# 時空間Pythonデータジョブの紹介

**Published by:** [Untitled](https://paragraph.com/@0x9fd6233ae10afa1b10a51780a014cba5a1972712/)
**Published on:** 2024-03-05
**URL:** https://paragraph.com/@0x9fd6233ae10afa1b10a51780a014cba5a1972712/python

## Content

ZK証明とは何か？ スペース・アンド・タイム誌をご覧になっている方なら、私たちがSQLのための最初で唯一のZKプルーフを構築したことをご存知だろう。SQLの証明は、スマートコントラクトがSQLを暗号的に証明された方法で取得し、データを処理することを可能にする信じられないほど強力なツールであり、ブロックチェーン技術の新しいユースケースを豊富に開くものです。しかし、SQLは強力でチューリング完全体に近い言語ではあるが、ビジネスのユースケースを100％カバーできるわけではない。例えば、カスタム・ビジネス・ロジックを作成するためには、最終的に任意のコードをデプロイする必要性にぶつかる。Chainlinkはこれに対する素晴らしいソリューションを構築した： Chainlink Functionsだ。Functionsは、JavascriptをChainlinkノード上で冗長に実行させ、その出力についてコンセンサスを得ることを可能にする。現在、スマートコントラクトは、Proof of SQLでZKが証明した分析やデータ処理にアクセスできるほか、Functionsで高速に実行するスクリプトにもアクセスできる。 しかし、Web3ではまだ解決されていない別のユースケースがある。Space and Timeで働く企業や開発者はデータを扱い、データエンジニアはPythonを使う。第一に、ユーザーがPythonを活用して、実際にコードを書くことなく、可能な限り簡単かつ最速の方法で、既存のデータベースからデータを抽出し、変換し、Space and Timeにロードできるようにすること。2つ目は、Pythonジョブを暗号的に保証された方法でスマートコントラクトに接続することです。Space and Time Pythonデータジョブを紹介します。 仕組み データをSpace and Timeに取り込む Python Data Jobsは、コードを書くことなく、オフチェーンソースからSpace and Timeにデータを取り込むプロセスを加速します。今年初め、Space and TimeはAI SQLをリリースしました。これはOpenAIを搭載したサービスで、ユーザーが「Suiで最も取引の多いウォレット上位5つを残高順に表示してください」というような自然言語のプロンプトを書くことができ、それをSQLクエリに変換して結果を返します。私たちは、Space and Time StudioのAIチャットボットであるヒューストンを使って、Web2データベースやWeb3分散型ストレージプラットフォームからデータを取得し、前処理を行い、Space and Timeにロードするための簡単なETL（抽出、変換、ロード）スクリプトを生成できるようになったことをお伝えできることを嬉しく思います。Houstonは、PostgreSQL（またはSnowflakeやIPFSの例）に接続し、データベース内のデータを理解し、変換し、SxTにテーブルを作成し、PostgreSQLからSxTに1行ずつロードするスクリプトを作成する。通常、データベースの移行は、Pythonを必要とする、長く、高価で、面倒な作業です。しかし今では、自然言語を使って1回で移行することができます。 データを時空間から取り出す Pythonのデータジョブは、Space and Timeからデータを取得し、処理し、スマートコントラクトに送信するために使うこともできる。Web3でこれがまだ解決されていない理由は、Pythonのジョブがしばしば長時間実行されるという事実にある。例えば、BTCが今年いっぱい40kドルを超える確率を計算するスクリプトがあったとして、そのスクリプトは市場からデータを取得し、それを処理し、Pythonでそれに対してモンテカルロ・シミュレーションを実行しなければならない。そして、その結果をスマート・コントラクトに接続する場合、改ざんできないようにする必要がある。コンセンサスに基づく証明は、高速に実行されるスクリプトには最適だが、それほど長く実行されるスクリプトにはうまく機能しない。例えば30ノードで計算を冗長的に実行する場合、ノード1は18秒、ノード5は25秒、ノード15は21秒で処理を終えるかもしれない。新しいアーキテクチャが必要だ。 Pythonデータジョブズベータを通して、Space and TimeはZKでこれを実現するソリューションに取り組んでいる。今日、それは楽観的セキュリティ（楽観的ロールアップのようなもの）に依存しています。SxTでPythonデータジョブを実行するとき、入力、出力、コード自体はすべてメジャーチェーンにハッシュされます。スクリプトは一度だけ実行され、もし結果が期待通りでなかった場合、ユーザーは証明を要求することができ、SxTは実行された内容を暗号的に証明します。冗長な計算とコンセンサスを用いてリアルタイムで証明する代わりに、私たちはただ一度だけ実行し、すべてのメタデータをハッシュ化する。 何を可能にするか シームレスなデータベース移行 Houstonにどのような移行を行いたいかを伝え、移行元データベースにアクセスさせるだけで、Houstonは既に構築されているprompt-to-SQLフレームワークを使ってデータベースの情報を取得する。もし「SnowflakeのデータをSxTにロードするPythonスクリプトを書いてくれ」と言えば、Houstonはアクセスのプロンプトを出し、Snowflakeに問い合わせ、データを取得し、スキーマを計算し、SxTにレプリケートするPythonスクリプトを1回のLLM推論で生成する。 使用例 Truflationは、何十もの異なるデータフィード（コモディティ、債券レート、住宅など）にまたがる大量のリアルタイムインフレデータをストレージに取り込み、その後、オラクルを介してオンチェーンで公開されるアグリゲーション（インフレインデックス）を構築します。Python Data Jobsを使うことで、このような大量のデータを効率的に処理し、集計の準備をすることができます。 使用例: dClimateは定期的に複数の気象フィードから気象データをETLして保存しています。Python Data Jobsは、気象データの抽出と変換を自動化することで、このプロセスを効率化することができます。 DeFiのための複雑な計算 もしあなたのスマートコントラクトが、変化する市場の状況に基づいてコインの将来のパフォーマンスを予測するような複雑なオフチェーン計算を、改ざんできない方法で実行できたらと想像してみてください。Python Data Jobsを使えば、値動きの予測やリスク要因の評価に使われるような洗練された金融モデルを、楽観的なセキュリティでスマートコントラクトに統合することができます。これにより、DeFiプロトコルは、Proof of SQLが可能にする以上の、より洗練されたビジネスロジックを活用することができます。 使用例：dYdXは永久オプション/先物価格計算をオフチェーンで実行します。過去の価格入力データと複雑な計算を必要とするため、オンチェーンのスマートコントラクトでは実行できません。Python Data Jobsは、これらの計算を改ざんされない方法で実行することを可能にします。 使用例： 3Commasは、DeFi/CeFiの意思決定（スワップ、先物、ボット取引など）のためのオフチェーン機械学習モデルを、集中化されたコンピュートコンテナ環境で実行します。Python Data Jobsは、Web3ネイティブの代替手段を提供します。 始める PythonデータジョブのビルドはHoustonのSpace and Time Studioから始めることができます。新製品のベータ版リリースを記念して、Python Data Jobsを1ヶ月間全てのユーザーに無料で提供しています。

## Publication Information

- [Untitled](https://paragraph.com/@0x9fd6233ae10afa1b10a51780a014cba5a1972712/): Publication homepage
- [All Posts](https://paragraph.com/@0x9fd6233ae10afa1b10a51780a014cba5a1972712/): More posts from this publication
- [RSS Feed](https://api.paragraph.com/blogs/rss/@0x9fd6233ae10afa1b10a51780a014cba5a1972712): Subscribe to updates