afmireski/metep-experimento

Repositório destinado a armazenar os recursos necessários para reproduzir um experimento da disciplina de METEP

Instalando dependências

• Instalar o pandas
• Instalar o matplotlib
• Instalar o seaborn

# Arch
sudo pacman -S python-pandas

sudo pacman -S python-matplotlib

sudo pacman -S python-seaborn

# PyPi
pip install pandas

pip install matplotlib

pip install seaborn

Obtendo os dados

Os gráficos são montados a partir do processamento de dois arquivos CSVs que contém o número de transações diárias das redes Ethereum e Bitcoin. Esses arquivos foram gerados a partir da consulta em datasets públicos com dados das duas redes disponíveis no Google BigQuery. No caso do Ethereum existem dois datasets, mas ambos geram o mesmo resultado, ou seja, são equivalentes. O intervalo de consulta dos dados é o que está na condição das queries abaixo.

Queries

-- Contagem de Transações no Ethereum por dia
SELECT
  TIMESTAMP_TRUNC(block_timestamp, DAY) AS timestamp1, COUNT(1) AS txn_count
FROM
  bigquery-public-data.crypto_ethereum.transactions
WHERE
  block_timestamp BETWEEN CAST('2015-08-01 00:00:00+00' AS TIMESTAMP) AND CAST('2023-11-23 18:00:00+00' AS TIMESTAMP)
GROUP BY timestamp1
ORDER BY timestamp1
; 

-- Ethereum Mainnet Dataset
SELECT
  TIMESTAMP_TRUNC(block_timestamp, DAY) AS timestamp1, COUNT(1) AS txn_count
FROM
  bigquery-public-data.goog_blockchain_ethereum_mainnet_us.transactions
WHERE
  block_timestamp BETWEEN CAST('2015-08-01 00:00:00+00' AS TIMESTAMP) AND CAST('2023-11-23 18:00:00+00' AS TIMESTAMP)
GROUP BY timestamp1
ORDER BY timestamp1
;

-- Contagem de Transações no Bitcoin por dia
SELECT
  TIMESTAMP_TRUNC(block_timestamp, DAY) AS timestamp1, COUNT(1) AS txn_count
FROM
  bigquery-public-data.crypto_bitcoin.transactions
WHERE
  block_timestamp BETWEEN CAST('2015-08-01 00:00:00+00' AS TIMESTAMP) AND CAST('2023-11-23 18:00:00+00' AS TIMESTAMP)
GROUP BY timestamp1
ORDER BY timestamp1
;

-- Dados até 2019, mais próximo do período do artigo
-- Contagem de Transações no Ethereum por dia
SELECT
  TIMESTAMP_TRUNC(block_timestamp, DAY) AS timestamp1, COUNT(1) AS txn_count
FROM
  bigquery-public-data.crypto_ethereum.transactions
WHERE
  block_timestamp BETWEEN CAST('2015-08-01 00:00:00+00' AS TIMESTAMP) AND CAST('2019-12-01 18:00:00+00' AS TIMESTAMP)
GROUP BY timestamp1
ORDER BY timestamp1
; 

-- Ethereum Mainnet Dataset
SELECT
  TIMESTAMP_TRUNC(block_timestamp, DAY) AS timestamp1, COUNT(1) AS txn_count
FROM
  bigquery-public-data.goog_blockchain_ethereum_mainnet_us.transactions
WHERE
  block_timestamp BETWEEN CAST('2015-08-01 00:00:00+00' AS TIMESTAMP) AND CAST('2019-12-01 18:00:00+00' AS TIMESTAMP)
GROUP BY timestamp1
ORDER BY timestamp1
;

-- Contagem de Transações no Bitcoin por dia
SELECT
  TIMESTAMP_TRUNC(block_timestamp, DAY) AS timestamp1, COUNT(1) AS txn_count
FROM
  bigquery-public-data.crypto_bitcoin.transactions
WHERE
  block_timestamp BETWEEN CAST('2015-08-01 00:00:00+00' AS TIMESTAMP) AND CAST('2019-12-01 18:00:00+00' AS TIMESTAMP)
GROUP BY timestamp1
ORDER BY timestamp1
;

Rodando o experimento

1. Escolha quais CSVs deseja utilizar. Comente e descomente os elementos em datasets. 1.1 Colocar um 2019 na frente de transactions, na linha 15, monta um gráfico com o período mais próximo daquele no artigo.
2. Execute experimento.py chamando python ./experimento.py ou use seu editor.
3. O resultado esperado é um gráfico com o número de transações diárias de cada dataset.

Objetivos e conclusões

O objetivo desse experimento é replicar o gráfico da figura 3, presente no artigo de ABDULLAH A. ZARIR et.al. Os autores em teoria utilizaram os mesmos datasets disponíveis no Google BigQuery para desenvolver sua tese.

Porém o que observei foi uma grande discrepância no gráfico, para o mesmo período. Como os dados originais utilizados pelos pesquisadores aparentemente não estão mais disponíveis fica difícil saber se a discrepância se dá por conta de mudanças no dataset ou por falha minha. Em 2021 o Ethereum trocou seu mecanismo de consenso de uma base Proof-of-Work para uma Proof-of-Stake, num evento conhecido como The Merge, talvez essa troca tenha tido algum efeito como causa da discrepância dos dados, mas é só uma especulação, seria necessário uma análise mais afundo para afirmar qualquer coisa.

Extras

• Artigo