链上数据分析：Dune、The Graph 子图与链上指标

链上数据是「公开的黄金」——每一笔转账、每一个合约调用都可查询。但原始链数据杂乱无章，直接读事件/交易非常低效。链上数据分析的工程就是**「原始链数据 → 结构化表 → 指标」**的三层管道：Dune 提供免运维的 SQL 分析、The Graph 提供可编程的链下索引与 GraphQL 查询、自建索引器提供完全掌控。

本文系统讲解链上数据栈：数据的获取与索引原理 → Dune Analytics 实战 → The Graph 子图开发 → 常用链上指标与仪表盘 → 协议分析的指标体系 → 自建索引器的工程权衡。

前置：/ethereum-evm-solidity/（事件/交易结构）、/smart-contract-development/（ABI 与事件）、/defi-protocols/（协议机制）。

目录

• 1. 链上数据全景：从区块到指标
• 2. 数据的获取与索引原理
• 3. Dune Analytics：SQL 分析实战
• 4. The Graph：子图开发与 GraphQL
• 5. 常用链上指标与仪表盘
• 6. 协议分析的指标框架
• 7. 自建索引器的工程路径
• 8. 数据分析的常见陷阱
• 9. 从数据到洞察的方法论
• 10. 速查表与一句话记忆
• 延伸阅读

1. 链上数据全景：从区块到指标

区块/交易/事件（原始数据）
      │ 解析、索引
      ▼
结构化表（转账表/调用表/协议表）
      │ 聚合、计算
      ▼
指标（TVL/活跃地址/费用/Gas）→ 仪表盘/报告

三种主流工具：

认知：Dune 适合「快速出指标」，The Graph 适合「为 DApp 提供查询接口」，自建适合「特殊需求 + 高可控」。

2. 数据的获取与索引原理

链上数据从哪来：

□ 完整节点（Archive Node）：全历史状态
□ 数据提供方：Alchemy / Infura / QuickNode 的索引 API
□ 事件日志：日志是「可检索的数据入口」

索引的核心：监听事件 → 解码 ABI → 写入结构化存储：

// 合约里的事件是分析的主数据源
event Transfer(address indexed from, address indexed to, uint256 value);
event Swap(address indexed sender, uint256 amount0In, uint256 amount1In, ...);

监听 Transfer 事件 → 解析成 (from, to, value, block, tx)
  → 聚合表：地址余额、转账量、活跃度

记忆：「事件日志」是链上分析的数据金矿——合约设计的每一个 event 都是未来分析的字段。

3. Dune Analytics：SQL 分析实战

Dune 已把主要链的原始数据索引成可 SQL 查询的表，写 SQL 即可出指标：

-- 查询某 DEX 的日交易量
SELECT
    date_trunc('day', block_time) AS day,
    SUM(amount_usd) AS volume_usd
FROM dex.trades
WHERE project = 'Uniswap'
  AND block_time >= date_trunc('day', now()) - interval '30 days'
GROUP BY 1
ORDER BY 1;

Dune 的核心表：

□ ethereum.transactions / ethereum.logs —— 原始交易与日志
□ dex.trades —— 去中心化交易（标准化）
□ tokens.erc20.stablecoins —— 稳定币转移
□ nft.trades —— NFT 交易
□ labels.accounts —— 地址标签（交易所/协议/巨鲸）

Dune 实战技巧：

□ 用 Spellbook（社区贡献的标准化表）代替裸原始表
□ 地址标签（labels）让结果可读
□ 参数化查询做可复用仪表盘
□ 分区表 + 时间过滤控制查询成本

4. The Graph：子图开发与 GraphQL

The Graph 让开发者定义「子图（Subgraph）」——从链上索引自定义数据，暴露 GraphQL 接口给 DApp。

子图组成：

# subgraph.yaml
specVersion: 1.0.0
description: Uniswap v3 子图示例
schema:
  file: ./schema.graphql
dataSources:
  - kind: ethereum/contract
    name: Factory
    network: mainnet
    source:
      address: "0x1F98431c8aD98523631AE4a59f267346ea31F984"
      abi: Factory
    mapping:
      kind: ethereum/events
      apiVersion: 0.0.7
      language: wasm/assemblyscript
      entities:
        - Pool
        - Token
      eventHandlers:
        - event: PoolCreated(...)
          handler: handlePoolCreated

# schema.graphql
type Pool @entity {
  id: ID!
  token0: Token!
  token1: Token!
  volumeUSD: BigDecimal!
}

// mapping.ts —— 事件处理器
export function handlePoolCreated(event: PoolCreated): void {
  let pool = new Pool(event.params.pool.toHexString());
  pool.token0 = event.params.token0.toHexString();
  pool.volumeUSD = BigInt.fromI32(0);
  pool.save();
}

子图开发流程：

1. 定义 schema（实体模型）
2. 写 mapping（事件 → 实体）
3. 部署到 Graph Network（去中心化索引）或自托管
4. DApp 通过 GraphQL 查询

记忆：The Graph = 「把链上事件变成可查询的图数据库」——schema 定义实体、mapping 消费事件、GraphQL 暴露查询，是 DApp 数据层的标准件。

5. 常用链上指标与仪表盘

通用链上指标：

仪表盘构建（Dune）：

□ 顶层 KPI：TVL / 交易量 / 活跃用户 时间序列
□ 分布：前 N 协议 / 前 N 地址占比
□ 流入流出：净流向图
□ 异常告警：指标突变检测

6. 协议分析的指标框架

分析一个协议，用「增长 + 留存 + 收入」三层：

增长层：

□ 新增用户 / 新增流动性
□ 交易量增速
□ 活跃度（周/月活）

留存层：

□ 用户留存率（次周活跃）
□ 平均使用频率
□ 老用户 vs 新用户贡献占比

收入层：

□ 协议费用收入（真实现金流）
□ 费用分配（回购/分红/储备）
□ 单位经济（收入/成本）

示例：DEX 分析：

成交量 ✓ TVL ✓ 手续费 ✓ 活跃 trader ✓
周转率（volume/TVL）✓ 滑点与无常损失 ✓

记忆：协议分析三句话——增长看量、健康看留存、价值看收入；只有交易量没有收入的协议，增长是虚的。

7. 自建索引器的工程路径

需要完全掌控或特殊数据时自建：

架构：

节点（Archive）→ 事件抓取 → 解码 ABI → 存储（Postgres）→ 指标计算 → API

关键工程决策：

自建的坑：

□ 回填历史（从创世拉到最新）要大量时间与存储
□ 节点同步失败/重组 → 数据一致性处理
□ 多链扩展成本高
□ 维护成本（监控/升级）不可忽略

决策：多数场景 Dune/子图够用——自建留给「实时性要求高 + 指标特殊 + 数据量大」的场景。

8. 数据分析的常见陷阱

链上分析容易踩的坑：

□ 忽略「测试/刷量」地址：高额交易可能是自转/清洗交易
□ 只算总量不算子集：TVL 高但真实需求小
□ 指标口径不一：不同来源的「交易量」定义不同
□ 忽略 L2 与跨链：单链指标不完整
□ 时间序列未对齐：UTC 时区/分片
□ 地址标签过期：标签库更新滞后

规避方法：

□ 用「真实用户」过滤（去重 + 排除合约/机器人）
□ 多指标交叉验证（成交 + 用户 + 收入）
□ 明确指标口径并文档化
□ 数据快照与回溯（可复现）

记忆：链上数据公开不等于可信——刷量、自转、口径不一都会骗人，交叉验证与真实用户过滤是基本功。

9. 从数据到洞察的方法论

数据分析 ≠ 画图，产出洞察的路径：

1. 定义问题：要回答什么（如「新用户来自哪」）
2. 选指标：用哪些指标回答（新增/留存/来源分布）
3. 拆解：按渠道/时间/细分群
4. 找异常：对比基准与突变
5. 验证：假设与数据交叉
6. 行动：把洞察转成产品/策略决策

示例：

问题：为什么新用户活跃下降？
数据：新用户次日留存下降 + 渠道来源偏移 + 新手任务完成率低
洞察：导流渠道质量下降 + 新手引导缺陷
行动：渠道加权 + 优化 onboarding

心法：链上分析的价值在「可执行的洞察」，不在「漂亮的仪表盘」——先定义问题，再选指标。

10. 速查表与一句话记忆

一句话记忆：链上数据分析是「原始链数据 → 结构化表 → 指标 → 洞察」的管道——Dune 快、子图可编程、自建最可控；防刷量靠交叉验证，价值在可执行的洞察。

延伸阅读

• /ethereum-evm-solidity/ — 交易与事件结构
• /smart-contract-development/ — ABI 与事件设计
• /defi-protocols/ — 协议机制与数据对应
• /blockchain-mev-pbs/ — 交易排序与数据分析
• /blockchain-tokenomics-design/ — 指标驱动的代币分析
• [[blockchain-web3]] — 区块链 Web3 专题