此文章是 #Footprint Analytics for SQL 系列 的其中一个章节。
前言： 在”SQL基础（一）“部分中我们介绍了SQL的基础知识，包括SQL查询语句的基础结构语法说明、日期时间、分组聚合、子查询、关联查询和联合查询等内容，接下来我们继续介绍一些常用的SQL基础知识点
链上的数据都是按照交易发生的时间先后顺序进行记录保存的，日常分析中经常需要对一段时间范围内的数据进行统计。上个部分介绍过 date_trunc函数的用法，主要是对日期进行截断处理。除此之外还有一些常用的函数和使用方法
now() 和 current_date函数
函数now()用于获取当前系统的时间，精确到微秒。需要注意的是FootPrint Analytics 的 token_price_5min 是五分钟间隔的，要将其他表和价格表用时间字段做关联时，必须先按五分钟截取，否则可能关联不上正确的代币价格
函数current_date用于获取当前时间，以天为单位。当我们需要按时间日期筛选筛选数据时通常需要结合他们来使用，函数current_date相当于date_trunc(‘day’,now())
SQL
select
now() – 当前系统日期和时间
,current_date –当前系统日期
,current_timestamp –与now相同
,date_trunc(‘day’,now()) – 与current_date 相同
,from_unixtime(cast(to_unixtime(now())/300 AS BIGINT) * 300) – 将当前时间指定为一天中每5分钟除以的数值
Footprint Query URL
https://www.footprint.network/chart/Date-Functions-fp-35130
date_add 和date_diff 函数
函数date_add(unit,value,expr) 在一个日期表达式上面添加一个日期单位加上value的值。’unit’ 常用的单位有：hour，day,week,month等。value表示从后面的表达式减去对应时间单位数值，当然value也可以是负数
函数date_diff(unit,start_date,end_date) 得到两个日期表达式直接间隔的数值，unit常用的单位有：day,week,month。如果end_date > start_date ,放回正数，否则则是负数
SQL
select
date_add('day',-90,now()) "past 90D" –
,date_add('day', 365,date'2021-01-01') as add_365_day
,date_add('day', -365,date'2022-01-01') as sub_365_day
,date_diff('day',date '2021-01-01',date '2022-01-01') as "end_date>start_date"
,date_diff('day',date '2022-01-01',date '2021-01-01') as "end_date<start_date"
Interval 类型
interval是一种数据类型，以指定的日期时间单位表示某个时间间隔。
SQL
select
now() - interval '2' hour -- 两个小时前
,current_date - interval '7' day -- 七天之前
,now() + interval '1' month -- 一个月之后的当前时间
更多日期时间相关函数的说明，请参考
case
当我们需要应用条件逻辑的时候，可以应用case语句。CASE语句的常用语法格式为CASE {WHEN cond1 THEN res1} [...] [ELSE def] END，它可以用多个不同的条件评估一个表达式，并返回第一个评估结果为真值（True）的条件后面的值，如果全部条件都不满足，则返回else后面的值。其中的else部分还可以省略，此时返回NULL
如果我想要查看OpenSea marketplace 在最近7天每笔交易额换算为ETH的金额进行分三个档次，分别是小于10ETH,在10到50之间和大于50
select
date_trunc('day',block_timestamp) as block_date, -- 把block_timestamp时间转换成天
eth_amount_range,
count(transaction_hash) as transactions -- 计算每天，每个分的交易次数
from
(
select
transaction_hash,
amount,
block_timestamp,
collection_slug,
case when eth_amount < 10 then '<10 eth' -- 当eth_amount <10就归入 '<10 eth'的分组
when eth_amount >= 10 and eth_amount <= 50 then 'between 10 to 50 eth' -- 当eth_amount >= 10 并且 <=50 就归入'between 10 to 50 eth' 分组
else '>50 eth' -- 否则就归入 '> 50 eth' 的分组
end as eth_amount_range
from nft_transactions
where
marketplace_slug ='opensea' -- 筛选marketplace是opensea的交易
and eth_amount is not null -- 筛选eth_amount 不为空的数据
and block_timestamp >= (current_date - interval '7' day) -- 筛选前七天的数据
)as range_info -- 把括号里的查询当成一个视图，将视图命名为 range_info
group by 1,2 -- 按第一个和第二个字段进行分组
order by 1 -- 按第一个字段，即block_date做升序排序
函数if(cond, expr1, expr2)它的作用时根据条件值评估的真假，返回两个表达式中的其中一个值。如果条件评估结果为真值，则返回第一个表达式，如果评估为假值，则返回第二个表达式。
SQL
select
if(1>2,'A','B') "1>2" -- Return 'A' if 1>2, otherwise return 'B'
,if('a' = 'A',1,0) AS "a=A" -- If lowercase 'a' is equal to uppercase 'A', return 1, otherwise return 0
函数COALESCE(val1, val2, ...., val_n),return the first non-null value in a list
SQL
select
COALESCE(NULL, 'Footprint Analytics','A') -- return Footprint Analytics
,COALESCE(NULL,'A','Footprint Analytics') -- return A
,COALESCE('A',NULL,'Footprint Analytics') -- return A
字符串转小写
字符串位数截取
字符串连接
16进制转10进制
Lower()
在Footprint Analytics 中EVM兼容链的交易哈希值（hash）、用户地址、智能合约地址这些全部以小写字符格式保存。但是在字符串比较的时候，是区分大小写的。字符a和A是不同的，地址0x3ddfa8ec3052539b6c9549f12cea2c295cff5296和0x3DdfA8eC3052539b6C9549F12cEA2C295cfF5296是“不相等”的。所以我们需要将地址手动转换为全部小写再比较，或者使用lower()函数转换后比较。
SQL
select
'a'='A' – Character case is different, return false
,'a'='a' – Character case is the same, return true
,'0x3ddfa8ec3052539b6c9549f12cea2c295cff5296' = '0x3DdfA8eC3052539b6C9549F12cEA2C295cfF5296' --Character case is different, return false
,'0x3ddfa8ec3052539b6c9549f12cea2c295cff5296' = LOWER('0x3DdfA8eC3052539b6C9549F12cEA2C295cfF5296') --Character case is the same, return true
Substring() 函数
substring(string, start)
Returns the rest of string from the starting position start. Positions start with 1. A negative starting position is interpreted as being relative to the end of the string.
substring*(string, start, length)*
Returns a substring from string of length length from the starting position start. Positions start with 1. A negative starting position is interpreted as being relative to the end of the string.
Concat() 函数和 || 操作符
函数concat(expr1, expr2 [, ...] )将多个表达式串接到一起，常用来链接字符串。操作符||的功能和Concat函数相同
from_base
Returns the value of string interpreted as a base-radix number.
下面是一个使用上述函数的综合例子，这个例子从ethereum_logs表解析跨链到ronin链的 的记录
SQL
"
select date_trunc('day', block_timestamp) as block_date, --截取日期
substring(data, 3 + 64 * 3, 64) hex_address, -- 提取data中的第4部分转换为用户地址，从第3个字符开始，每64位为一组
concat('0x', substring(substring(data, 3 + 64 * 3, 64), -40)) as address, -- 提取data中的第4部分转换为用户地址，从第3个字符开始，每64位为一组，从右截取40位，用'0x'连接截取出来的数据
concat('0x', substring(substring(data, 3 + 64 * 4, 64), -40)) as token, -- 提取data中的第5部分转换为用户地址
substring(data, 3 + 64 * 11, 64) as hex_amount, -- 提取data中的第12部分
from_base(substring(data, 3 + 64 * 11, 64),16) as amount, -- 提取data中的第12部分，转换为10进制数值
transaction_hash
from ethereum_logs
where address = '0x64192819ac13ef72bf6b5ae239ac672b43a9af08' -- Axie Infinity: Ronin Bridge V2
and element_at(topics,1) = lower('0xd7b25068d9dc8d00765254cfb7f5070f98d263c8d68931d937c7362fa738048b') -- Send
and substring(data, 3 + 64 * 4, 64) = '000000000000000000000000c02aaa39b223fe8d0a0e5c4f27ead9083c756cc2' -- WETH，直接判断16进制值
and block_timestamp >= now() - interval '7' day
limit 10
"
Footprint Query URL
https://www.footprint.network/chart/ethereum-logs-Parse-Axie-Infinity%3A-Ronin-Bridge-V2-fp-35308
多行数据的组合成为窗口（Window）。对窗口中的一组行进行操作并根据该组行计算每一行的返回值的函数叫窗口函数。窗口函数对于处理任务很有用，例如计算移动平均值、计算累积统计量或在给定当前行的相对位置的情况下访问行的值
function可以是排名窗口函数、分析窗口函数或者聚合函数。over是固定必须使用的关键字。window_spec部分又有两种可能的变化：partition by partition_feild order by order_field或者order by order_field，分别表示先分区再排序和不分区直接排序。除了把所有行当作同一个分组的情况外，分组函数必须配合 order by来使用。
累加
我需要计算2022年 OpenSea的每天累计交易量,和按每条链每天累计的交易量
SQL
select
block_date,
chain,
sum(value) as volume,
sum(sum(value)) over (order by block_date) cum_total_volume, -- Cumulative value total chain
sum(sum(value)) over (partition by chain order by block_date) cum_total_chain_volume -- Cumulative value partition by chain
from nft_transactions
where marketplace_slug ='opensea'
and block_date between date '2022-01-01' and date '2022-12-31' -- filter date between '2022-01-01' to '2022-12-31'
group by 1,2 -- group by field 1 and field 2 ,the same as block_date,chain
order by 1 -- order by field 1 ,the same as block_date
Footprint Query URL
lead()和lag() 函数
The LEAD() function is useful for comparing the value of the current row with the value of the subsequent rows.
Syntax ：LEAD(return_value ,offset [,default]) OVER ( [PARTITION BY partition_expression, ... ] ORDER BY sort_expression [ASC | DESC] )
The LAG() function is useful for comparing the value of the current row with the value of the previous rows.
Syntax：LEAD(return_value ,offset [,default]) OVER ( [PARTITION BY partition_expression, ... ] ORDER BY sort_expression [ASC | DESC] )
我需要看OpenSea最近90天每天的交易量和相教于上一天的交易额变化情况
SQL
select
block_date,
volume,
lag(volume) over(order by block_date) as lag_1D_volume, -- Previous day's volume
volume -lag(volume) over(order by block_date) as lag_1D_volume_growth -- The current day's volume - the previous day's volume
from
(
select
block_date,
sum(value) as volume
from nft_transactions
where marketplace_slug ='opensea'
and block_date >= date_add('day',-90,current_date) -- Filtering the last 90 days of data
group by 1
order by 1
)as v
Footprint Query URL
https://www.footprint.network/chart/OpenSea-daily-volume-change-in-the-last-90-days-fp-35312
Row_Number()
Returns a unique, sequential number for each row, starting with one, according to the ordering of rows within the window partition.
我需要按照每条链的NFT的市值进行排序
SQL
select
row_number() over (order by market_cap desc) as ranking --Sorted by market cap in descending order
,logo
,ncds.collection_name
,ncds.chain
,row_number() over (partition by ncds.chain order by market_cap desc) as chain_ranking -- Grouped by chain and then sorted by market cap in descending order
,market_cap
,volume
from
nft_collection_daily_stats as ncds
left join
nft_collection_info as nci
on ncds.collection_contract_address = nci.contract_address and ncds.chain = nci.chain
where on_date = (select max(on_date) from nft_collection_daily_stats)
order by 1 asc
Footprint Query URL
https://www.footprint.network/chart/The-latest-Data-of-NFT-MarketCap-Ranking-fp-35313
** **
array_agg()
Merge one column of each row of data in the query result set together
List the chains on which the stepn protocol is published
SQL
select array_agg(chain) as names
from protocol_info
where protocol_slug ='stepn'
element_at(array(E), index)
Returns element of array at given index. If index > 0, this function provides the same functionality as the SQL-standard subscript operator ([]), except that the function returns NULL when accessing an index larger than array length, whereas the subscript operator would fail in such a case. If index < 0, element_at accesses elements from the last to the first.
unnest()
Maps are expanded into two columns (key, value):
SELECT * FROM UNNEST(
map_from_entries(
ARRAY[
('SQL',1974),
('Java', 1995)
])
) AS t(language, first_appeared_year)
more unnest function link
sequence(start, stop, step)
Generate a sequence of dates from start to stop, incrementing by step. The type of step can be either INTERVAL DAY TO SECOND or INTERVAL YEAR TO MONTH.
I need consecutive dates per day between 2022-01-01 and 2022-01-05
SQL
select cast(date_column as date) date_column from
(
VALUES (sequence(date('2022-01-01'),date('2022-01-05'),INTERVAL '1' day))
)as t1(date_array)
CROSS join UNNEST(date_array) as t2(date_column)
每一种数据库都有几十个甚至上百个内置的函数，上面只是介绍了一小部分的常用函数。更多的内置函数用法：Trino 内置函数
推荐阅读
Footprint Analytics 是首家 Crypto 领域支持无代码数据分析平台。平台还提供一个统一的数据 API，让用户可以快速检索超过23条公链生态的 NFT，GameFi 以及 DeFi 数据。
如果您对该课程有任何反馈或建议，您可以通过以下方式联系我们。
Footprint Website: https://www.footprint.network
Discord: https://discord.gg/3HYaR6USM7
Twitter: https://twitter.com/Footprint_Data
此文章是 #Footprint Analytics for SQL 系列 的其中一个章节。
前言： 在”SQL基础（一）“部分中我们介绍了SQL的基础知识，包括SQL查询语句的基础结构语法说明、日期时间、分组聚合、子查询、关联查询和联合查询等内容，接下来我们继续介绍一些常用的SQL基础知识点
链上的数据都是按照交易发生的时间先后顺序进行记录保存的，日常分析中经常需要对一段时间范围内的数据进行统计。上个部分介绍过 date_trunc函数的用法，主要是对日期进行截断处理。除此之外还有一些常用的函数和使用方法
now() 和 current_date函数
函数now()用于获取当前系统的时间，精确到微秒。需要注意的是FootPrint Analytics 的 token_price_5min 是五分钟间隔的，要将其他表和价格表用时间字段做关联时，必须先按五分钟截取，否则可能关联不上正确的代币价格
函数current_date用于获取当前时间，以天为单位。当我们需要按时间日期筛选筛选数据时通常需要结合他们来使用，函数current_date相当于date_trunc(‘day’,now())
SQL
select
now() – 当前系统日期和时间
,current_date –当前系统日期
,current_timestamp –与now相同
,date_trunc(‘day’,now()) – 与current_date 相同
,from_unixtime(cast(to_unixtime(now())/300 AS BIGINT) * 300) – 将当前时间指定为一天中每5分钟除以的数值
Footprint Query URL
https://www.footprint.network/chart/Date-Functions-fp-35130
date_add 和date_diff 函数
函数date_add(unit,value,expr) 在一个日期表达式上面添加一个日期单位加上value的值。’unit’ 常用的单位有：hour，day,week,month等。value表示从后面的表达式减去对应时间单位数值，当然value也可以是负数
函数date_diff(unit,start_date,end_date) 得到两个日期表达式直接间隔的数值，unit常用的单位有：day,week,month。如果end_date > start_date ,放回正数，否则则是负数
SQL
select
date_add('day',-90,now()) "past 90D" –
,date_add('day', 365,date'2021-01-01') as add_365_day
,date_add('day', -365,date'2022-01-01') as sub_365_day
,date_diff('day',date '2021-01-01',date '2022-01-01') as "end_date>start_date"
,date_diff('day',date '2022-01-01',date '2021-01-01') as "end_date<start_date"
Interval 类型
interval是一种数据类型，以指定的日期时间单位表示某个时间间隔。
SQL
select
now() - interval '2' hour -- 两个小时前
,current_date - interval '7' day -- 七天之前
,now() + interval '1' month -- 一个月之后的当前时间
更多日期时间相关函数的说明，请参考
case
当我们需要应用条件逻辑的时候，可以应用case语句。CASE语句的常用语法格式为CASE {WHEN cond1 THEN res1} [...] [ELSE def] END，它可以用多个不同的条件评估一个表达式，并返回第一个评估结果为真值（True）的条件后面的值，如果全部条件都不满足，则返回else后面的值。其中的else部分还可以省略，此时返回NULL
如果我想要查看OpenSea marketplace 在最近7天每笔交易额换算为ETH的金额进行分三个档次，分别是小于10ETH,在10到50之间和大于50
select
date_trunc('day',block_timestamp) as block_date, -- 把block_timestamp时间转换成天
eth_amount_range,
count(transaction_hash) as transactions -- 计算每天，每个分的交易次数
from
(
select
transaction_hash,
amount,
block_timestamp,
collection_slug,
case when eth_amount < 10 then '<10 eth' -- 当eth_amount <10就归入 '<10 eth'的分组
when eth_amount >= 10 and eth_amount <= 50 then 'between 10 to 50 eth' -- 当eth_amount >= 10 并且 <=50 就归入'between 10 to 50 eth' 分组
else '>50 eth' -- 否则就归入 '> 50 eth' 的分组
end as eth_amount_range
from nft_transactions
where
marketplace_slug ='opensea' -- 筛选marketplace是opensea的交易
and eth_amount is not null -- 筛选eth_amount 不为空的数据
and block_timestamp >= (current_date - interval '7' day) -- 筛选前七天的数据
)as range_info -- 把括号里的查询当成一个视图，将视图命名为 range_info
group by 1,2 -- 按第一个和第二个字段进行分组
order by 1 -- 按第一个字段，即block_date做升序排序
函数if(cond, expr1, expr2)它的作用时根据条件值评估的真假，返回两个表达式中的其中一个值。如果条件评估结果为真值，则返回第一个表达式，如果评估为假值，则返回第二个表达式。
SQL
select
if(1>2,'A','B') "1>2" -- Return 'A' if 1>2, otherwise return 'B'
,if('a' = 'A',1,0) AS "a=A" -- If lowercase 'a' is equal to uppercase 'A', return 1, otherwise return 0
函数COALESCE(val1, val2, ...., val_n),return the first non-null value in a list
SQL
select
COALESCE(NULL, 'Footprint Analytics','A') -- return Footprint Analytics
,COALESCE(NULL,'A','Footprint Analytics') -- return A
,COALESCE('A',NULL,'Footprint Analytics') -- return A
字符串转小写
字符串位数截取
字符串连接
16进制转10进制
Lower()
在Footprint Analytics 中EVM兼容链的交易哈希值（hash）、用户地址、智能合约地址这些全部以小写字符格式保存。但是在字符串比较的时候，是区分大小写的。字符a和A是不同的，地址0x3ddfa8ec3052539b6c9549f12cea2c295cff5296和0x3DdfA8eC3052539b6C9549F12cEA2C295cfF5296是“不相等”的。所以我们需要将地址手动转换为全部小写再比较，或者使用lower()函数转换后比较。
SQL
select
'a'='A' – Character case is different, return false
,'a'='a' – Character case is the same, return true
,'0x3ddfa8ec3052539b6c9549f12cea2c295cff5296' = '0x3DdfA8eC3052539b6C9549F12cEA2C295cfF5296' --Character case is different, return false
,'0x3ddfa8ec3052539b6c9549f12cea2c295cff5296' = LOWER('0x3DdfA8eC3052539b6C9549F12cEA2C295cfF5296') --Character case is the same, return true
Substring() 函数
substring(string, start)
Returns the rest of string from the starting position start. Positions start with 1. A negative starting position is interpreted as being relative to the end of the string.
substring*(string, start, length)*
Returns a substring from string of length length from the starting position start. Positions start with 1. A negative starting position is interpreted as being relative to the end of the string.
Concat() 函数和 || 操作符
函数concat(expr1, expr2 [, ...] )将多个表达式串接到一起，常用来链接字符串。操作符||的功能和Concat函数相同
from_base
Returns the value of string interpreted as a base-radix number.
下面是一个使用上述函数的综合例子，这个例子从ethereum_logs表解析跨链到ronin链的 的记录
SQL
"
select date_trunc('day', block_timestamp) as block_date, --截取日期
substring(data, 3 + 64 * 3, 64) hex_address, -- 提取data中的第4部分转换为用户地址，从第3个字符开始，每64位为一组
concat('0x', substring(substring(data, 3 + 64 * 3, 64), -40)) as address, -- 提取data中的第4部分转换为用户地址，从第3个字符开始，每64位为一组，从右截取40位，用'0x'连接截取出来的数据
concat('0x', substring(substring(data, 3 + 64 * 4, 64), -40)) as token, -- 提取data中的第5部分转换为用户地址
substring(data, 3 + 64 * 11, 64) as hex_amount, -- 提取data中的第12部分
from_base(substring(data, 3 + 64 * 11, 64),16) as amount, -- 提取data中的第12部分，转换为10进制数值
transaction_hash
from ethereum_logs
where address = '0x64192819ac13ef72bf6b5ae239ac672b43a9af08' -- Axie Infinity: Ronin Bridge V2
and element_at(topics,1) = lower('0xd7b25068d9dc8d00765254cfb7f5070f98d263c8d68931d937c7362fa738048b') -- Send
and substring(data, 3 + 64 * 4, 64) = '000000000000000000000000c02aaa39b223fe8d0a0e5c4f27ead9083c756cc2' -- WETH，直接判断16进制值
and block_timestamp >= now() - interval '7' day
limit 10
"
Footprint Query URL
https://www.footprint.network/chart/ethereum-logs-Parse-Axie-Infinity%3A-Ronin-Bridge-V2-fp-35308
多行数据的组合成为窗口（Window）。对窗口中的一组行进行操作并根据该组行计算每一行的返回值的函数叫窗口函数。窗口函数对于处理任务很有用，例如计算移动平均值、计算累积统计量或在给定当前行的相对位置的情况下访问行的值
function可以是排名窗口函数、分析窗口函数或者聚合函数。over是固定必须使用的关键字。window_spec部分又有两种可能的变化：partition by partition_feild order by order_field或者order by order_field，分别表示先分区再排序和不分区直接排序。除了把所有行当作同一个分组的情况外，分组函数必须配合 order by来使用。
累加
我需要计算2022年 OpenSea的每天累计交易量,和按每条链每天累计的交易量
SQL
select
block_date,
chain,
sum(value) as volume,
sum(sum(value)) over (order by block_date) cum_total_volume, -- Cumulative value total chain
sum(sum(value)) over (partition by chain order by block_date) cum_total_chain_volume -- Cumulative value partition by chain
from nft_transactions
where marketplace_slug ='opensea'
and block_date between date '2022-01-01' and date '2022-12-31' -- filter date between '2022-01-01' to '2022-12-31'
group by 1,2 -- group by field 1 and field 2 ,the same as block_date,chain
order by 1 -- order by field 1 ,the same as block_date
Footprint Query URL
lead()和lag() 函数
The LEAD() function is useful for comparing the value of the current row with the value of the subsequent rows.
Syntax ：LEAD(return_value ,offset [,default]) OVER ( [PARTITION BY partition_expression, ... ] ORDER BY sort_expression [ASC | DESC] )
The LAG() function is useful for comparing the value of the current row with the value of the previous rows.
Syntax：LEAD(return_value ,offset [,default]) OVER ( [PARTITION BY partition_expression, ... ] ORDER BY sort_expression [ASC | DESC] )
我需要看OpenSea最近90天每天的交易量和相教于上一天的交易额变化情况
SQL
select
block_date,
volume,
lag(volume) over(order by block_date) as lag_1D_volume, -- Previous day's volume
volume -lag(volume) over(order by block_date) as lag_1D_volume_growth -- The current day's volume - the previous day's volume
from
(
select
block_date,
sum(value) as volume
from nft_transactions
where marketplace_slug ='opensea'
and block_date >= date_add('day',-90,current_date) -- Filtering the last 90 days of data
group by 1
order by 1
)as v
Footprint Query URL
https://www.footprint.network/chart/OpenSea-daily-volume-change-in-the-last-90-days-fp-35312
Row_Number()
Returns a unique, sequential number for each row, starting with one, according to the ordering of rows within the window partition.
我需要按照每条链的NFT的市值进行排序
SQL
select
row_number() over (order by market_cap desc) as ranking --Sorted by market cap in descending order
,logo
,ncds.collection_name
,ncds.chain
,row_number() over (partition by ncds.chain order by market_cap desc) as chain_ranking -- Grouped by chain and then sorted by market cap in descending order
,market_cap
,volume
from
nft_collection_daily_stats as ncds
left join
nft_collection_info as nci
on ncds.collection_contract_address = nci.contract_address and ncds.chain = nci.chain
where on_date = (select max(on_date) from nft_collection_daily_stats)
order by 1 asc
Footprint Query URL
https://www.footprint.network/chart/The-latest-Data-of-NFT-MarketCap-Ranking-fp-35313
** **
array_agg()
Merge one column of each row of data in the query result set together
List the chains on which the stepn protocol is published
SQL
select array_agg(chain) as names
from protocol_info
where protocol_slug ='stepn'
element_at(array(E), index)
Returns element of array at given index. If index > 0, this function provides the same functionality as the SQL-standard subscript operator ([]), except that the function returns NULL when accessing an index larger than array length, whereas the subscript operator would fail in such a case. If index < 0, element_at accesses elements from the last to the first.
unnest()
Maps are expanded into two columns (key, value):
SELECT * FROM UNNEST(
map_from_entries(
ARRAY[
('SQL',1974),
('Java', 1995)
])
) AS t(language, first_appeared_year)
more unnest function link
sequence(start, stop, step)
Generate a sequence of dates from start to stop, incrementing by step. The type of step can be either INTERVAL DAY TO SECOND or INTERVAL YEAR TO MONTH.
I need consecutive dates per day between 2022-01-01 and 2022-01-05
SQL
select cast(date_column as date) date_column from
(
VALUES (sequence(date('2022-01-01'),date('2022-01-05'),INTERVAL '1' day))
)as t1(date_array)
CROSS join UNNEST(date_array) as t2(date_column)
每一种数据库都有几十个甚至上百个内置的函数，上面只是介绍了一小部分的常用函数。更多的内置函数用法：Trino 内置函数
推荐阅读
Footprint Analytics 是首家 Crypto 领域支持无代码数据分析平台。平台还提供一个统一的数据 API，让用户可以快速检索超过23条公链生态的 NFT，GameFi 以及 DeFi 数据。
如果您对该课程有任何反馈或建议，您可以通过以下方式联系我们。
Footprint Website: https://www.footprint.network
Discord: https://discord.gg/3HYaR6USM7
Twitter: https://twitter.com/Footprint_Data
![Cover image for 1.5[Intermediate] Iceberg-Trino 如何解决链上数据面临的挑战](https://img.paragraph.com/cdn-cgi/image/format=auto,width=3840,quality=85/https://storage.googleapis.com/papyrus_images/5f9d4430fcd78103e346b51a95d59f17df5ed3a8d9b08ea412a1d2ba116f9247.jpg)
Footprint Analytics1.5[Intermediate] Iceberg-Trino 如何解决链上数据面临的挑战
此文章是 #Web3 data 系列 的其中一个章节。链上数据处理面临的挑战区块链数据公司，在索引以及处理链上数据时，可能会面临一些挑战，包括：海量数据。随着区块链上数据量的增加，数据索引将需要扩大规模以处理增加的负载并提供对数据的有效访问。因此，它导致了更高的存储成本；缓慢的指标计算和增加数据库服务器的负载。复杂的数据生产流程。区块链技术是复杂的，建立一个全面和可靠的数据索引需要对底层数据结构和算法有深刻的理解。这是由区块链实现方式的多样性所决定的。举一个具体的例子，以太坊中的 NFT 通常是在遵循 ERC721 和 ERC1155 格式的智能合约中进行创建的，而像Polkadot 上通常是直接在区块链运行时间内构建的。对于用户来说，不管是任何形式的存在，这些数据应该被视为 NFT 的交易，需要被存储，并且处理为可读状态，方便分析以及进行计算。集成能力。为了给用户提供最大的价值，区块链索引解决方案可能需要将其数据索引与其他系统集成，如分析平台或 API。这很有挑战性，需要在架构设计上投入大量精力。随着区块链技术的使用越来越广泛，存储在区块链上的数据量也在增加。这是因为更多的人在...
Footprint Analytics区块链游戏概览：回顾 2023，展望 2024
作者：lesley@footprint.network 数据来源：区块链游戏年报关键要点今年，比特币（BTC）市值从上年的低谷中强劲回升，相较之下，区块链游戏市场的增长虽然较为平淡，但年末也迎来了显著的上升势头。今年的游戏中，仅有 6% 的游戏拥有超过 1,000 个活跃钱包，相比去年的 10% 有所减少。2023 年，尽管整体交易量比 2022 年的高点有所下降，交易次数却相对稳定。2023 年，区块链游戏行业正在发展，而 AI 也在深刻改变着这一行业。Layer 2 区块链也发展迅速，但 BNB 链等老牌区块链仍占据市场。市场正在期待顶尖区块链游戏的出现，GambleFi 或许将迎来增长，但仍需面对监管挑战。在用户获取上，利用 Telegram 和 X（Twitter）等社交平台平台来触达庞大用户群体已成为一种趋势区块链游戏是 Web3 领域对于大众普及的重要催化剂，在简化复杂概念、让人们理解区块链技术上发挥着重要作用。与其他领域不同，传统游戏里早已存在的游戏货币和道具概念，使区块链游戏成为普罗大众更易理解和接受的 Web3 普及方案。 尽管 2023 年区块链游戏市场交易量...
Footprint Analytics如何使用Footrace 钱包监控功能和设置自定义的交易警报
本文将介绍如何使用 Footrace 监控 CEX 的钱包地址并设置自定义警报。 2022-06-12 本文将介绍如何使用 Footrace 监控 CEX 的钱包地址并设置自定义警报。 什么是 Footrace？ Footrace (Foot Trace) 是一个多链的钱包追踪监控平台，可以监控CEX、DEX、鲸鱼、聪明钱、或任何你想关注的地址的钱包。 Footrace 帮助投资者保护他们的投资并监控异常的市场和资金流动。您可以设置自定义警报，通过电子邮件、电报、Discord、SMS 等向您发送重要的资金流通知和警报。Footrace 中心化交易所监控页Footrace目前监控了 122 交易所的资金流活动及其钱包余额。包括了中心化和去中心化交易所的地址数据。由于这些交易所和基金可能会添加新的钱包地址，用户可以使用Footrace的钱包地址的功能来添加 Footrace 缺少的任何钱包地址。Footrace 地址提交工具 如何开始监控?钱包余额在监控交易所时，钱包余额是需要仔细关注的指标之一。具有大量钱包余额的交易所通常意味著有大量的客户，并反映出市场对此加密货币交易所的高度信...
Footprint Analytics1.5[Intermediate] Iceberg-Trino 如何解决链上数据面临的挑战
此文章是 #Web3 data 系列 的其中一个章节。链上数据处理面临的挑战区块链数据公司，在索引以及处理链上数据时，可能会面临一些挑战，包括：海量数据。随着区块链上数据量的增加，数据索引将需要扩大规模以处理增加的负载并提供对数据的有效访问。因此，它导致了更高的存储成本；缓慢的指标计算和增加数据库服务器的负载。复杂的数据生产流程。区块链技术是复杂的，建立一个全面和可靠的数据索引需要对底层数据结构和算法有深刻的理解。这是由区块链实现方式的多样性所决定的。举一个具体的例子，以太坊中的 NFT 通常是在遵循 ERC721 和 ERC1155 格式的智能合约中进行创建的，而像Polkadot 上通常是直接在区块链运行时间内构建的。对于用户来说，不管是任何形式的存在，这些数据应该被视为 NFT 的交易，需要被存储，并且处理为可读状态，方便分析以及进行计算。集成能力。为了给用户提供最大的价值，区块链索引解决方案可能需要将其数据索引与其他系统集成，如分析平台或 API。这很有挑战性，需要在架构设计上投入大量精力。随着区块链技术的使用越来越广泛，存储在区块链上的数据量也在增加。这是因为更多的人在...
Footprint Analytics区块链游戏概览：回顾 2023，展望 2024
作者：lesley@footprint.network 数据来源：区块链游戏年报关键要点今年，比特币（BTC）市值从上年的低谷中强劲回升，相较之下，区块链游戏市场的增长虽然较为平淡，但年末也迎来了显著的上升势头。今年的游戏中，仅有 6% 的游戏拥有超过 1,000 个活跃钱包，相比去年的 10% 有所减少。2023 年，尽管整体交易量比 2022 年的高点有所下降，交易次数却相对稳定。2023 年，区块链游戏行业正在发展，而 AI 也在深刻改变着这一行业。Layer 2 区块链也发展迅速，但 BNB 链等老牌区块链仍占据市场。市场正在期待顶尖区块链游戏的出现，GambleFi 或许将迎来增长，但仍需面对监管挑战。在用户获取上，利用 Telegram 和 X（Twitter）等社交平台平台来触达庞大用户群体已成为一种趋势区块链游戏是 Web3 领域对于大众普及的重要催化剂，在简化复杂概念、让人们理解区块链技术上发挥着重要作用。与其他领域不同，传统游戏里早已存在的游戏货币和道具概念，使区块链游戏成为普罗大众更易理解和接受的 Web3 普及方案。 尽管 2023 年区块链游戏市场交易量...
Footprint Analytics如何使用Footrace 钱包监控功能和设置自定义的交易警报
本文将介绍如何使用 Footrace 监控 CEX 的钱包地址并设置自定义警报。 2022-06-12 本文将介绍如何使用 Footrace 监控 CEX 的钱包地址并设置自定义警报。 什么是 Footrace？ Footrace (Foot Trace) 是一个多链的钱包追踪监控平台，可以监控CEX、DEX、鲸鱼、聪明钱、或任何你想关注的地址的钱包。 Footrace 帮助投资者保护他们的投资并监控异常的市场和资金流动。您可以设置自定义警报，通过电子邮件、电报、Discord、SMS 等向您发送重要的资金流通知和警报。Footrace 中心化交易所监控页Footrace目前监控了 122 交易所的资金流活动及其钱包余额。包括了中心化和去中心化交易所的地址数据。由于这些交易所和基金可能会添加新的钱包地址，用户可以使用Footrace的钱包地址的功能来添加 Footrace 缺少的任何钱包地址。Footrace 地址提交工具 如何开始监控?钱包余额在监控交易所时，钱包余额是需要仔细关注的指标之一。具有大量钱包余额的交易所通常意味著有大量的客户，并反映出市场对此加密货币交易所的高度信...
Footprint Analytics 是一个全面的区块链数据分析平台，简化了 Web3 项目的分析和社区管理，实现可持续增长。
Footprint Analytics 是一个全面的区块链数据分析平台，简化了 Web3 项目的分析和社区管理，实现可持续增长。
Share Dialog
Share Dialog
Subscribe to Footprint Analytics
Subscribe to Footprint Analytics
<100 subscribers
<100 subscribers
No activity yet