Web3 是区块链技术许多不同用途的简单包罗万象，包括加密货币、智能合约、去中心化金融、玩赚钱游戏等，几乎每天都有新的用例。但 Web3 不仅仅是一种共享技术，它是一种理念，即每个人都应该从网络所有权和运营向去中心化社区的转变中受益，包括更透明、可加密验证（去信任）的数据管理——最终使用户重新获得直接的利益。控制他们的数据。

对于 Web3 世界之外的人来说，这造成了双重障碍；新入行者必须首先吸收实质性的技术差异，然后协调全新的思维模式对他们的业务意味着什么，所有这些都发生在一个快速成熟的行业中，几乎每天都有新的解决方案进入市场。

虽然空间和时间 (SxT) 无法完全解决这些沉浸式挑战，但它可以通过在非常熟悉（且有用）的包中呈现一种新颖的范例：数据仓库，帮助传统 (Web2) 企业更快地理解这种新的运营现实。

授权和行业压力

与 Web2、然后是云、然后是 AI/ML 一样，传统企业中开始探索/理解 Web3 技术的压力将会越来越大。这可能令人望而生畏，因为它代表了计算领域的另一种范式转变——而不是像云那样的微不足道的变化，在云中，相同的组件只是改变了数据中心所有者和定价模型——Web3 是一种全新的设想计算的方式，从基础设施到软件从所有权到价值创造。市场一次又一次地奖励那些在采用曲线上领先的公司，并惩罚那些落后的公司。因此，在考虑 SxT 的上市策略时，我们的目标是希望减轻将区块链数据与具有加密保证的传统数据集合并的负担的 Web3 原生公司，以及希望开始 Web3 之旅的 Web2 企业，使用易于理解的分析/数据仓库技术作为跳板来简化并提供上下文，以便更好、更快地理解。

有什么相同？

SxT 既是一个事务数据存储，又是一个数据仓库，它是通过 Web3 分布式计算技术和开源数据技术的新进展而实现的。这意味着它的核心是一个符合 ANSI 的 SQL 数据库 — 企业 IT 领域的任何人都非常熟悉。您可以使用熟悉的 SQL 编辑器工具（使用 ODBC/JDBC）提交 SQL 查询。您可以使用 REST 和 GraphQL 提交 API 请求。您使用 SxT 的方式会感觉非常熟悉，因为 SxT 实现了一个 SQL 数据库，过去 40 年来，地球上的每个企业都在其分析生态系统的某个地方使用过该数据库。

有什么不同？

Space 和 Time 的 SQL 接口可能是每个人都熟悉的，但其基础却非常不同。SxT 不是本地或云端托管的单个逻辑 IT 资产，而是一种去中心化应用程序。这与 Spark、Snowflake 或 Hadoop 等分布式（分片或集群）应用程序不同，后者作为由许多计算单元组成的一个逻辑实体工作。SxT 是这些分布式应用程序的网络，本质上是一个集群的集群。

但这并不是 Web3 的不同之处，而是各个集群是去中心化的，这意味着任何人都可以成为集群运营商并扩展 SxT 网络。Web3 不要求信任集中式、单一的提供商，而是旨在构建一个由不需要信任的社区提供商组成的去中心化网络。通过利用区块链、密码学和加密技术，可以通过不可变的审计跟踪安全地分发、存储和查询数据。SxT 可以返回加密保证，确保提交的 SQL 是使用 SxT 新颖的“SQL tm 证明”加密运行的 SQL。除了提供存储证明的链锚默克尔树之外，这还提供了验证（而不是信任），并为任何有能力和愿望启动 SxT 集群并加入网络（并为其服务付费）的人开辟了道路。与任何人一样，企业也可以成为节点运营商，这样，从返回网络的计算贡献中获得的收入就可以抵消其自身的使用成本，从而使 SxT 本质上是免费的（甚至是盈利的）。

保护开放网络上的数据安全

第一个反对意见通常是围绕数据访问和安全性，将数据交给第三方节点运营商的想法可能会令人不安。Space and Time 有两种解决方案，具体取决于数据敏感性和 Web3 采用曲线：

端到端加密

保护 SxT 数据的最简单方法是内置加密。这并不禁止第三方访问数据，而是对数据进行加密，使得组织外部的任何人都无法读取数据。

私有节点集群

回想一下，SxT 是一个簇的簇。这使得拥有高度敏感数据或内部抵制 Web3 范式的企业可以在其内部网内构建自己的 SxT 集群，并仅服务内部请求。这并不妨碍私有集群在需要时参与多集群连接，因此通过适当的网络连接到外部数据集仍然是可行的。

Web3数据透明度

与向去中心化基础设施和加密保证的转变类似，Web3 的另一个转变是从数据保护主义到数据透明度。这得益于区块链的不变性——任何人（甚至作者）都无法更新账本。Web3 领域的大多数参与者都愿意在隐私允许的情况下共享许多可操作的数据集。看看区块链的第一个用途：加密货币。任何加密货币的每笔交易都是公开的。事实上，如果社区无法检查准确性，系统就无法工作。用户只能通过他们的钱包 ID（哈希码）来识别，因此用户数据归用户所有，但交易是公共记录。

当然也有企业数据不适合发布，这就是为什么SxT将传统DWH数据与Web3/区块链数据合并在一个系统上。SxT 还鼓励数据提供商在适当的情况下透明地共享数据集。所有这些都说明：Web3 公司仔细考虑什么可以与社区共享以及什么必须受到保护，而不是总是默认后者。

概括

我回想起云计算早期的声明：“企业永远不会将敏感数据托管在其他人的硬件上。” 如今，数据仓库的所有增长都在云中进行，本地解决方案被认为是“传统”解决方案。对云的沉默是旧思维的表现。今天的 Web3 就相当于 10 年前的云计算……虽然很新，但并不总是被很好地理解，但正在迅速成熟，并且对早期采用者充满潜在价值，并且很可能成为大多数未来生态系统架构的组成部分。具有前瞻性的传统组织正在寻求涉足当今的领域，探索和了解新技术和运营期望 - SxT 具有独特的能力，可以通过为 Web3（未来计划）和 Web2 提供切实的价值来提供帮助（今天创造价值）用例。

在人工智能（AI）和数据驱动创新的时代，信息的准确性和可信性变得至关重要。可验证性，即检查数据有效性和真实性的能力，不再只是一个可有可无的功能。这是绝对必要的。展望未来十年及以后，可验证性的重要性只会继续增长。原因如下。

数据革命和人工智能：可验证性挑战

随着人工智能的出现，我们已经进入了决策日益自动化的阶段。人工智能算法从数据中学习，它们做出的决策取决于它们所输入的数据。如果输入数据有缺陷、有偏见或不完整，结果将反映出这些缺陷。

此外，随着人工智能系统变得越来越复杂，其决策过程往往变得不那么透明，导致有时被称为“黑匣子”的人工智能。这种不透明性使得理解特定结果是如何达成的具有挑战性，凸显了对可验证数据和可解释人工智能模型的需求。

深度造假和错误信息的兴起

在数据泛滥的世界中，区分事实与虚构的能力变得至关重要。我们看到深度造假和错误信息活动的兴起，这些活动利用先进的人工智能技术来创建和传播难以区分真假的虚假信息。可验证性可以在应对这些威胁方面发挥至关重要的作用，有助于维护数字领域的真相和信任。

‍

解决方案：可验证的数据库

这就是空间和时间发挥作用的地方。作为一个可验证的数据库，时空确保数据不仅可靠、准确，而且可追溯、可审计。

空间和时间创建了一个分散的数据分类帐。通过这种方式，数据库提供了清晰的、不可更改的数据历史记录，确保了透明度和去信任性。

未来：人工智能时代的信任和透明度

随着我们的前进，对可验证数据的需求只会变得更加重要。随着人工智能和数据驱动决策的兴起，信任我们交互的信息的能力至关重要。像空间和时间这样的可验证数据库提供了一种在日益复杂的数字环境中确保信任、促进透明度和问责制的方法。

归根结底，可验证性不仅仅涉及数据完整性；还涉及数据完整性。这是为了建设一个我们可以自信地依赖人工智能系统的未来，因为我们知道它们的决策是基于准确、可靠的信息。这是为了创造一个在面对日益复杂的情况和潜在的错误信息时坚持真相和透明度的世界。这是为了确保当我们迈向未来时，我们对塑造世界的数据充满信心。

在当今的超数字化世界中，您所做的一切都会生成数据。每次您在线购买商品、在社交媒体上发布内容、甚至只是查看网页时，您的操作都会留下数据痕迹。尽管对于普通人来说这似乎微不足道，但这些数据对于寻求了解和影响消费者行为的企业来说非常有价值。随着企业收集的消费者数据量的增加，公众对隐私和个人数据滥用的担忧也随之增加。

企业和消费者之间的协议正在重新谈判。消费者越来越意识到他们的个人信息如何被使用，并要求企业提高透明度。为此，企业正在探索新的方法来管理数据并平衡客户的需求与所收集数据的潜在价值。

数据收集和消费者关注

自20 世纪 80 年代开始收集消费者数据以来，公司收集和存储的个人信息量呈爆炸式增长。消费者比以往任何时候都更加意识到和关注个人信息的保护。《哈佛商业评论》 2014 年进行的一项调查发现，97% 的消费者担心其个人数据被滥用。

普通消费者要求提高个人数据的透明度和控制权，并且对在他们不知情或明确同意的情况下收集和使用他们的信息的公司越来越警惕。所有 DTC 行业的企业都见证了消费者信任度的崩溃，因为个人对其个人信息的使用方式更加持怀疑态度，并且在分享个人信息时更加谨慎。

数据会发生什么情况？

消费者对数据共享的谨慎态度并非没有根据。公司，尤其是大型科技公司，经常被指控滥用和管理不善从用户那里收集的数据。当他们这样做时，他们就会付出代价。2018 年，Facebook成为头条新闻，一名前 Cambridge-Analytica 员工揭发了这家科技巨头未经同意收集用户数据并将其出售给这家英国咨询公司用于政治广告的行为，此举最终使 Meta 损失了 725美元百万。2020 年，谷歌因不承认其如何使用个人数据而被法国数据保护机构罚款5700 万美元。

数据管理不善

数据滥用的范围包括未经您同意将您的个人信息出售给广告商、在许可的应用程序之外跟踪您的位置、以及使用数字助理监听您的对话。如果这些事情发生在你身上的想法让你感到不舒服，那么你当然并不孤单。有多少次你大声提到你想吃披萨，结果片刻之后必胜客广告就出现在你的 Instagram 上？尽管肇事者极力否认，但许多消费者认为此类事件并非巧合。现实情况是，我们的数据管理是在黑匣子系统中进行的，我们不知道我们的个人数据被用来对付我们的确切程度。

“我们的数据管理是在黑匣子系统中进行的，我们不知道我们的个人数据被用来对付我们的确切程度。”

监管和隐私法

一些政府，即欧盟，采取了支持个人隐私的强硬立场。2018年，欧盟通过了众所周知的世界上最严格的隐私法。《通用数据保护条例》 (GDPR) 对违反为欧盟公民制定的隐私标准的公司处以巨额罚款。在美国，不存在这样的法律。相反，隐私受到HIPAA、FCRA、FERPA、GLBA、ECPA、COPPA 和 VPPA 等多种法律的保护。尽管这些法律可能会阻止企业滥用消费者数据（取得了不同程度的成功），但它们并不能防止可能更大的威胁：数据泄露。

数据泄露

即使企业完全遵守隐私法和道德标准，他们存储和管理数据的系统仍然容易受到黑客攻击和破坏。当您向信用卡公司提供年龄、地址和社会安全号码等信息时，您相信他们正在适当地管理这些数据（希望他们确实如此）。但如果发生黑客攻击，重要的私人数据会突然落入恶意者手中，而您却无法获得真正的追索权。不幸的是，这种事情一直在发生。2021 年，数据泄露数量比之前的历史最高水平增加了23% 。就在 2022 年 9 月，流行的流媒体应用程序 Plex 也卷入了一次大规模数据泄露事件，影响了超过3000 万用户。

对企业的影响

作为一家企业，未能保护和正确管理您收集的消费者数据将使您付出代价，而不仅仅是罚款。IBM估计，美国数据泄露的平均成本略低于 1000 万美元。更重要的是，数据滥用和数据泄露直接导致企业可以持有的最有价值的资产之一：消费者信任的流失。

在第二部分中，我们将研究消费者信任的价值并探讨隐私与信任之间的关系。

构建 Web3 原生数据仓库的挑战之一是所需的极端数字规模和精度 - 我们已经看到 Gas 费用、Gas 限制、代币奖励等要求数字规模和精度达到 72 位或以上。Oracle 或 Snowflake 等传统数据仓库的 Decimal 数据类型最高可达 37 位，利用 Float 数据类型来处理更大的数字。Float 数据类型面临的挑战是缺乏精度，这在 Web3 中意味着在聚合各方之间的价值转移时缺乏保真度。或者，一些 Web3 数据提供程序将这些非常大的数字存储在 VarChar 等字符字段中，但会牺牲基本数学函数的性能。用户可以在全精度数字之间进行选择，并能够执行基本计算。

为了实现高保真 Web3 用例，Space and Time 构建了 Big Decimal 数据类型来支持 Web3 极端大小和精度，同时仍然保留数学功能。

怎么运行的

Space and Time从多个端点接收区块链数据，然后将其发送到Kafka主题，数据仓库从中实时消费数据并将其写入表中。另外，我们建立了一个 ETL 流程，用于将历史区块链数据批量加载到数据仓库中。这允许用户访问区块 1 中的所有数据，还可以访问实时添加到链中的数据。我们努力使区块链事件与空间和时间中反映的数据之间的延迟尽可能低。

我们不是使用类似 JSON 的模式存储区块链数据，而是将区块链表提取到特定的结构化模式中，使开发人员更容易使用数据。对于开发人员来说，在关系模式之上编写应用程序和查询要容易得多，而不是简单的 JSON 块。

由于 Space and Time 是一个 HTAP 数据仓库，因此它由两种不同的查询引擎组成：OLTP（事务性、基于行）引擎和 OLAP（分析、基于列）引擎。从用户的角度来看，没有分叉——您只需运行查询并获取结果即可。Space and Time 处理到验证器层中适当引擎的路由。当用户运行事务查询时，它是从具有极端延迟的行格式数据库提供服务的。如果查询路由器确定用户运行了分析查询，则由 OLAP 引擎提供服务，该引擎作用于列式存储格式，以实现更快的查询响应时间并减少存储和查询引擎之间的数据传输。

当我们构建区块链索引服务时，我们意识到区块链数据（特别是财务数据，如钱包余额）的精度可以高达 78 位。虽然我们的 OLTP 引擎本身支持这种精度级别，但 OLAP 引擎不支持超过 38 的精度和超过 18 的标度。尽管数据以字符串格式存储，但仍然无法进行计算（即使对此类数据进行基本的数学运算（如加法和减法），而不会损失精度。因此，我们创建了 Big Decimal 数据类型，它支持无限精度，允许用户以有意义的方式处理区块链数据，而不会损失精度。

数据革命和人工智能：可验证性挑战

随着人工智能的出现，我们已经进入了决策日益自动化的阶段。人工智能算法从数据中学习，它们做出的决策取决于它们所输入的数据。如果输入数据有缺陷、有偏见或不完整，结果将反映出这些缺陷。

此外，随着人工智能系统变得越来越复杂，其决策过程往往变得不那么透明，导致有时被称为“黑匣子”的人工智能。这种不透明性使得理解特定结果是如何达成的具有挑战性，凸显了对可验证数据和可解释人工智能模型的需求。

深度造假和错误信息的兴起

在数据泛滥的世界中，区分事实与虚构的能力变得至关重要。我们看到深度造假和错误信息活动的兴起，这些活动利用先进的人工智能技术来创建和传播难以区分真假的虚假信息。可验证性可以在应对这些威胁方面发挥至关重要的作用，有助于维护数字领域的真相和信任。

‍

解决方案：可验证的数据库

这就是空间和时间发挥作用的地方。作为一个可验证的数据库，时空确保数据不仅可靠、准确，而且可追溯、可审计。

空间和时间创建了一个分散的数据分类帐。通过这种方式，数据库提供了清晰的、不可更改的数据历史记录，确保了透明度和去信任性。

未来：人工智能时代的信任和透明度

随着我们的前进，对可验证数据的需求只会变得更加重要。随着人工智能和数据驱动决策的兴起，信任我们交互的信息的能力至关重要。像空间和时间这样的可验证数据库提供了一种在日益复杂的数字环境中确保信任、促进透明度和问责制的方法。

归根结底，可验证性不仅仅涉及数据完整性；还涉及数据完整性。这是为了建设一个我们可以自信地依赖人工智能系统的未来，因为我们知道它们的决策是基于准确、可靠的信息。这是为了创造一个在面对日益复杂的情况和潜在的错误信息时坚持真相和透明度的世界。这是为了确保当我们迈向未来时，我们对塑造世界的数据充满信心。

浏览复杂的数据集并执行多方面的查询是许多数据驱动应用程序面临的常见挑战。开发人员可能会发现自己一遍又一遍地编写和运行相同的复杂的多表查询。这可能既耗时又容易出错，尤其是随着数据的增长和发展。为了支持更好的开发人员工作流程，我们很高兴地宣布我们引入了对空间和时间视图的支持。

从本质上讲，视图就像保存的查询快捷方式，您可以在将来的 SQL 语句中引用它。Space and Time 已经允许您在 Studio 界面上保存和命名查询，但通过增加对视图的支持，您可以在新的 SQL 语句中引用保存的查询，并轻松使用它为您的智能合约编写更复杂的逻辑一种具有成本效益的方式。此外，此升级还将实现更快的查询结果，以便更快地加载到您的应用程序、仪表板、BI 工具等上。

怎么运行的

视图是一种虚拟表；它是存储在数据库中的命名 SQL 查询。典型用途包括：

• 以消费者认为更自然、更简单等的方式构建数据。

• 限制数据访问/可见性（例如限制表列）

• 为架构已更改的表提供向后兼容的接口

当您查询标准视图时，数据库会对基表运行基础 SQL 查询并返回结果。它本质上是一种保存和重用复杂查询的方法，但它不存储结果数据，因此每次查询视图时，都需要再次执行底层查询。

Space and Time 支持标准视图，还支持两种特殊类型的视图：物化视图和参数化视图。

物化视图

物化视图是其结果在执行之前被物化的视图。换句话说，根据某些用户配置的冲动（无论是成功提交到引用的表还是只是过去的时间间隔），存储在物化视图中的数据都会被刷新。从用户的角度来看，对物化视图进行操作非常简单：它们的查询方式与视图相同，创建物化视图只需要有关刷新的额外配置。

参数化视图

参数化视图是添加参数的视图的扩展。参数是用户在执行视图时必须提供一些值的变量。因此，参数化视图可以对常见查询进行模板化，从而进一步提高与数据库交互时的工作效率。

它能实现什么

Space and Time 对标准、物化和参数化视图的支持为分析开辟了大量新用例：

• **复杂的分析操作：**如果您正在处理涉及多个繁重计算的复杂数据分析，例如时间序列分析、多维分析或任何其他复杂的操作，视图可以通过存储预先计算的结果来显着加快这些操作的速度，从而允许您可以更有效地产生见解。

• **更快的仪表板：**假设您的应用程序包含一个仪表板，可显示最近的用户活动、关键性能指标以及定期更新的其他信息。您可以使用物化视图来存储这些查询的结果，而不是每隔几秒运行一次占用大量资源的查询来刷新仪表板。这减少了数据库的负载，并允许更快地更新仪表板。

• **个性化的用户体验：**参数化视图非常适合需要根据个人用户配置文件或操作检索特定信息的场景。如果您想使用参数化视图为应用中的每个用户显示个性化活动源，您可以创建一个带有用户 ID 占位符的查询模板，这样您就不必为每个用户编写唯一的查询。这不仅简化了您的代码，还提高了应用程序的性能。假设您想要按时间范围创建 NFT 购买图表。您可以使用一些简单的参数（例如时间范围、交易哈希、智能合约地址或用户地址信息）轻松执行历史分析，而不是简单地提供区块链的当前状态。