Covalent Network(CQT)长期数据设施,支持基于 “blob” 方案、总锁仓价值达 54 亿美元的头部EVM L2

本文主要是介绍Covalent Network(CQT)长期数据设施,支持基于 “blob” 方案、总锁仓价值达 54 亿美元的头部EVM L2,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在这里插入图片描述

Covalent Network(CQT)是领先的历史数据可用性网络,通过其在 Web3 中超过 225 个区块链上的结构化数据基础设施,为数千名客户和开发人员提供支持。Covalent Network(CQT)正在与未来以太坊的进步需求相匹配,尤其是考虑到以太坊改进提案 4844(EIP-4844)的情况下。凭借强大的基础设施,用户和开发人员可以从不断增长的数据库中获取大量可验证的结构化数据。该数据库包含数十亿个数据点,并已为 2.8 亿个钱包提供了丰富信息,并通过结构化信息塑造了人工智能和去中心化金融(DeFi)领域。

随着以太坊的扩展,为保持一个精简的框架,该系统会定期丢弃历史聚合数据。然而,这种做法导致仅仅 18 天后就无法恢复聚合数据,这凸显了确保长期数据可用性需要永久性解决方案的迫切性。对于应对以太坊去中心化方式下出现的瓶颈和效率问题,Covalent Network(CQT)的解决方案至关重要。

Covalent Network(CQT)的长期数据可用性方案脱颖而出

以太坊时光机(Ethereum Wayback Machine)是 Covalent Network(CQT)针对上述问题的主要解决方案。它不仅仅是另一种数据存储解决方案,它同样也是一个战略模块化解决方案,针对当前数据可用性机制,并提供了短期任意数据空间——为以太坊生态系统持续演进提供永久去中心化历史数据入口。

面向 EVM Layer2 生态系统的解决方案

为了评估 Covalent Network(CQT)解决方案对以太坊生态系统的影响,Covalent Network(CQT)对利用最新引入的 Blob 存储方案,来存储提交 Rollup 数据的各种以太坊 Layer 2 所带来的 总锁仓价值(TVL) 进行了研究。以下是基于 blob 方案 、兼容 EVM 的头部 Layer 2 TVL 的快照:

基于以太坊 blob 数据方案的头部 L2 项目 TVL

这些 L2 平台,其 TVL 约为 54 亿美元,是 Covalent Network(CQT)的 Ethereum Wayback Machine 的主要用户,该机制控制并输出长期的 blob 数据。Covalent Network(CQT)支持 10 大顶尖 L2 项目中的 6 个,这些项目利用 blob 存储来满足他们的数据分析(DA)需求,这证实了其在增强这些网络数据访问方面的关键作用。blob 的用途,目前主要通过 Rollup 数据展示,并正在进一步验证和探索其他应用场景,这表明长期数据将在未来变得更加重要。

确保使用以太坊时光机实现长期数据可用性

以太坊引入了 blob 技术,通过在信标链上临时发布 Layer2 Rollup 数据来缓解日益上涨的 gas 费用,目的是减少交易成本。然而,blob 数据只能存储大约 18 天,之后数据就会变得无法检索——因此出现了长期数据可用性的需求。不过,这是一个难以解决的问题,因此Covalent Network(CQT)通过推出以太坊时光机,策略性将自身定位为一个提供永久数据可用性的解决方案——为以太坊和 Web3 贡献了一个更可持续和成本效益更高的生态系统。

与只满足短期数据分析(DA)需求的临时解决方案不同,Covalent Network(CQT)的以太坊时光机提供了对这些数据的永久访问点。这有效地克服了以太坊 blob 的 18 天可用性限制,并在区块链生态系统内建立了数据永久性的新基准。通过确保历史数据始终可访问,Covalent Network(CQT)不仅满足了开发者和用户的即时需求,还捕捉了对去中心化数据基础设施(像这些目前对长期数据解决方案的偏好)不断增长的市场需求,完美对齐了对 blob 存储需求增长的长尾趋势。

在这里插入图片描述

这种方法与其他新兴技术方案形成了鲜明对比,尽管这些技术具有创新性,但它们并没有提供同样层次的历史数据整合和永久性访问。这一差别,对于那些依赖完整数据集来创建和维护去中心化应用程序的开发者来说至关重要。

市场定位和未来潜力

Covalent Network(CQT)在利用市场对以太坊原生数据可用性(DA)解决方案日益增长的偏好方面,有着突出的市场表现。Covalent Network(CQT)拥有一个包含超过 225 个区块链的广泛网络以及一个不断扩展的结构化、可验证和历史数据数据库,解决了可扩展性等关键问题,同时提高了整个以太坊生态系统的去中心化和效率。

随着以太坊网络的发展,Covalent Network(CQT)的以太坊时光机的重要性愈发凸显。为了支持未来像查询操作节点这样的自助服务选项而构建,Covalent Network(CQT)的基础设施提供了无限的可能性来增强网络中的供需。它致力于提供即时的数据访问,凸显了 Covalent Network(CQT)对促进去中心化和可访问环境的承诺,解决了以太坊可扩展性的关键挑战。

关于 Covalent Network(CQT)

Covalent Network(CQT)正在为去中心化生态系统提供数据基础设施,解决以太坊的长期数据可用性问题——这种基础设施可以重新执行数据块并塑造人工智能。随着 CQT 质押现已重新回到以太坊上,通往以太坊时光机的网络扩张的新曙光开始来临。这意味着如今,人工智能用例可以无阻碍地获取来自 225 个以上不断增长的区块链的链上数据。受到 Fidelity、Rainbow Wallet、Jump Crypto 等公司的信任。

这篇关于Covalent Network(CQT)长期数据设施,支持基于 “blob” 方案、总锁仓价值达 54 亿美元的头部EVM L2的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/995050

相关文章

Java图片压缩三种高效压缩方案详细解析

《Java图片压缩三种高效压缩方案详细解析》图片压缩通常涉及减少图片的尺寸缩放、调整图片的质量(针对JPEG、PNG等)、使用特定的算法来减少图片的数据量等,:本文主要介绍Java图片压缩三种高效... 目录一、基于OpenCV的智能尺寸压缩技术亮点:适用场景:二、JPEG质量参数压缩关键技术:压缩效果对比

SpringBoot首笔交易慢问题排查与优化方案

《SpringBoot首笔交易慢问题排查与优化方案》在我们的微服务项目中,遇到这样的问题:应用启动后,第一笔交易响应耗时高达4、5秒,而后续请求均能在毫秒级完成,这不仅触发监控告警,也极大影响了用户体... 目录问题背景排查步骤1. 日志分析2. 性能工具定位优化方案:提前预热各种资源1. Flowable

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

Java进行文件格式校验的方案详解

《Java进行文件格式校验的方案详解》这篇文章主要为大家详细介绍了Java中进行文件格式校验的相关方案,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、背景异常现象原因排查用户的无心之过二、解决方案Magandroidic Number判断主流检测库对比Tika的使用区分zip

SpringKafka消息发布之KafkaTemplate与事务支持功能

《SpringKafka消息发布之KafkaTemplate与事务支持功能》通过本文介绍的基本用法、序列化选项、事务支持、错误处理和性能优化技术,开发者可以构建高效可靠的Kafka消息发布系统,事务支... 目录引言一、KafkaTemplate基础二、消息序列化三、事务支持机制四、错误处理与重试五、性能优

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Redis 中的热点键和数据倾斜示例详解

《Redis中的热点键和数据倾斜示例详解》热点键是指在Redis中被频繁访问的特定键,这些键由于其高访问频率,可能导致Redis服务器的性能问题,尤其是在高并发场景下,本文给大家介绍Redis中的热... 目录Redis 中的热点键和数据倾斜热点键(Hot Key)定义特点应对策略示例数据倾斜(Data S