互聯(lián)網(wǎng)時(shí)期，大數(shù)據(jù)的概念便被提出來。但在大部分人看來，大數(shù)據(jù)就如同“烏托邦”一樣，是渴望創(chuàng)新的人打造的假想國。當(dāng)在這前面加上區(qū)塊鏈，這一切看來似乎就更虛無縹緲。

但實(shí)際上，大數(shù)據(jù)的產(chǎn)業(yè)價(jià)值已經(jīng)影響到人們生活的方方面面。區(qū)塊鏈+大數(shù)據(jù)兩種看似牛馬不相及的技術(shù)，卻在解決數(shù)據(jù)分散、非對稱持有方面有著更多價(jià)值，可以更好實(shí)現(xiàn)互聯(lián)網(wǎng)信息的互聯(lián)互通。

隨著區(qū)塊鏈發(fā)展至今，這一結(jié)合到底是科技進(jìn)步還是癡人說夢？關(guān)于區(qū)塊鏈+大數(shù)據(jù)背后的技術(shù)研究，大眾又知幾何？

OK區(qū)塊鏈聯(lián)合OKLink技術(shù)副總裁梁福坤，他從區(qū)塊鏈瀏覽器這一方向入手，闡述了區(qū)塊鏈和大數(shù)據(jù)的可結(jié)合之處以及區(qū)塊鏈技術(shù)與傳統(tǒng)互聯(lián)網(wǎng)技術(shù)的不同之處，希望能對讀者有所啟發(fā)。

目前來說，OKLink區(qū)塊鏈瀏覽器聚焦定位三大技術(shù)方向：區(qū)塊鏈、大數(shù)據(jù)和人工智能（AI方向），三者之間緊密協(xié)作，打造區(qū)塊鏈數(shù)據(jù)門戶的整體生態(tài)。

1. 區(qū)塊鏈技術(shù)

區(qū)塊鏈角色更多關(guān)注全節(jié)點(diǎn)作為數(shù)據(jù)源提供方，依賴區(qū)塊鏈技術(shù)的分布式、公開透明、可追溯、不可篡改等特征，同時(shí)結(jié)合數(shù)據(jù)分布式存儲、點(diǎn)對點(diǎn)傳輸、共識機(jī)制、加密算法等多種技術(shù)融合形成的區(qū)塊鏈創(chuàng)新應(yīng)用模式。

在區(qū)塊鏈瀏覽器的整體架構(gòu)中，區(qū)塊鏈作為數(shù)據(jù)源存在的挑戰(zhàn)與傳統(tǒng)大數(shù)據(jù)進(jìn)行ETL（Extract-Transform-Load）比較。

多幣種主鏈數(shù)據(jù)組織差異大，在眾多主鏈數(shù)據(jù)持有能力上，需要思考如何在系統(tǒng)架構(gòu)上提出能夠保證通用結(jié)構(gòu)復(fù)用，又要兼顧多主鏈個(gè)性化靈活支持的需求。同時(shí)，理解區(qū)塊鏈全節(jié)點(diǎn)數(shù)據(jù)的業(yè)務(wù)特征、不同版本之間差異、分叉對不同高度的解析細(xì)節(jié)上在研發(fā)周期中占用較大比重。

以往大數(shù)據(jù)架構(gòu)不需要太多的關(guān)注數(shù)據(jù)業(yè)務(wù)本身涵義，更多聚焦在數(shù)據(jù)流轉(zhuǎn)、計(jì)算、存儲，而區(qū)塊鏈則需要對業(yè)務(wù)了解放在首位，起點(diǎn)較高。

2. 大數(shù)據(jù)技術(shù)

在OKLink區(qū)塊鏈瀏覽器上，大數(shù)據(jù)聚焦在區(qū)塊鏈數(shù)據(jù)源解析之后，推送到Kafka消息隊(duì)列后續(xù)，對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，實(shí)時(shí)計(jì)算和離線計(jì)算部分。

同時(shí)，在瀏覽器前端展示ToC提供線上檢索服務(wù)和對不同的數(shù)據(jù)應(yīng)用放提供ToB（面向商業(yè)）的API訪問方式。

當(dāng)然，區(qū)塊鏈瀏覽器中大數(shù)據(jù)的實(shí)踐和傳統(tǒng)互聯(lián)網(wǎng)大數(shù)據(jù)有著較為明顯區(qū)分特征，下面逐一說明：

A） 數(shù)據(jù)中臺

區(qū)塊鏈大數(shù)據(jù)更加側(cè)重?cái)?shù)據(jù)中臺的角色，而不是傳統(tǒng)的后臺提供數(shù)據(jù)分析、離線計(jì)算的位置。之所以在數(shù)據(jù)中臺委以重任，是需要更快、更為靈活的交付用戶數(shù)據(jù)。

所以查詢快是OKLink的一大亮點(diǎn)，要提供區(qū)塊鏈數(shù)據(jù)的快速交付，需要在數(shù)據(jù)解析到流轉(zhuǎn)、計(jì)算存儲、查詢4個(gè)方面整個(gè)鏈路做全方面的優(yōu)化，整體協(xié)作來完成快速交付。

時(shí)效性在區(qū)塊鏈對ToB方面至關(guān)重要，ms級別的先機(jī)會對類似量化交易及時(shí)做出預(yù)判，類似傳統(tǒng)意義提到的時(shí)間就是金錢，唯快不破。

B） 數(shù)據(jù)弱化分區(qū)特征

在互聯(lián)網(wǎng)等傳統(tǒng)大數(shù)據(jù)進(jìn)行存儲，一般會對數(shù)據(jù)按照日期進(jìn)行一級分區(qū)，對于數(shù)據(jù)進(jìn)行分布式存儲和計(jì)算在MPP架構(gòu)中應(yīng)用非常嫻熟，數(shù)據(jù)可以根據(jù)使用情況做熱數(shù)據(jù)、溫?cái)?shù)據(jù)、冷數(shù)據(jù)處理分層Cache、歸檔等處理。

而區(qū)塊鏈大數(shù)據(jù)存儲在業(yè)務(wù)層面需要時(shí)刻準(zhǔn)備交付，即數(shù)據(jù)可以理解均為熱點(diǎn)數(shù)據(jù)，例如按照地址檢索交易記錄，即便較久交易也需要實(shí)時(shí)交付。

同時(shí)，時(shí)間維度在做區(qū)塊鏈的業(yè)務(wù)場景應(yīng)用中不重要，反而區(qū)塊高度、交易Hash、地址等維度命中率在大部分場景下有較多應(yīng)用。

在架構(gòu)層面，滿足弱化分區(qū)特征，需要實(shí)現(xiàn)索引和數(shù)據(jù)的異構(gòu)引擎配合存儲和計(jì)算，在服務(wù)層面需要做到數(shù)據(jù)一致性、檢索過程業(yè)務(wù)透明、新增索引項(xiàng)靈活配置、熱部署等工程方面挑戰(zhàn)。

C） 流批處理

流批處理指的是區(qū)塊鏈計(jì)算指標(biāo)需要結(jié)合歷史的統(tǒng)計(jì)信息和當(dāng)前的實(shí)時(shí)數(shù)據(jù)做更新，例如地址的累計(jì)交易金額=歷史累計(jì)交易金額+當(dāng)前交易金額。

前面提到如果大數(shù)據(jù)處于后臺角色，可以完全通過離線計(jì)算批處理的方式進(jìn)行統(tǒng)計(jì)，這樣的方式即保證了準(zhǔn)確性，又相對保險(xiǎn)，但在時(shí)間上會有滯后。而作為數(shù)據(jù)中臺能快速準(zhǔn)確交付用戶信息，這里需要?dú)v史聚合數(shù)據(jù)和當(dāng)前變更數(shù)據(jù)做實(shí)時(shí)計(jì)算。

這種場景最大的挑戰(zhàn)是數(shù)據(jù)指標(biāo)的冷啟動+實(shí)時(shí)計(jì)算結(jié)合，并且一個(gè)指標(biāo)從定義到交付更為靈活，就需要在架構(gòu)設(shè)計(jì)上支持配置化的指標(biāo)定義，而非Case by Case的定制開發(fā)。

OKLink實(shí)時(shí)計(jì)算平臺“閃電”中采用Flink作為流批數(shù)據(jù)計(jì)算的架構(gòu)選型，支持靈活定義Source數(shù)據(jù)源、ETL數(shù)據(jù)上下游銜接和靈活定義Sink輸出。在存儲方面借助HBase存儲滿足實(shí)時(shí)更新和按照Key檢索，歷史聚合信息計(jì)算結(jié)果存儲在HBase，并且記錄歷史截止交易高度，閃電平臺敏銳察覺數(shù)據(jù)變更并且延續(xù)后續(xù)實(shí)時(shí)計(jì)算過程。

D） 數(shù)據(jù)補(bǔ)償機(jī)制

即當(dāng)線上數(shù)據(jù)出現(xiàn)問題之后，如何能夠快速修正數(shù)據(jù)。一般來說，數(shù)據(jù)出現(xiàn)問題的原因包括：計(jì)算邏輯變更、數(shù)據(jù)解析bug、區(qū)塊分叉、數(shù)據(jù)延遲交付等因素。

這些因素雖然在瀏覽器上線后出現(xiàn)的頻率較低，但是每次出現(xiàn)人工處理成本較高，主要表現(xiàn)在處理時(shí)間、人工核驗(yàn)的質(zhì)量參差不齊。

數(shù)據(jù)補(bǔ)償機(jī)制是數(shù)據(jù)質(zhì)量保證重要的途徑，可以滿足數(shù)據(jù)的最終一致性需求。數(shù)據(jù)補(bǔ)償?shù)奶幚聿襟E可以歸納為識別壞數(shù)據(jù)、定位數(shù)據(jù)源、清理目標(biāo)寫入、數(shù)據(jù)重計(jì)算四個(gè)部分，因?yàn)獒槍Σ煌臄?shù)據(jù)源處理步驟大同小異，所以非常適合工程化方案解決。

當(dāng)前這里面也存在一些挑戰(zhàn)，比如壞數(shù)據(jù)出現(xiàn)位置監(jiān)控與定位、已寫入引擎數(shù)據(jù)識別和清楚、修正補(bǔ)?。≒atch）熱部署熱加載避免停服、旁路數(shù)據(jù)修正等。

E） 新數(shù)據(jù)頻繁變更

數(shù)據(jù)變更在互聯(lián)網(wǎng)場景更多體現(xiàn)在OLTP數(shù)據(jù)庫中，而在OLAP場景下更多為沉淀數(shù)據(jù)，追加較多變更非常少。

頻繁變更帶來的問題是數(shù)據(jù)碎片化嚴(yán)重、標(biāo)記刪除和定期歸檔工程化較為復(fù)雜，目標(biāo)存儲引擎支持更新，同時(shí)如果支持冪等性業(yè)務(wù)操作，還需要識別已寫入數(shù)據(jù)哪些是覆蓋想，哪些是刪除項(xiàng)。

3. 人工智能技術(shù)

人工智能（AI）技術(shù)在區(qū)塊鏈瀏覽器場景下，落地存在較多場景。從公開、透明、不可篡改的數(shù)據(jù)中，發(fā)現(xiàn)數(shù)據(jù)背后更多的價(jià)值挖掘，例如地址畫像、量化交易都是從已有區(qū)塊數(shù)據(jù)中發(fā)現(xiàn)相關(guān)性。

AI技術(shù)和區(qū)塊鏈技術(shù)均存在擅長的發(fā)揮領(lǐng)域，但是也避免不了有各自的短板，而取長補(bǔ)短融合才能發(fā)揮更大的空間。

區(qū)塊鏈數(shù)據(jù)去中心化和分布式存儲給AI帶來公開透明的大數(shù)據(jù)生態(tài)市場、更加豐富AI的數(shù)據(jù)特征工程、模型與算法提升。同時(shí)，把AI技術(shù)應(yīng)用到區(qū)塊鏈，可以讓區(qū)塊鏈智能合約、工作量證明、自治組織等更加智能、高效、安全、未來精準(zhǔn)評估。

首先在數(shù)據(jù)公開對稱層面，區(qū)塊鏈數(shù)據(jù)不像傳統(tǒng)大數(shù)據(jù)掌握在BAT等大公司手中，相對數(shù)據(jù)使用者是對等的關(guān)系。

因?yàn)閰^(qū)塊鏈數(shù)據(jù)對使用者更加開放和對等的信息公開性，基于區(qū)塊鏈數(shù)據(jù)的應(yīng)用在數(shù)據(jù)層面讓使用者站在同一個(gè)起點(diǎn)和基礎(chǔ)。而人工智能的核心算法層、模型層面，更為適應(yīng)業(yè)務(wù)需求開展深度發(fā)揮，在數(shù)據(jù)應(yīng)用層面百花齊放。

其次是合作共贏方面，因?yàn)槭窍嗤瑪?shù)據(jù)樣本產(chǎn)出的結(jié)果，后期產(chǎn)業(yè)融合、成果融合方面更為開放和流暢。

這其中代表性的例子類似地址的標(biāo)簽畫像，不同的應(yīng)用放可以針對標(biāo)簽構(gòu)建特征工程和描繪，最后成果可以根據(jù)地址的ID-Mapping可以實(shí)現(xiàn)融合共享。

類似業(yè)界安全方面比較注重的黑產(chǎn)地址、博彩地址、富豪地址、礦池和交易所地址的多角度識別，未來AI、區(qū)塊鏈技術(shù)在相互調(diào)用、促進(jìn)方面會有更多想象空間等待發(fā)現(xiàn)。