Solidity迁移Flow Cadence指南13-Flow 1000+合约大数据分析

熟读唐诗三百首，不会做诗也会吟，Flow合约哪里读？自然是链上了，Flow的链上合约都是开源的，只要知道合约地址，都可以直接使用API获得具体的合约代码。本节就把flow链上的主要合约下载下来，然后分析，哪些可以读，哪些可以抄@#￥@#￥

数据来源

本文主要分析合约账号数据，在以太坊中，可以通过地址的code类型来判断是否为合约地址，Flow中也是类似的，Flow账号的数据结构如下所示：

message Account {

  bytes address

  uint64 balance

  bytes code

  repeated AccountKey keys

  map<string, bytes> contracts

}

因此，我们也可以通过获取account.contracts或者account.code(新版逐步取消)，看是否包含合约代码即可。但有个问题是, Flow中的账号已有800+万，遍历会比较慢，而且获取账号地址列表也较为困难。因此，我们综合采用了多个方法，尽可能获得更多的合约地址。

首先是搜索网上已有的合约地址列表，如alchemy就收集了不少：

https://github.com/alchemyplatform/alchemy-flow-contracts

再者就是要遍历区块了，flow区块的数据结构大致是这样的：

 

图 1 flow 区块的数据结构

以太坊的区块中，就是交易一层数据结构，而flow链上，多了一个Collection层，其下包含了交易数据。我们可以从交易中获得发送方等三个地址，以及交易参数中的地址类型，来收集flow的地址，然后判断是否包含合约代码即可。

 

图2 从交易数据中收集flow地址

另外，我们可以搜索或监听合约创建事件（event），来收集合约地址，在flow的API中，可以通过GetEventsForHeightRange来获得合约的事件信息，flow中合约创建的事件为flow.AccountContractAdded，事件的数据结构如下：

message Event {

  string type

  bytes transaction_id

  uint32 transaction_index

  uint32 event_index

  bytes payload

}

一个具体的合约创建事件如下所示：

 

图3 合约创建事件

我们只需要通过上述方式，收集尽可能多的合约账号，就可以通过合约账号的contracts/code属性来获得合约代码。

我们把目前收集到的合约，都放到了flow.study上。

本节到此结束。。。。。。。。。

但。。。。。。。笔者是做大数据的，应该是会flow cadence的码农里面，大数据学的最好的之一：）这里就show一下技能，用大数据算法分析flow的合约生态，让大家更清楚的看看什么值得抄，flow的应用生态还缺少啥，等等。

Flow合约生态分析

分析一个区块链的应用生态，最直接的方法，就是分析其中的用户交互关系，一般都使用网络分析方法，整体可视化的展示用户之间，以及应用和用户的交互情况。

在以太坊的世界里，不管是以太坊转账，还是合约调用，都是From地址到to地址的“交易”进行的。而flow的世界里，交易并没有明确的From地址和To地址关系对，因此，做网络化分析相对麻烦一点点。

以太坊的交易数据和flow的交易数据对比图如下所示：

 

 

图4 以太坊的交易数据和flow的交易数据对比

https://flowscan.org/transaction/5bad75980b70b2f239b3dc255a9e08952685d80714a0620bcc865dfcada1eb17

网络分析，只需要两个点的连接关系即可，以太坊的中，只需要分析用户to地址到from地址的转账交易，或者所有to地址为合约地址的调用交易即可。

但面向资源的flow中，所有的操作都是账号之间的“资源转移”操作，交易中的合约引用只是起到一个数据规范的作用，其实和部署的合约账号已经没有关系了。但为了分析flow的用户行为，我们也按照以太坊的两种模式进行数据分析：

一种是仿照以太坊的转账关系，分析用户之间的关系。我们对应的分析flow token的转账行为关系，只需忽略合约交易通道，直接用转账的源地址和目标地址构建一条连接即可。具体通过搜索监听A.1654653399040a61.FlowToken合约的TokensWithdrawn和TokensDeposited事件即可，其中TokensWithdrawn的数据中地址为源地址，TokensDeposited数据中的地址为目标地址，从一个交易id中发出的一对TokensWithdrawn和TokensDeposited事件就构成一个交易对。具体如上图1中的两个地址关系图。

一种是分析用户和合约的关系。我们只考虑主动发起调用的用户（Proposer）地址和合约地址的关系即可。但有一个问题，就是我们上面提到的，flow的交易中数据中是没有明确的To地址的，以太坊的交易数据和flow的交易详细数据结构对比如下图所示：

 

图5 以太坊交易数据结构和flow交易数据结构详细对比

如上图所示，以太坊交易中有明确的交易目标地址，如果是合约调用，目标地址就是合约地址，但在flow的交易数据中，并没有这个数据。

因此，如果要获取用户和合约的交互关系，还是需要基于事件进行分析，我们还是搜索监听合约相关的事件，因为监听事件输入type要求的格式为

type: A.{contract address}.{contract name}.{event name}

我们有了contract address和contract name，就需要从合约代码中正则匹配所有的event name即可。

获得事件后，事件的数据结构中是包含交易id/transaction_id的，因此, 可以根据交易id获得交易发起的地址(Proposer)即可，具体流程如下：

 

图6 建立合约和用户的连接

之所以这样曲折一些，主要是因为flow的交易没有明确的To地址，交易数据中也不包含对应的event事件信息，只能通过合约event包含的交易id，倒推出调用合约的用户地址，从而建立起合约和调用者地址的关联关系。这也是flow交易和以太坊交易最明显的不同之处。

上述两类分析都使用无向连接，也就是不考虑连接的方向。

我们截取了了2022年6月12日之前60万个区块的数据，也就是一周左右的区块数据进行分析，在此期间flow token的交易对共有约90万个，用户调用合约共有约1000万(包括引用的合约)。具体分析的时候，我们各自随机抽取5 万个连接，进行分析处理。

基于flow token的用户行为网络图如下所示：

 

图7 基于flow token的转账行为构建网络关系图(基于Force Atlas算法/Gephi构建)

从上图中可以看到，Flow token发送行为，集中在4个主要的地址上，最多的就是0x34ac358b9819f79d，这个是合约NFTKred的地址。

基于合约的调用行为网络图如下所示：

 

图8 基于合约调用交互的用户为行为网络关系图(基于Force Atlas算法/Gephi构建)

可以发现，合约的交互，也是集中于几个主要的合约，最主要的就是下面最大的一个关联组，大家也可以猜猜具体是哪个合约。这个其实就是NFT标准合约0x1d7e57aa55817448(MetadataViews/NonFungibleToken), 其他几个大的分组也是以几个知名NFT合约为中心的。

从上面两个图可以发现，目前flow的应用生态相对还是比较中心化，基本上Top5的合约，就占了大部分的交易量。因此，Flow生态还是大有可为的。

类别分析

除了对合约的调用关系进行分析外，我们还对合约的文本进行了分析。

首先是基本的分类情况，主要基于合约的继承关系相关的关键词进行分析，具体如下图所示：

 

图9 Flow cadence合约分类

可以看到，目前flow线上合约中，有38%都是明确的NFT合约（继承NonFungibleToken），48%则是基于NFT/Token合约更复杂的应用。

我们还对合约的文本内容进行了分析，也就是分析合约的每一个单词，看看合约的“语义”组成大致是样的，也就是大数据领域中的“聚类”算法。相应的分析结果如下所示：

 

图10 flow cadence线上合约聚类分析图

从上图中可以看到，合约代码被大数据算法自动分成了2个类别，而左上的类别，从其对应的词云图可以看到，明显就是NFT类别，而右下的类别，则就是一般的Token类别。这也进一步说明了，Flow上的应用生态目前还相对比较单一，主要还是集中于NFT的应用。

什么值得抄

根据合约调用关系图，可以很方面的计算每个合约的Pagerank影响力排名值，Pagerank主要用来计算互联网上网站的影响力，用于计算合约的影响力也是类似的原理，具体的Top 10排名合约如下表所示：

好吧，多看看这些合约就行啦。看合约代码的方式为：

Flow View Source

其中0xecfad18ba9582d4f就是合约地址。