv(), timeout=25)

Reaktionen

sind wir in der Lage, die Funktion aufzurufen und unser Programm fortzusetzen, ohne auf seine Rückkehr zu warten. Die allgemeine Form des Programms besteht darin, einen Client zu öffnen und dem Websocket-Server eine Nachricht zu senden, die besagt, dass wir das Websocket nach neuen Ereignissen abhören wollen. Sobald die Verbindung hergestellt ist, starten wir eine Endlosschleife und warten auf neue Ereignisse mit

Sobald die Daten eingehen, verarbeiten wir sie mit einer Funktion namens

on_response()

Reaktionen

die im Wesentlichen darauf achtet, ob die schwebende Transaktion groß genug ist – größer als unser Schwellenwert – und sie in unserer Datei protokolliert, wenn dies der Fall ist. Insbesondere protokollieren wir den Zeitstempel, wann die schwebende Transaktion im Mempool erschien, den Wert der schwebenden Transaktion, von wem die Transaktion stammt und wer die Empfänger der Transaktion sind, den Transaktionshash und ob diese Transaktion an, nach/von oder nicht mit dem BitMEX-Austausch verbunden ist. Wenn Sie mit Blockchain-Daten nicht vertraut sind, ist der Transaktions-Hash nur eine eindeutige Kennung, die es uns ermöglicht, diese spezielle Transaktion jederzeit zu finden, die wir später verwenden werden, wenn wir überprüfen, ob die Transaktionen durchgelaufen sind.

Während wir die Transaktion protokollieren, wollen wir prüfen, ob der Absender oder die Empfänger Teil unserer Interessenbörse sind, damit wir eine Vorstellung davon bekommen, ob das Geld an, von oder innerhalb der Börse gehandelt wird. Dies ist in der Tat ein guter Indikator für die Marktgesundheit von Krypto-Währungen. Je mehr Menschen Geld an einer Börse anlegen, desto optimistischer sind sie und umgekehrt. Um dies für BitMEX-Geldbörsen zu erreichen, können wir die Adressen einfach auf „3BMEX“ oder „3BitMEX“ parsen, wie oben erwähnt. Aber ich wollte noch einen Schritt weiter gehen und einen so genannten Bloomfilter verwenden.

Reaktionen

Blüte-Filter

Ein Bloomfilter ist eine effiziente Datenstruktur zum Abfragen einer Liste von Elementen. Er kann die Frage „Ist dieses Objekt nicht in der Artikelliste?“ mit Sicherheit beantworten, gibt aber eine Antwort mit einer gewissen Fehlerquote, wenn Sie ihn fragen „Ist dieses Objekt in der Artikelliste? Dies macht es für leichtere Anwendungen nützlich, wenn Sie bis zu Millionen oder mehr Objekte zu suchen haben. Um dies auszunutzen, habe ich meine Adressliste aus dem BitMEX-Blog-Posting verwendet, um jedes Mal, wenn wir eine neue große Transaktion protokollierten, Querverweise zu erstellen.

Reaktionen

Möglicherweise verfügen Sie nicht über einen so netten Algorithmus zur Identifizierung von Austauschadressen auf anderen Börsen. In diesem Fall können Sie eine Liste der Adressen der Börse führen, auf die Sie stoßen, und den Bloom-Filter verwenden, um neue Transaktionen auf Austauschadressen zu prüfen, sobald sie eingehen. Alles in allem werden Sie wahrscheinlich auch einen dritten Prozess – möglicherweise mit einer anderen Maschine oder nach der Datenerfassung – wünschen, um die Transaktionen doppelt zu überprüfen, um sicherzustellen, dass der Bloomfilter keine Transaktionen übersehen hat.

Reaktionen

Erste Schritte

Wir werden auch das in C geschriebene Programm tmux für Linux-Maschinen gut gebrauchen. Dies ist ein sehr nützliches Programm und ist zu einem Standardteil meines Arbeitsablaufs geworden, seit ich es für diesen Blogbeitrag gelernt habe. Tmux startet eine Server-Sitzung, die es ermöglicht, dass Ihre Shell-Sitzungen auch nach Ihrem Weggang am Leben bleiben, sonst würde der Computer regelmäßig schlafen gehen. Sein Hauptzweck ist es hier, die Python-Sitzung am Leben zu erhalten und den Websocket unbegrenzt zu hören, aber es gibt noch viele weitere Verwendungsmöglichkeiten für Tmux, wie z.B. das Erstellen einer angepassten Entwicklungsumgebung und vieles mehr.

Reaktionen

Wenn Sie diese Analyse mitverfolgen oder selbst ausprobieren möchten, benötigen Sie zunächst einen Amberdata API-Schlüssel für den Zugriff auf den Websocket. Der vollständige Code für diesen Blogeintrag ist zusammen mit den anderen Blogeinträgen dieser Serie hier verfügbar, und für diesen Beitrag werden wir uns auf das Repository txn-mempool konzentrieren. Ich habe dafür gesorgt, dass es nur minimale Pakete zu installieren gibt, so dass Sie in der Lage sein sollten, die Datenerfassung nur mit Python Version 3.7 und dem Manager für virtuelle Umgebungen Ihrer Wahl in Gang zu setzen. Nun, da wir das aus dem Weg geräumt haben, können wir zum spaßigen Teil übergehen.

Reaktionen

Die Analyse

Ich habe meine Raspberry Pi etwa einen Tag lang laufen lassen, um dem Bitcoin-Mempool zuzuhören. Ich setzte meinen Schwellenwert für schwebende Transaktionen von mehr als 100 Bitcoin oder Transaktionen im Wert von mindestens etwa 1,15 Millionen Dollar fest.

Reaktionen

Pendente Transaktionen (ab einer bestimmten Schwelle) live beobachten

Ich erfasste Mempool-Transaktionen periodisch vom 26. August 2020 um 8.30 Uhr PST bis zum 28. August um 8 Uhr morgens. Wenn wir sie in der Reihenfolge ihres Auftretens aufzeichnen, erhalten wir dies:

Reaktionen

Ein Diagramm der Transaktionsgröße über den Zeitraum meiner Datenerhebung

Wir können feststellen, dass wir im Wesentlichen zwei Ebenen von schwebenden Geschäften beobachtet haben. Kleine (in der Logik der Dinge) Transaktionen im Wert von weniger als 1.000 Bitcoin (~ $11 Millionen), die häufig vorkommen, und eine gute Anzahl von schwebenden Transaktionen im Bereich von 10.000 Bitcoin (~$100 Millionen) und darüber. Für manche mag dies angesichts der schockierenden Menge an Wert, die ständig über das Bitcoin-Netzwerk transferiert wird, überraschend sein. Die von uns aufgezeichnete Gesamtverteilung der schwebenden Transaktionen sieht wie folgt aus:

Reaktionen

Anzahl 503 Mittelwert 1034 std 2613.3 min 100 25% 131 50% 211 75% 438 max 11711

Die durchschnittliche schwebende Transaktion – ohne Transaktionen unter 100 BTC – betrug etwa 1034 BTC, aber der Median war mit etwas mehr als 200 BTC niedriger, was darauf hindeutet, dass es einige viel größere Transaktionen gibt, die die Verteilung verzerren.

Reaktionen

Als Randbemerkung: Obwohl Tmux einen Server am Leben erhält, damit das Abhörprogramm weiterhin Daten vom Websocket abonnieren kann, war ich albern und habe meinen Rechner für ein paar Stunden am Stück vom Netz getrennt. Mein Kindle teilt sich das gleiche Ladegerät, und ich bin auch ein eifriger Leser. So sieht meine Datensammlung in der Zeitdomäne mit Ausfallzeiten durch das Herausziehen des Steckers meines Raspberry Pi aus:

Reaktionen

Betriebszeit meiner Datensammlung

Wir werden die Auswirkungen dieses Auftauchens später in der Analyse sehen, aber für den Moment können wir das einfach im Hinterkopf behalten. Da sich unsere Analyse darauf konzentriert, die Brieftaschen an der BitMEX-Börse im Auge zu behalten, sollten wir dies auf Transaktionen mit diesen BitMEX-Adressen übertragen.

Reaktionen

Herausfiltern von Transaktionen zum/vom/am Austausch

Wenn wir über den Geldfluss in Bezug auf eine Börse sprechen, können wir uns ein Bild davon machen, ob Menschen innerhalb der Börse handeln, Geld in die Börse legen, um zu handeln, oder das Geld aus der Börse nehmen. Geld in eine Börse zu stecken, spiegelt möglicherweise eine Haussestimmung wider, weil die Menschen mehr Bitcoin kaufen, um damit zu handeln. Das Herausnehmen von Geld aus der Börse hingegen kann eine Baisse-Stimmung widerspiegeln. Menschen könnten aus der Börse transferieren, um ihr Geld abzuheben und in eine kalte Brieftasche zu stecken, an eine andere Börse zu transferieren oder in USD oder einer anderen Währung zu liquidieren.

Reaktionen

Wie bereits erwähnt, verwenden wir einen Bloomfilter, um schwebende Transaktionen aus einer Börse on the fly zu identifizieren und Ströme zu beobachten, bevor sie zu abgeschlossenen Transaktionen werden. Wenn im Feld „von“ eine BitMEX-Adresse steht, betrachten wir die Transaktion als von der Börse stammend oder „nicht“. Ähnlich verhält es sich, wenn wir eine BitMEX-Adresse im „nach“-Feld finden, dann ist die Transaktion „an“ der Börse. Wenn beide Felder eine BitMEX-Adresse enthalten, handelt es sich um eine Transaktion „innerhalb“ der Börse.

Reaktionen

Nur etwa 4% der von uns erfassten Transaktionen fanden an der Börse statt. Hier ignorieren wir diejenigen Transaktionen, die sich nicht auf BitMEX beziehen. Leider waren wir nicht in der Lage, Transaktionen aufzuzeichnen, die nur von der Börse oder „außerhalb“ der Börse getätigt wurden. Bei der von uns aufgezeichneten Aktivität beträgt der Split etwa 40/60 der Aktivitäten, die an die Börse gehen, gegenüber den Aktivitäten, die innerhalb der Börse stattfinden.

Reaktionen

Die Verteilung von Transaktionen, die mit BitMEX zu tun haben

Da wir nun ein Bild von den großen Transaktionen haben, die auf BitMEX im Gange sind, sollten wir sie über den Preis darstellen, um uns ein Bild davon zu machen, was vor sich ging, als die Transaktion eingereicht wurde.

Reaktionen

Plotten großer börsenbezogener Transaktionen über den Preis

Wir verwenden den historischen OHLCV-Endpunkt von Amberdata, um minutengenaue Daten über den Schlusskurs von Bitcoin in diesem Zeitraum zu erhalten. Wenn Sie diese Analyse replizieren möchten, beachten Sie, dass Sie höchstens 24 Stunden Daten in dieser Granularität gleichzeitig abfragen können, aber es ist einfach, einfach ein Sprungfenster zu erstellen, um so viele Daten wie nötig zu sammeln. Ich kombinierte die beiden Datenquellen und zeichnete die großen schwebenden Transaktionen über den Bitcoin-Preis auf, wobei ich jede Transaktion farblich kodierte, ob sie „am“ oder „innerhalb“ der Börse war.

Reaktionen

Ein Plot von einigen lebenden ausstehenden Einströmen in BitMEX

In diesem Teil der Daten gingen die meisten schwebenden Transaktionen von externen Adressen an den Austausch, so dass wir in der Lage waren, einige Live-Zuflüsse auf BitMEX zu erfassen. Hier sehen Sie, wie die Transaktionen aussehen, nach Wert sortiert:

Reaktionen

Größte schwebende BitMEX-bezogene Transaktionen

Es sieht so aus, als ob die bei weitem größten dieser schwebenden Geschäfte – bei weitem – zwei gleich zu Beginn des Beobachtungszeitraums waren.

Reaktionen

Größte Aktivität innerhalb des Austauschs

Das erste schwebende Geschäft, das tatsächlich in der zweiten Minute meiner Beobachtung stattfand, ist mit 3400 btc das größte schwebende Geschäft. Noch interessanter ist, dass zwei der Transaktionen innerhalb derselben Minute stattfanden, von denen eine die zweitgrößte Transaktion ist, die wir in dem Zeitraum im Mempool beobachtet haben. Bloße Millisekunden, nachdem eine Transaktion für über 1000 Bitcoin verbucht wurde, wurde eine andere Transaktion im selben Austausch für 150 Bitcoin verbucht. Ich habe mir die Adressen für beide Transaktionen angesehen, und sie haben keine Gemeinsamkeiten, so dass unklar ist, ob die beiden Transaktionen überhaupt miteinander zusammenhängen.

Reaktionen

Es gibt eine weitere Subtilität, die wir in der Analyse bisher übersehen haben. Zum Beispiel kommt die erste Transaktion auf der Liste tatsächlich nur zwischen zwei eindeutigen Adressen vor, und eine davon ist keine BitMEX-Adresse, obwohl wir die Transaktion als innerhalb aufgeführt haben. Das liegt an der Art und Weise, wie BitMEX eine Transaktion verarbeitet. Wenn eine BitMEX-Brieftasche eine Überweisung initiiert, um Gelder zu senden, sendet der Absender seinen gesamten Kontostand als Eingabe und erhält seinen Saldo abzüglich des Betrags, den er senden möchte, und der Gebühr als Gegenleistung.

Reaktionen

Wenn Sie die „internen“ Transaktionen durchgehen, werden Sie feststellen, dass sie alle diese Form haben, d.h. es handelt sich einfach um einen BitMEX-Transfer von Geldern auf ein externes Konto. Wir haben also keine BitMEX-Überweisungen innerhalb der Börse gefunden – d.h. von einer BitMEX-Adresse zu einer anderen, und nur Überweisungen außerhalb der Börse.

Reaktionen

Wenn wir unsere Transaktionen an der Börse noch einmal durchgehen, können wir nun den Betrag berechnen, der entweder wie besprochen die Börse verlassen hat oder den Betrag, der auf die Börse transferiert wurde. Ich habe das mit dem folgenden Skript gemacht:

Reaktionen

Dieses Skript durchläuft die Transaktionen, die mit „innerhalb“ gekennzeichnet waren, und berechnet den Betrag, der an Nicht-BitMEX-Adressen übertragen wurde. Es durchläuft die Transaktionen, die mit „an“ gekennzeichnet waren, und berechnet den Betrag, der an BitMEX-Adressen gesendet wurde. Wir verwenden Amberdata’s Single Endpoint, um die Transaktionsdaten mit dem Transaktionshash zu erhalten. Die Ergebnisse sehen wie folgt aus:

Reaktionen

Wie wir sehen können, entspricht nur eine Transaktion unserer Beschreibung eines großen Stromes von mehr als 100 btc. Jemand hat am 28. August gegen 7:00 Uhr PST 100 btc aus BitMEX heraus transferiert. Mit dieser zusätzlichen Codeschicht konnten wir uns auf Übertragungen von Bitcoin in oder aus einer Vermittlungsstelle genau so einklinken, wie sie in das Netzwerk eingegeben wurden.

Reaktionen

Prüfung, ob die Transaktion durchgelaufen ist

Sobald wir sehen, dass eine große Transaktion im Mempool verbucht wurde, möchten wir vielleicht prüfen, ob oder wann sie durchlaufen wird. Wir können Amberdatas Endpunkt für Blockketten-Adressen-Transaktionen verwenden, um zu sehen, wann die Transaktion in einen Block eingemint wird. Die Ausführung dieses Codes zeigt, dass die Transaktion am nächsten Tag, am 27. August, in den Block 645509 eingemint wurde.

Reaktionen

Lassen Sie uns nun überprüfen, ob eine der 10 wichtigsten Transaktionen, die wir untersucht haben, bestätigt wurde. Wenn Sie einfach den obigen Code verwenden und unsere Top-10-Adressen in einer Schleife durchlaufen, können wir schnell sehen, ob eine der Transaktionen bereits durchgeführt wurde.

Reaktionen

Hinweis: Einige dieser Adressen sind viel aktiver als die einzige, die wir oben betrachtet haben, so dass wir die Anzahl der Datensätze auf 1000 pro Seite erhöhen müssen. Ich begrüße es, wenn Sie dies in der Analyse Jupyter Notebook versuchen, aber bis jetzt können Sie mir vertrauen, dass von den 19 Transaktionen im Zusammenhang mit dem Umtausch bis auf drei alle bis zum Zeitpunkt des Schreibens durchgegangen sind.

Reaktionen

Anzahl der abgeschlossenen Transaktionen: 16 Transaktionen insgesamt: 19 Prozent abgeschlossen: 84.2

Was haben wir gelernt?

Wenn Sie mit mir bis zum Ende durchgehalten haben, herzlichen Glückwunsch! Wir sind heute viele Themen durchgegangen. Wir erfuhren, was ein Mempool ist, warum Blockchain-Brieftaschen so schwer zu finden sein können, und machten einige erste Schritte zur Berechnung der Ströme aus Bitcoin-Transaktionen. Durch das Sammeln der Daten, das Plotten der Ströme über den Preis und die Überprüfung der abgeschlossenen Transaktionen machten die Blockketten- und Marktdaten-APIs von Amberdata die Einsicht in den Mempool zu einem Kinderspiel.

Reaktionen

Wir lernten auch einige coole Entwicklungswerkzeuge kennen, wie z.B. tmux, die Websockets-Bibliothek, Bloom-Filter und wie man billig anfängt, Live-Blockkettendaten auf einer Raspberry Pi anzuhören. Vor allem aber haben wir gelernt, dass wir große Geldströme entdecken können, sobald sie in eine Blockkette eingegeben werden, oft bis zu 24 Stunden, bevor sie vom Netzwerk verarbeitet werden.

Reaktionen

Wenn Sie daran interessiert sind, diese Analyse selbst auszuprobieren, können Sie hier einen Blick auf das Github-Repository für diesen Blogbeitrag werfen. Ich habe die Daten aus dieser Analyse als Beispiel eingefügt, um einfach anzufangen.

Reaktionen

Ausgewähltes Foto von Sam Bark auf Unsplash

Reaktionen

Quellen

Bitcoin’s Mempool: Eine Erläuterung für Anfänger: https://99bitcoins.com/bitcoin/mempool/

Amberdata Pending Transaction Websocket: https://docs.amberdata.io/reference#address-mempool

Amberdatas Endpunkt für Blockketten-Adresstransaktionen: https://docs.amberdata.io/reference#get-address-transactions

Amberdata’s OHLCV Historischer Endpunkt: https://docs.amberdata.io/reference#get-historical-ohlc

Amberdatas einziger Endpunkt: https://docs.amberdata.io/reference#get-transaction

Leitfaden zur Verfolgung von Asset-Bewegungen und Blockketten-Ereignissen: https://amberdata.io/guides/track-asset-movement-and-blockchain-events

Async IO in Python: https://realpython.com/async-io-python/#async-io-design-patterns

Websockets: https://pypi.org/project/websockets/

Warum ändert sich die Adresse einer Bitcoin Brieftasche ständig?: https://www.btcwires.com/round-the-block/why-does-a-bitcoin-wallet-address-change-constantly/

GeeksForGeeks – Bloom-Filter: https://www.geeksforgeeks.org/bloom-filters-introduction-and-python-implementation/

Diese Geschichte weitergeben @ evanaze Evan Azevedo Lesen Sie meine Geschichten Ich bin Generalist und Liebhaber der Wissenschaften

Schlagwörter

Kommentar verfassen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.