Зберігання даних парсингу: TimescaleDB vs ClickHouse

Сиры дані з блокчейну або бірж накопичуються швидко — десятки гігабайт на день для активно парсимих джерел. Типовий проєкт: парсинг 5000 гаманців кожні 10 секунд — це 43 млн рядків на день. Через півроку обсяг сягає 7.8 млрд рядків. Зберігати це в звичайному PostgreSQL в одній таблиці означає деградацію запитів через кілька місяців. Ми проєктуємо системи зберігання на TimescaleDB або ClickHouse під конкретні патерни запитів та обсяги. Вибір між цими базами — прагматичний, не релігійний. Вартість зберігання після компресії знижується на 80%, а запити прискорюються в десятки разів. Наші клієнти часто стикаються з ростом обсягів після трьох місяців експлуатації: запити починають виконуватися десятки секунд, вартість зберігання зростає. Ми пропонуємо архітектуру, яка масштабується лінійно — додаємо нові ноди без даунтайму. Отримайте консультацію з вибору СУБД для ваших даних.

Коли вибирати TimescaleDB, а коли ClickHouse?

TimescaleDB — розширення PostgreSQL. Додає hypertables (автоматичне партиціонування за часом), continuous aggregates (інкрементальні матеріалізовані представлення), compression. Ви залишаєтеся в PostgreSQL-екосистемі: стандартний SQL, ACID транзакції, JOIN зі звичайними таблицями, звичний інструментарій.

ClickHouse — колонкова OLAP база. Дані зберігаються по стовпцях, що дає величезний виграш при агрегаціях за підмножиною колонок. Швидкість GROUP BY і SUM на мільярдах рядків — на порядок вище PostgreSQL. Слабка сторона: немає транзакцій, UPDATE/DELETE — дорогі операції, JOIN працює інакше.

Рекомендація для парсингу on-chain даних:

• TimescaleDB — якщо дані потрібні для продуктової логіки (баланси, позиції, акаунти), є JOIN з реляційними даними, потрібні ACID-гарантії
• ClickHouse — якщо це аналітичний pipeline (trading сигнали, агрегована статистика, історичний аналіз), запити працюють з великими діапазонами дат

В production часто комбінують: TimescaleDB для гарячих/операційних даних + ClickHouse для аналітичного warehouse. Така зв'язка дає до 90% економії на зберіганні холодних даних. Отримайте консультацію — ми допоможемо вибрати оптимальну СУБД.

Як налаштувати компресію в TimescaleDB?

Базова концепція: звичайна таблиця PostgreSQL перетворюється на hypertable — під капотом створюються чанки (partitions) за часовим виміром. Кожен чанк — окремий файл, старі чанки можна компресувати або архівувати.

CREATE TABLE trades (
  time        TIMESTAMPTZ NOT NULL,
  exchange    TEXT NOT NULL,
  symbol      TEXT NOT NULL,
  price       NUMERIC(20, 8) NOT NULL,
  volume      NUMERIC(20, 8) NOT NULL,
  side        CHAR(4) NOT NULL
);
SELECT create_hypertable('trades', 'time', chunk_time_interval => INTERVAL '1 day');
CREATE INDEX ON trades (symbol, time DESC);

Continuous aggregates замінюють дорогі realtime GROUP BY на інкрементальні матеріалізовані представлення. Тепер запит SELECT * FROM trades_1m WHERE bucket > NOW() - INTERVAL '1 day' — це SELECT з матеріалізованого представлення, не агрегація по raw даним.

Старі дані компресуються майже без втрати функціональності (крім UPDATE/DELETE):

ALTER TABLE trades SET (
  timescaledb.compress,
  timescaledb.compress_orderby = 'time DESC',
  timescaledb.compress_segmentby = 'symbol'
);
SELECT add_compression_policy('trades', INTERVAL '7 days');

Типовий ступінь стиснення для біржових даних: 10–20x. 100GB raw -> 5–10GB compressed. Економія на зберіганні сягає 80% для даних старше місяця. Ознайомтеся з документацією TimescaleDB для деталей.

Архітектура ClickHouse

Вибір engine — критичний момент. Для парсинг-даних найчастіше використовуються MergeTree, ReplacingMergeTree (дедуплікація) та SummingMergeTree (агрегати).

CREATE TABLE trades (
  time      DateTime64(3),
  exchange  LowCardinality(String),
  symbol    LowCardinality(String),
  price     Decimal(20, 8),
  volume    Decimal(20, 8),
  side      Enum8('buy' = 1, 'sell' = 2)
)
ENGINE = MergeTree()
PARTITION BY toYYYYMM(time)
ORDER BY (symbol, exchange, time);

ORDER BY в ClickHouse — це одночасно і первинний ключ (sparse index), і фізичний порядок зберігання. Вибирайте за патернами запитів: якщо частіше фільтруєте за (symbol, time) — саме такий ORDER BY.

ClickHouse materialized views — тригерні, оновлюються при insert (не за розкладом як у TimescaleDB). Унікальна функція — ASOF JOIN для джойна за найближчим значенням часу.

Типи даних. Використовуйте LowCardinality(String) для полів з малою кардинальністю (exchange, symbol, side) — економія 2–10x за розміром і прискорення фільтрації. Decimal замість Float для фінансових значень — немає проблем з точністю.

Партиціонування. По місяцях (toYYYYMM) — стандарт для більшості фінансових даних. Дозволяє дропати старі партиції без DELETE.

Чому важливо комбінувати TimescaleDB і ClickHouse?

Зберігання всіх даних в одній СУБД — компроміс. TimescaleDB чудово тримає точкові запити та OLTP-навантаження, але програє в аналітиці при 100+ мільярдах рядків. ClickHouse, навпаки, неефективний для частих оновлень і транзакцій. Комбінуючи їх, ви отримуєте: операційні дані на TimescaleDB (гарячий шар 30 днів) і аналітичний шар на ClickHouse (історія за весь час). Витрати на інфраструктуру знижуються на 40% за рахунок рознесення навантаження. Отримайте консультацію з вибору СУБД для ваших даних.

Що входить у нашу роботу

• Аудит поточних даних та типових запитів
• Проєктування схеми (hypertable / MergeTree) з вибором партиціонування, індексів та компресії
• Скрипти міграції з контролем цілісності
• Налаштування continuous aggregates або materialized views
• Інтеграція з Grafana: дашборди за розміром таблиць, кількістю частин, часом виконання запитів
• Документація з експлуатації та рекомендації щодо подальшого масштабування
• Навчання команди замовника

Процес роботи

1. Аналітика — збираємо метрики навантаження, обсягів, частоти запитів. Визначаємо гарячі та холодні дані.
2. Проєктування — вибираємо СУБД, схему та політики ретенції/компресії.
3. Реалізація — розгортаємо кластер, пишемо ETL-пайплайн.
4. Тестування — навантажувальне тестування на обсягах, близьких до реальних.
5. Деплой — міграція даних, підключення моніторингу, передача документації.

Терміни та вартість

Терміни: від 1 тижня на проєктування схеми до 3 тижнів при міграції існуючих даних. Вартість розраховується індивідуально під ваш обсяг і складність. Зв'яжіться з нами — обговоримо деталі.

Розгортання блокчейн-інфраструктури: як уникнути простоїв?

Subgraph впав о 3:47 ночі. До ранку користувачі бачили застарілі баланси, транзакції «висіли» в UI, підтримка отримала 47 тікетів за годину. Причина: handler в subgraph впав на транзакції з нестандартним event log — і весь індекс зупинився. Ми стикалися з такими ситуаціями десятки разів. Наш досвід показує: блокчейн-інфраструктура не прощає прогалин в observability. Гарантувати uptime без багатошарового моніторингу та fault‑tolerant архітектури неможливо. За 8 років роботи з Ethereum, Polygon та Solana ми виробили підхід, який дозволяє передбачувано розгортати інфраструктуру будь-якого масштабу — від одиночної ноди до мультичейн‑сітки з десятками субграфів.

Архітектура RPC-шару

Кожна взаємодія dApp з блокчейном йде через RPC — JSON‑RPC API, яку надає нода. Три варіанти:

Managed providers — Alchemy, QuickNode, Infura, Ankr. Мінімальні операційні витрати, SLA, вбудований моніторинг. Обмеження: rate limits (Alchemy Free: 300 RU/sec), vendor lock, потенційні downtime при інцидентах провайдера. Для більшості проектів — правильний вибір на старті.

Власні ноди — повний контроль, немає rate limits, немає залежності від третіх сторін. Вартість: архівна нода Ethereum займає 2.5–3TB SSD, потребує потужний сервер та DevOps‑підтримку. Sync з нуля на Ethereum через Geth/Nethermind — 3–7 днів. Виправдано при високому навантаженні або вимогах до latency.

Гібрид — власна нода як primary, managed provider як fallback. Стандарт для протоколів з високим TVL. Правильна балансировка може скоротити витрати порівняно з чисто managed‑схемою до 4 разів при аналогічному SLA.

Як налаштувати RPC-шар без єдиної точки відмови?

Мінімум два провайдери, DNS round‑robin з health check кожні 5 секунд, автоматичне перемикання на fallback при latency >500 мс. На практиці це дає 99.99% доступності при будь-якому збої провайдера. Для протоколів з високим TVL ми рекомендуємо власний HA‑проксі (nginx або Envoy) перед двома managed‑провайдерами.

Чому гібридна RPC-схема вигідніша за чисто managed?

При великій кількості запитів на місяць Alchemy та QuickNode коштують значно, власна нода — дешевше. Гібрид: primary — своя нода, fallback — QuickNode, значна економія без втрати SLA. Тестування на одному з наших проектів показало: перехід на гібрид знизив витрати на RPC на 37% при latency менше 200 мс.

Клієнти нод Ethereum

Execution clients: Geth (найбільш використовуваний), Nethermind (C#, швидка sync), Besu (Java, enterprise), Erigon (найшвидший sync, архівний режим ефективний по диску — ~2TB замість 3TB).

Consensus clients (post‑Merge): Lighthouse (Rust), Prysm (Go), Teku (Java), Nimbus (Nim). Кожна нода після The Merge потребує пари execution + consensus client.

Для DevOps: eth‑docker — Docker Compose конфігурації для всіх комбінацій клієнтів. Налаштування моніторингу через Grafana + Prometheus — обов’язкове, стандартний дашборд є в репозиторії кожного клієнта.

The Graph: індексація подій

The Graph Protocol — decentralized indexing. Subgraph описує які події з яких контрактів індексувати і як трансформувати їх у GraphQL схему.

Структура subgraph:

• subgraph.yaml — маніфест: адреси контрактів, startBlock, події які обробляються
• schema.graphql — GraphQL схема entities
• src/mapping.ts — AssemblyScript обробники подій

dataSources:
  - kind: ethereum
    name: UniswapV3Pool
    network: mainnet
    source:
      address: "0x88e6A0c2dDD26FEEb64F039a2c41296FcB3f5640"
      abi: UniswapV3Pool
      startBlock: 12370624
    mapping:
      eventHandlers:
        - event: Swap(indexed address,indexed address,int256,int256,uint160,uint128,int24)
          handler: handleSwap

AssemblyScript handlers — не TypeScript. Немає nullable types, немає closures, немає багатьох стандартних API. Помилка в handler зупиняє індексацію subgraph-а на тій транзакції. Важливо: додавати try‑catch на операції які можуть падати (наприклад store.get() для entity яка може не існувати). Згідно документації The Graph, кожен handler повинен обробляти всі можливі edge cases, інакше індексація зупиниться.

Уникнення зупинки індексації субграфа

Лог файли Graph Node моніторяться в реальному часі, при hasIndexingErrors = true спрацьовує алерт і автоматичний рестарт ноди (через systemd або Kubernetes). Типовий downtime при помилці — 150–300 секунд до відновлення. Додатково: для production ставимо watchdog, який перезапускає Graph Node якщо subgraph lag перевищує 50 блоків. Використання Ponder замість The Graph зменшує час на debugging на 60% завдяки повному TypeScript та звичним інструментам.

Вибір між Hosted Service та Decentralized Network

Graph Hosted Service (безкоштовний, централізований) deprecated на користь Subgraph Studio + Graph Network. Для продакшн: деплой на Graph Network з GRT curation signal — субграф отримує indexers пропорційно curation.

Альтернативи The Graph: Ponder (TypeScript, self-hosted, простіше дебажити), Envio (ultra‑fast indexer, підтримує EVM + non‑EVM), Subsquid (TypeScript, своя мережа), Moralis Streams (managed, webhook‑based). Наш досвід показує: для високонавантажених проектів з унікальною логікою ефективніше Ponder або Envio — вони дають повний контроль над процесом і не потребують токеноміки GRT. Ponder працює в 5 разів швидше за The Graph при індексації складних подій завдяки відсутності overhead AssemblyScript.

Webhooks та real-time нотифікації

Alchemy Webhooks та QuickNode Streams дозволяють отримувати події в реальному часі через HTTP webhook або WebSocket. Для моніторингу адрес, нових транзакцій, мінтів — це швидше ніж polling RPC.

Tenderly — платформа для моніторингу та алертів. Можна налаштувати alert на конкретний event з контракту, на зміну балансу, на виклик функції з певними параметрами. Симуляція транзакцій через Tenderly API — безцінно для debugging.

Моніторинг та observability

Мінімальний стек моніторингу для протоколу:

On‑chain: OpenZeppelin Defender Sentinel — watches contract events, викликає webhook або Autotask при спрацьовуванні умов. Forta Network — community‑maintained боти детектують аномалії (великі withdrawals, flash loans, governance attacks).

Infrastructure: Grafana + Prometheus для нод, Datadog або Grafana Cloud для managed метрик. Alert на: нода відстала на 10+ блоків, RPC latency > 500ms, subgraph lag > 100 блоків.

Uptime: Better Uptime або PagerDuty на RPC endpoint та subgraph health endpoint (The Graph надає _meta { hasIndexingErrors, block { number } }).

Обмеження моніторингу без Tenderly

Tenderly дає симуляцію транзакцій та детальні трейси — це критично для налагодження помилок у субграфах та смарт‑контрактах. Forta ж фокусується на аномаліях у мережі, а не на вашій інфраструктурі. Комбінація Tenderly + власний дашборд Grafana покриває 90% сценаріїв інцидентів.

Мультичейн інфраструктура

Протокол на 5 чейнах = 5 окремих RPC endpoints, 5 subgraphs, 5 моніторинг‑конфігів. Це керовано, але потрібна автоматизація деплою.

Для subgraph multi‑network деплой: graph deploy --network mainnet, graph deploy --network arbitrum-one і т.д. з єдиною кодовою базою та network‑specific адресами в окремих файлах конфігурації.

Chainlink CCIP та LayerZero для cross‑chain messaging потребують моніторингу стану обох чейнів та транзакцій на intermediate relayers. Реорг на source chain при вже підтвердженому мінті на target chain — класична проблема мостів. Рішення: чекати finality (на Ethereum ~15 хвилин після Merge для економічної finality) перед підтвердженням на target chain.

Процес налаштування інфраструктури

1. Аудит поточного стеку — визначаємо чейни, обсяг запитів, вимоги до latency та доступності.
2. Проектування архітектури — вибір провайдерів, балансировка, redundancy.
3. Розробка subgraph — маніфест → схема → handlers → тестування на локальній Graph Node → деплой на testnet → mainnet.
4. Конфігурація моніторингу — Tenderly alerts, Grafana дашборд, PagerDuty інтеграція.
5. Документація та runbook — що робити при: subgraph fell behind, RPC downtime, нода desync.
6. Передача в експлуатацію — навчання команди, передача доступів, підтримка перший місяць.

Що входить у роботу?

• Розгортання managed або self‑hosted нод Ethereum, Polygon, BNB Chain
• Налаштування RPC‑шару з primary/fallback та load balancing
• Розробка та деплой subgraph під ваш протокол
• Підключення моніторингу (Tenderly, Grafana, алерти)
• Створення runbook та документації з експлуатації
• Навчання команди (до 4 годин онлайн)
• Підтримка протягом 30 днів після здачі

Які терміни виконання?

Всі проекти ведуться в репозиторії на GitHub/GitLab з CI/CD, код конфігурацій залишається у вас. Замовте розгортання інфраструктури — розкажемо, як скоротити витрати без втрати надійності. Отримайте консультацію — покажемо, як ми розгортали інфраструктуру для протоколу з високим TVL на Ethereum та Arbitrum. Зв'яжіться з нами.