本文目录导读:

在币圈利用Dune Analytics进行数据分析,核心思路是把链上数据转化为可查询、可可视化的洞察,Dune 的优势在于:它把复杂的链上原始数据整理成 SQL 可查的表,同时支持做 Dashboard 和 API 输出,下面按实操流程说明。
明确分析目标
先确定你要回答什么问题,常见币圈分析场景包括:
- 项目基本面:某协议日活地址、交易量、TVL、手续费收入
- 代币流向:大户持仓变化、CEX 流入流出、解锁抛压
- 空投/交互分析:某合约交互地址数、交互频次分布、Sybil 特征
- 赛道对比:DEX 交易量份额、L2 活跃度、稳定币供应变化
- NFT 市场:地板价、成交量、持有者分布
- MEV/链上行为: sandwichers、套利路径、Gas 消耗
目标越具体,SQL 越好写。
熟悉 Dune 的数据结构
Dune 的数据大致分几层:
- raw:原始区块、交易、日志(
ethereum.blocks、ethereum.transactions、ethereum.logs) - decoded:已解码的合约事件表(如
uniswap_v3_ethereum.Pair_evt_Swap) - spellbook / curated:社区维护的抽象表(如
dex.trades、tokens.erc20、nft.trades),优先用这些 - 用户上传:自己上传的 CSV 数据(适合链下数据补充)
实操建议:优先用 spellbook 表,避免从 raw logs 重复造轮子;只有 spellbook 没覆盖时才自己解码。
写 SQL 查询
Dune 使用 PostgreSQL 方言,典型查询结构:
-- 示例:某 DEX 近 30 天日交易量
SELECT
date_trunc('day', block_time) AS day,
SUM(amount_usd) AS volume_usd,
COUNT(DISTINCT tx_from) AS unique_traders
FROM dex.trades
WHERE blockchain = 'ethereum'
AND project = 'uniswap'
AND block_time >= now() - interval '30 days'
GROUP BY 1
ORDER BY 1;
关键技巧:
- 先小范围试查:加
LIMIT和时间过滤,避免扫全表超时 - 用
date_trunc做时间聚合 - 区分地址维度:
tx_from(发起人)vs"from"(转账方)vsto(接收方) - 处理 decimals:ERC20 金额要除以
10^decimals,spellbook 的amount_usd已处理 - 去重与 Sybil:用
COUNT(DISTINCT address),必要时结合资金源聚类 - 增量查询:Dune 支持 query 结果缓存和 materialized view(付费版),大查询可拆成多步
做可视化 Dashboard
查询跑通后,把结果做成图表:
- 时间序列:折线图看趋势
- 对比:柱状图/面积图看份额
- 分布:直方图看地址持仓/交互分布
- 表格:Top N 地址、项目排行
- 计数器:关键指标大数字展示
Dashboard 可以公开分享,也是币圈研究传播的常见形式(很多研报直接嵌 Dune 图)。
进阶用法
- 参数化查询:用
{{project}}、{{days}}等参数让一个 query 复用多场景 - API 接入:Dune API 可把查询结果拉到自己的脚本/机器人/网站,做实时监控或告警
- Fork 别人的 Query:Dune 上大量公开 query 可直接 fork 修改,学习成本最低
- 结合链下数据:上传 CSV(如 CEX 储备、项目方地址标签)与链上表 join
- 地址标签:用
labels.addresses或社区标签表识别 CEX、巨鲸、合约
币圈常见分析套路
- TVL 与资金流:
protocol TVL表 + 净流入计算 - CEX 流入流出:标记 CEX 地址,统计净转入
- 空投猎人识别:同一资金源批量交互、交互时间集中、Gas 异常
- MEV 分析:三明治攻击识别(同区块前后交易价差)
- L2 对比:按 chain 聚合活跃地址、交易数、费用
注意事项
- 免费额度有限:免费版查询有执行时间/次数限制,大查询要优化
- 数据延迟:Dune 数据通常有分钟级到小时级延迟,不适合毫秒级交易
- 解码覆盖不全:新合约可能未被解码,需要等社区或自己提交解码
- 口径一致性:不同 spellbook 表的 USD 价格源可能不同,跨表对比要注意
- SQL 性能:避免
SELECT *、尽量用分区/时间过滤、必要时用 CTE 分步
一句话总结:先用 spellbook 表快速出结果,再针对具体问题写 SQL,最后做成 Dashboard 或 API 输出——Dune 的核心价值是让不会跑节点的分析师也能做链上数据研究。
版权声明:本站文章为原创整理,转载请注明出处。