Hedera Joins Google BigQuery for Easier Blockchain Access

TheCryptoTimesPublicado a 2025-10-31Actualizado a 2025-11-10

Key Highlights

Hedera Hashgraph has been added to Google Cloud’s BigQuery public datasets. This means developers, analysts, and enterprises will have access to the full transaction history of the Hedera network alongside major blockchains like Bitcoin and Ethereum.

This integration was led by the Hedera Foundation and made possible with the help of Ariane Labs, Hashgraph, and Google. The project aims to make Hedera data easier to query and analyze, which gives users a scalable way to explore blockchain activity without managing complex infrastructure.

Making blockchain data easy and open for everyone

With BigQuery, users can compare transaction speeds and costs with other blockchain networks, track tokenized assets and NFTs, including Hedera’s native token service (HTS), across different blockchains. Additionally, the dataset allows users to study smart contracts, DeFi trends, and Hedera’s growth over time. 

“Hedera’s inclusion in BigQuery public datasets allows developers, analysts, and enterprises to query the full transaction history of the Hedera network alongside other leading blockchains,” the Hedera Foundation said in its release on X.

The integration was built with open-source frameworks, and all ETL scripts are available for the community. This makes the dataset transparent, shared, and easy to update in the future. BigQuery will keep the data updated with changes in the network and improvements to the data format. Developers and researchers can also contribute to the dataset through the open-source repository.

HBAR surge almost 10% in 24 hour

Hbar Price Chart
HBAR Price Chart | Source: CoinMarketCap

Following the announcement, HBAR, the network’s native token surged to $0.19. This is a 9.53% increase in the last 24 hours, with a 130% surge in trading activity to $483 million in volume. As a result, the token has managed to push into the top 20 cryptocurrencies.

Also Read: Strive’s SATA IPO Closes Oversubscribed at $80 Per Share


Mobile Only Image

Lecturas Relacionadas

τ Scaling: El nuevo motor de crecimiento diseñado por Huawei para la era post-Moore

Durante décadas, el sector de los semiconductores avanzó reduciendo el tamaño de los transistores, pero la Ley de Moore toca a su fin ante costos explosivos y rendimientos decrecientes. El equipo de Huawei propone una nueva dirección tras seis años de investigación: el "τ Scaling" (Escalado Tau). En lugar de miniaturizar, la teoría se centra en optimizar el "tiempo" (τ) como métrica clave. Busca comprimir la latencia a través de toda la pila tecnológica, desde el tiempo de conmutación de los transistores (picosegundos) hasta las tareas a nivel de sistema (segundos), abarcando 12 órdenes de magnitud. La implementación adopta dos enfoques principales: * **En móviles (LogicFolding):** Mediante apilamiento 3D de chips y uniones híbridas de alta precisión, se optimizan las rutas críticas. Los resultados muestran aumentos del 55% en densidad de transistores, 41% en eficiencia energética y 13% en frecuencia base, apuntando a 4 GHz para 2029. * **En centros de datos de IA:** Se ataca la latencia en comunicación, donde reside el mayor gasto energético y de costos. Soluciones como un *Unified Bus* (reduciendo latencia remota 500x), interconexiones ópticas Hi-ONE (8Tb/s) y el *3D Folding* para integrar memoria y energía, permiten escalar clústeres de IA. Se prevé una mejora de más de 100x en integración del hardware para 2035. El camino implica desafíos como adaptar herramientas de diseño EDA, mejorar procesos de apilamiento 3D y establecer nuevos estándares de medición. La conclusión es clara: ha terminado la era de escalar por tamaño y comienza la de escalar por tiempo. La innovación futura dependerá de la integración 3D, la arquitectura de sistemas y la optimización de interconexiones, abriendo un camino más allá de la dependencia exclusiva de la litografía extrema.

marsbitHace 8 min(s)

τ Scaling: El nuevo motor de crecimiento diseñado por Huawei para la era post-Moore

marsbitHace 8 min(s)

NodeStrategy: El primer proyecto DAT de Ordinals que traslada la narrativa de tesorería a los NFT

Autor: 798.eth NodeStrategy se presenta como el primer proyecto DAT (Digital Asset Treasury) en Ordinals de Bitcoin. Su token, NODESTRAT (10 mil millones), funciona como una "máquina perpetua" que tiene como objetivo acumular el NFT NodeMonkes (no oficial) para crear valor. Opera en la plataforma radFi/Bound. Su modelo de negocio propone un ciclo de cuatro pasos: cobra una comisión del 10% en cada compraventa de NODESTRAT. El 90% va al "tesoro", que usa esos fondos para comprar NodeMonkes al precio mínimo. Luego, vende estos NFTs progresivamente en Satflow, y el BTC obtenido se destina íntegramente a recomprar y quemar tokens NODESTRAT. Teóricamente, esto reduce la oferta, aumenta el precio, atrae más operaciones y genera más comisiones, creando un círculo virtuoso. Sin embargo, el mecanismo presenta problemas estructurales clave: 1. **Dependencia de una única plataforma:** Dado que Bitcoin L1 no tiene contratos inteligentes, la comisión del 10% no puede integrarse en el token Rune. Solo puede aplicarse en la capa de la plataforma, específicamente en radFi/Bound. Si el token se comercializa en otro lugar (mercados P2P o DEXs), no se genera ningún ingreso por comisiones, paralizando por completo el ciclo del tesoro. Su mecanismo de valor está cautivo de una única plataforma. 2. **La comisión ahoga la demanda:** El impuesto del 10% a la entrada y otro 10% a la salida (20% de ida y vuelta) actúa como un fuerte desincentivo para los comerciantes y especuladores, sofocando la liquidez y el volumen necesarios para alimentar el modelo. Actualmente, el volumen es bajo (~$9K diarios). 3. **El mecanismo de recompra es débil:** Las recompras solo ocurren cuando se vende un NodeMonke desde la "escalera" de precios del tesoro. Este proceso es lento e incierto, ya que el mercado NFT es ilíquido. Hasta la fecha, solo se han vendido 39 NFTs, lo que limita severamente el ritmo de quema de tokens. 4. **La NAV (Valor del Activo Neto) es ineficaz:** Aunque el precio del token tiene un descuento del 0.46x sobre el valor teórico de sus activos (NAV), no existe un mecanismo de canje (redeem) para que los tenedores capturen ese valor. La única salida es vender en el mercado secundario, pagando otra comisión. Por lo tanto, el mercado valora el token en base a sus flujos de caja (comisiones y recompra), no por su respaldo teórico. En resumen, el diseño interno del proyecto es contradictorio: la misma comisión del 10% que debe alimentar el ciclo (combustible) también actúa como una barrera que reprime la demanda y la liquidez esenciales para que funcione, todo mientras depende de un único punto de fallo (la plataforma Bound) para existir.

marsbitHace 13 min(s)

NodeStrategy: El primer proyecto DAT de Ordinals que traslada la narrativa de tesorería a los NFT

marsbitHace 13 min(s)

Patrones de Diseño Agente: Un libro que me hizo replantearme 'qué es realmente un Agente'

El libro _Agentic Design Patterns_, escrito por Antonio Gullí, presenta una clasificación de cuatro niveles para los agentes de IA: * **Nivel 0**: LLM básico, sin herramientas ni capacidad de acción. No es considerado un agente real. * **Nivel 1**: Usa herramientas de forma autónoma, decidiendo cuándo y cómo utilizarlas para obtener información externa. * **Nivel 2**: Introduce la planificación y la "Context Engineering", que consiste en filtrar y preparar cuidadosamente la información del contexto para mejorar la precisión. Incluye la capacidad de autorreflexión (Reflection) mediante un patrón de dos agentes: un "Productor" y un "Crítico". * **Nivel 3**: Sistemas multiagente que colaboran, con diferentes topologías de comunicación según la complejidad de la tarea. El artículo destaca tres conceptos clave del libro: 1. **Context Engineering**: Va más allá del "Prompt Engineering", gestionando las capas de información (instrucciones del sistema, datos externos, estado implícito y retroalimentación) que el agente tiene a su disposición para tomar decisiones. 2. **Reflection**: Un patrón práctico donde un agente "Productor" genera un resultado y un agente "Crítico" distinto lo revisa, creando un ciclo de mejora iterativa. 3. **Memoria en tres capas**: Sesión (conversación actual), Estado (datos temporales de la tarea) y Memoria persistente (experiencia a largo plazo). La conclusión es que, en lugar de construir sistemas multiagente complejos, a menudo es más eficaz primero llevar un solo agente al Nivel 2, dotándolo de herramientas, reflexión y una gestión adecuada del contexto y la memoria. El libro proporciona un mapa de patrones de diseño que sistematizan soluciones a problemas comunes en el desarrollo de agentes.

链捕手Hace 54 min(s)

Patrones de Diseño Agente: Un libro que me hizo replantearme 'qué es realmente un Agente'

链捕手Hace 54 min(s)

Trading

Spot
Futuros
活动图片