Universal NFT Vector Database

Was ist die universelle NFT -Vektor -Datenbank?

Die Universal NFT Vector-Datenbank ist eine Initiative zum Speichern einer vektorisierten Version jedes bildbasierten Ethereum NFT (ERC-721). Dieses Projekt nutzt eine Vielzahl von Technologie, um dies zu ermöglichen, einschließlich Alchemie -API, dem Graph -Protokoll und Tinecone. Unsere vollständige Software -Infrastruktur finden Sie unten:

Entwicklungszyklus

Im Folgenden haben wir die wichtigsten Teile/Systeme als Teil dieses Projekts und deren Anwendungsfall in unserem Gesamtsystem beschrieben.

System	Anwendungsfall
Analytics Dashboard	Dies ist die Frontpage unserer Client -Seitenanwendung, die hauptsächlich zur Anzeige von Statistiken und anderen Informationen zu den Daten in unserer Datenbank- und Task -Warteschlange verwendet wird.
Suchseite	Die Suchseite ist eine interaktive Seite, auf der Benutzer die Datenbank abfragen und ähnliche NFTs finden und gleichzeitig ihre NFTs in Bezug auf ähnliche NFTs in einem zweidimensionalen Diagramm visualisieren.
Graph -Protokollintegration	Das Graph -Protokoll wird als Abfrageschicht verwendet, um alle Informationen zur NFT -Sammlung auf der Blockchain zu erhalten.
Alchemie -API -Integration	Die Alchemie -API wird verwendet, um alle einzelnen NFT -Informationen für jede NFT -Sammlung zu erhalten, die dann in unserem System gespeichert wird.
Backend Server	Auf unserem Backend -Server können wir mit den Daten interagieren und Informationen aus unseren Datenbanken erhalten, die auf unserem Analytics -Dashboard angezeigt werden.
REGNety-080 Bildeinbettintegration	Die Bildeinbettungen dienen dazu, die Darstellung der Bilder zu standardisieren und in einer Vektordatenbank zu speichern.
Suchen Sie API	Mit der Such -API können Benutzer die Vektordatenbank für ähnliche NFTs basierend auf einem Quellbild abfragen. Es verwendet Kosinusabstand als Metrik, um die engsten NFTs zu finden.
Visualisierungs -API	Mit der Visualisierungs -API können Benutzer ihr Quellbild relativ zu ähnlichen NFTs visualisieren - sie verwendet dazu verkürzte Singularwert -Zersetzung.
Task Queue Worker Server	Der Task -Warteschlangen -Arbeiterserver ermöglicht die horizontale Skalierbarkeit für das System, da Hunderttausende von NFTs in einer Warteschlange sitzen können, wenn sie schließlich verarbeitet werden.

Unterstützung / Beitrag zu diesem Projekt

Wir begrüßen Pull -Anfragen an diesem Repository immer, um unsere Datenbank zu beheben und weiter zu verbessern.

Installations -Setup - Setup -Skript

Wir haben ein Setup -Skript zur Verfügung gestellt ( setup.sh ), um das System lokal einzurichten - dies wurde nur mit WSL und Ubuntu getestet. Verwenden Sie daher auf eigenes Risiko. Stellen Sie vor dem Ausführen des Setup -Skripts sicher, dass Sie die folgenden Installation haben:

• Mongodb Community Edition: https://www.mongodb.com/docs/manual/administration/install-community/
• Python 3.8+: https://www.python.org/downloads/release/python-380/
• NodeJS v16+: https://nodejs.org/en/download/

Umgebungsvariablen

Sie müssen auch eine Umweltdatei für dieses Projekt hinzufügen. Verzeichnisse mit einer .env -Datei:

• python_server/src/
• client/
• celery_queue/
• benchmarks/

Wir haben für jede .Env -Datei ein .env.example bereitgestellt. Wir bieten auch einen doppler.example .

Setup -Skript ausführen

Dann, um dieses Projekt einzurichten:

 sudo chmod +x ./setup.sh
sudo ./setup.sh

Manuelle Installation

Alternativ so, um dieses Projekt manuell einzurichten:

• Gehen Sie zum client -Ordner und zum NPM installieren Sie alle Abhängigkeiten:

 cd client
npm install

• Gehen Sie in den Ordner python_server/src und erstellen Sie einen virtuellen Umgebungsordner von Python. Installieren Sie dann alle Abhängigkeiten:

 cd python_server/src
python3 -m venv venv
source venv/bin/activate
pip3 install -r requirements.txt

• Gehen Sie in den Ordner celery_queue/ Ordner und erstellen Sie einen Ordner Virtual Umgebungs in Python. Installieren Sie dann alle Abhängigkeiten:

 cd celery_queue
python3 -m venv venv
source venv/bin/activate
pip3 install -r requirements.txt

Führen Sie das Projekt aus - Skript ausführen

• Um dieses Projekt durchzuführen:

 sudo chmod +x ./run.sh
sudo ./run.sh

Führen Sie das Projekt aus - manuell laufen

• Den Kunden ausführen:

 npm start --prefix client/

• Aktivieren Sie die virtuelle Umgebung von Python Server und führen Sie die Such -API aus:

 cd python_server/src
source venv/bin/activate
python app.py

• Aktivieren Sie die Tugendumgebung der Sellerie -Warteschlange und führen Sie die Task -Warteschlange aus

 cd celery_queue
source venv/bin/activate
celery -A tasks worker