谷歌去年6月宣布将在谷歌云中集成Chainlink服务，这样谷歌的BigQuery数据就可以安全可靠地传输到区块链以太坊。以下是Google Cloud的开发者Allan Dan对Chainlink和Google Cloud整合后可能出现的潜在应用所做的分析。
将区块链协议和技术与现代互联网资源和公共云服务相结合，可以大大提高应用速度。将互联网端数据接入公链会带来更多的应用场景，使用Chainlink Oracle可以将BigQuery数据传输到区块链，让这些应用场景成为可能。有很多相关的应用场景。本文着重分析其中几个我们认为价值很高，可以马上投入使用的。它们是预测市场、期货合约和交易隐私。
区块链云混合应用区块链致力于通过数学手段建立共识。最初的区块链出现后，各种创新很快出现，实现了点对点协议，即智能合约。计算机科学家Nick Szabo在1997年发表的一篇文章中首次提到了智能合约的概念。ColorCoins等项目在比特币区块链上首次尝试了智能合约。
智能契约嵌入在区块链的信息源中，几个街区后就无法篡改了。这就产生了一种信任机制，使得区块链的所有参与者都可以安全地投资加密资产，而不用担心交易对手风险，因为智能合约必然会在没有第三方参与的情况下自动执行。
但上述尝试都无法解决一个根本问题，即用于评估合同的参数从何而来？如果数据不是来自链上最近添加的数据，那么就需要一个可信的外部数据源。这个数据源叫做预言机。
在此之前，我们通过Google Cloud公共数据集计划(以下简称Google Blockchain Public Datasets)免费开放了BigQuery中八个区块链项目的公共数据。如果你想了解更多关于这些数据，你可以访问GCP市场。这种数据集资源使许多GCP客户能够基于区块链数据自动分析和开发业务流程，如SaaS利润分享，通过标记网络参与者的特征降低服务滥用的风险，并使用静态分析技术检测软件漏洞和恶意软件。然而，这些应用都有一个共同的特点，即它们都使用区块链公共数据集作为数据输入，并将其传输到线下业务流程。
相反，如果通过智能合约执行的链上业务流程不能访问链外数据，那么效用将会受到限制。为了解决这个问题，实现双向交互，我们不仅需要让区块链数据与云服务交互，还需要让云服务与区块链上的智能合约交互。
接下来，本文将展示智能合约平台(以太坊)如何通过Chainlink与我们的企业云数据库(BigQuery)进行交互。通过这种交互，智能合约可以在区块链上发送数据请求，并从互联网数据库中提取相应的数据，从而触发操作。本文分析的云区块链混合应用模式可以使智能合约高效分配云资源，完成复杂操作。在接下来的文章中，我们将进一步探索这个模型的其他应用。
以太坊上运行的应用，即Dapp，从最高层的Chainlink请求数据，然后从Google App Engine和BigQuery的web服务提取数据。
Dapp将触发Chainlink Oracle的智能合约从BigQuery中提取数据。该契约包括参数化数据请求的成本(例如特定时间点的天然气价格)。一个或多个Chainlink节点将看到数据请求，最终其中一个节点将处理所请求的任务。Chainlink节点的能力将通过外部适配器，即以服务为中心的模块，扩展到授权API、支付网关和外部区块链。通过Chainlink节点的交互，可以得到App Engine的web服务。
我们在GCP使用应用引擎标准环境实现了web服务。我们选择应用引擎是因为它成本低，可扩展性高，不需要部署服务器。该应用程序从存储区块链公共数据集的BigQuery中提取数据。我们提供的数据是来自存储的数据，也就是说，我们不会允许随意向BigQuery请求数据，只允许参数化数据。例如，应用程序可以在以太坊上请求特定街区或特定日期的平均天然气价格。
Chainlink节点成功接收到web服务响应后，会向Chainlink Oracle契约返回数据，然后触发Dapp契约，再触发下游特定的Dapp业务流程执行。详情见下表：
如果想知道整合Dapp的具体方式，可以参考我们的文档《了解如何通过 Chainlink 从 BigQuery 请求数据》。
如何使用BigQuery Chainlink Predictor在这一部分，我们将讨论如何使用Google Cloud和Chainlink开发实际应用。
情景一：预测市场预测市场的参与者可以通过资产配置来推测未来的各种事件。区块链行业的一个有趣问题是，哪种智能合约平台将成为主流，因为网络生态系统的价值将遵循赢家通吃的逻辑。对于哪个平台会成功，如何定义成功，人们持有很多不同的看法。
通过使用区块链公共数据集，可以处理区块链上的复杂预测(例如，最近有人打赌50万美元来预测以太坊的未来方向)。在文档中，我们还解释了如何通过提取特定Dapp上的1天/7天/30天活动数据来测量Dapp的使用变化、使用情况、使用间隔和使用频率。
这些指标包括日/周/月活跃用户，通常用于web分析和移动应用分析，是评估网站和应用成功与否的基准。
应用场景二：对冲区块链平台风险金融行业成功地将现有的金融体系复制到区块链环境中，因此去中心化的金融应用也是大势所趋。从技术角度来看，向区块链转移资金将比传统的金融系统更加可信和透明。
期货和期权等金融合约最初的存在是为了使企业能够降低或对冲与关键资源相关的风险。同样，如果可以利用平均天然气价格的连锁活动数据创建一个简单的金融工具，就可以对冲天然气价格波动的风险。区块链网络的其他特征，如阻塞时间和/或矿工集中化，都给Dapp开发者带来一定的风险，因此他们也需要对冲来规避风险。
通过从区块链公共数据集中提取高质量的数据并将其输入到智能合同中，Dapp开发者可以降低风险，并最终带来更多创新和更广泛的区块链技术应用。
在相关文档中，我们描述了以太坊智能合约如何与BigQuery Oracle交互，提取任意时间点的气价数据。我们还展示了如何使用Oracle执行基于智能合同中未来天然气价格的质押合同，这是Dapp正常运行所需的关键数据输入。
应用场景三：利用海底交易在整个以太坊上发布和披露交易。以太坊最受诟病的一个问题就是缺乏交易隐私，导致竞争对手通过利用链条上的数据泄露来挖掘高频智能合约用户的价值，比如包括去中心化交换地址的前台运行交易。055-79000文中提到早期交易是目前所有去中心化的交易所都会遇到的问题，它会拖慢去中心化金融的步伐，因为交易所是很多去中心化金融产品和应用的关键环节。
通过海底交易，智能合约用户可以提高交易的私密性，成功避免竞争对手的抢夺，使集中交易所立即具有更大的实用价值。虽然这种方法对于防止抢跑等恶性行为特别有效，但是如果没有预测器，还是有一定的局限性。
不使用预言机的潜艇交易会导致区块链变得臃肿。具体来说，以太坊虚拟机允许智能合约查看区块链中多达256个上游块，或大约1小时内生成的所有块。这种最大能见度限制了潜艇交易的实用性，因为在需要重新广播数据的时候会造成不必要的不规范。相比之下，如果使用甲骨文，可以拓宽潜艇交易的操作范围，可以看到链条上的所有历史数据，这样区块链就不会变得过于臃肿。
我们展示了如何使用Chainlink服务将BigQuery中的区块链公共数据集传输到区块链。这项技术可用于提高效率(潜艇交易的情况)，在某些情况下为以太坊智能合约建立全新的能力(风险对冲的情况)，以及创建全新的区块链商业模式(市场预测的情况)。
这种方法的核心是用少量的延误和交易成本换取大量的经济效用。作为一个具体的例子，普通的潜艇交易所需的链式存储的空间复杂度为O(n)，并且要在链式中增加一个新的块。但是，如果智能契约等到两个块之后才调用BigQuery预测器，则空间复杂度可以降低到O(1)。
我们预计，这种交互技术将使开发者能够结合智能合约平台和云平台的优势，开发混合应用程序。我们对结合Google云平台上的机器学习服务特别感兴趣，比如AutoML和Infection API。
