solana-dex-execution

该数据集记录了Solana区块链上DEX（去中心化交易所）的报价值以及聚合器为达到该报价所选择的路由。数据集包含两个表格：`e24_solana_quotes` 和 `e24_solana_routes`。`e24_solana_quotes` 的每一行代表一个交易对在某一时刻某一规模的报价，包括输出量、价格影响、美元价值以及路由腿数。`e24_solana_routes` 的每一行代表所选路由的一条腿，包含交易场所、交易数量以及该腿承载的订单百分比。用户可以通过 `(round_ts, input_symbol, output_symbol, in_amount)` 字段连接这两个表格。数据集的规模固定为1、50和1000 SOL，以便价格影响随时间可比。路由信息是难以从其他来源获取的，它反映了可路由流动性的实际分布。数据集还包含一个原始字段 `amm_report_raw`，以JSON格式存储聚合器考虑过的交易场所报告，由于该字段可能包含非标准信息（如稳定币报价或流动性不足的字符串），因此保持原始格式。注意事项：数据仅来自一个聚合器（虽然它是Solana上的主导者）；报价仅供参考，不反映真实交易的上链风险、优先费用或滑点；价格影响是聚合器自己的估计；仅包含5个以SOL为输入的交易对；失败请求以显式错误行表示。数据分区为Parquet文件，按集合窗口存储在 `dataset/YYYY/MM/` 目录下。每个数据集包含一个固定的7天样本窗口，从各自的第一个收集日开始，覆盖2026-08-30至2026-09-05。完整历史数据可应要求提供。数据集使用ODC-BY许可。This dataset records quotes from decentralized exchanges (DEXs) on the Solana blockchain and the routes selected by an aggregator to achieve those quotes. It contains two tables: `e24_solana_quotes` and `e24_solana_routes`. Each row in `e24_solana_quotes` represents a quote for a trading pair at a specific time and size, including output amount, price impact, dollar value, and number of route legs. Each row in `e24_solana_routes` represents a leg of the selected route, including the venue, trade amount, and the percentage of the order carried by that leg. Users can join the two tables using the fields `(round_ts, input_symbol, output_symbol, in_amount)`. The dataset has fixed sizes of 1, 50, and 1000 SOL to make price impact comparable over time. Route information is hard to obtain from other sources and reflects the actual distribution of routable liquidity. The dataset also includes a raw field `amm_report_raw`, which stores the reports from venues considered by the aggregator in JSON format; this field is kept raw because it may contain non-standard information (e.g., stablecoin quotes or liquidity insufficiency strings). Notes: The data comes from only one aggregator (though it is the dominant one on Solana); quotes are for reference only and do not reflect on-chain risk, priority fees, or slippage of actual trades; price impact is the aggregators own estimate; only 5 trading pairs with SOL as input are included; failed requests are represented as explicit error rows. The data is partitioned into Parquet files stored in `dataset/YYYY/MM/` directories by collection window. Each dataset contains a fixed 7-day sample window starting from its respective first collection day, covering 2026-08-30 to 2026-09-05. Full historical data is available upon request. The dataset is licensed under ODC-BY.

原始信息汇总

数据集概述

数据集名称：Solana DEX execution costs and routing（Solana DEX 执行成本与路由）

许可协议：ODC-BY（允许自由使用，需注明出处 "DataForge (dataforge-labs)"）

数据集规模：1M 至 10M 行

任务类型：时间序列预测（time-series-forecasting）

时间覆盖：固定 7 天采样窗口，跨度为 2026-08-30 至 2026-09-05

---

数据集内容

该数据集记录了 Solana 链上 DEX 的代币兑换报价（quote），以及聚合器为实现该报价所采用的流动性路由（routing）信息。数据集的核心价值在于：报价和路由信息在真实交易执行后不会上链，因此难以从链上数据获取，本数据集提供了这些“看不见”的数据。

表结构与行含义

表名	一行代表的内容
e24_solana_quotes	某一时刻、某一交易对、某一规模的报价：输出金额、价格影响、美元价值、路由腿数
e24_solana_routes	所选路由的一条腿（leg）：场所、金额及其承载的订单百分比

两张表可通过 (round_ts, input_symbol, output_symbol, in_amount) 字段进行关联。订单规模固定为 1、50、1000 SOL 三档，以便在不同时间点上比较价格影响。

原始字段说明

amm_report_raw 字段是聚合器对其所考虑场所（venues）的原始报告，以 JSON 格式逐字存储，未做解析。该字段并非仅限于当前报价的交易对，可能包含其他规模量级的信息或异常文本（如 "Pair insufficient liquidity"），因此刻意保持原始状态以避免产生有误导性的派生指标。

---

数据特点与注意事项

• 单一聚合器来源：数据来自 Solana 上占主导地位的聚合器，报价反映的是该聚合器的路由结果，而非全网最优价格。
• 报价为指示性（indicative）：真实交易还涉及交易落地风险、优先费用和滑点等，这些均未被报价反映。
• price_impact_pct 为聚合器自身估计值，并非重新计算得出。
• 覆盖范围有限：仅包含 5 个交易对，且全部以 SOL 作为输入代币，是 Solana 生态的一部分而非全量数据。
• 错误处理方式：失败的请求会以显式错误行记录（测量值为空），可将聚合器不可用与交易对无路由两种情况区分开来。
• 数据分区与采样窗口：以 Parquet 格式存储，按 dataset/YYYY/MM/ 目录分区，每个采集窗口一个文件。数据集固定为 7 天采样窗口，不会自动推进，因此无需重复下载。
• 覆盖清单：e0_run_manifest 表完整列出了每个采集窗口的轮询计数和失败计数，并以完整而非窗口化的形式发布。窗口间的数据缺口是真实存在的，无法事后填补，数据集中无任何插值处理。

---

访问与获取

可通过 Hugging Face datasets 库或 huggingface_hub 的 snapshot_download 工具下载数据。每个数据集均带有固定的 7 天采样窗口，便于用户在请求完整数据之前检查数据的 schema、覆盖范围和质量。完整历史数据可通过讨论区（discussions tab）联系获取。

搜集汇总

数据集介绍

构建方式

本数据集源自对Solana区块链上聚合交易路由的持续监测，通过按固定大小阶梯（1、50、1000 SOL）对各交易对发起报价请求，并同步捕获聚合器在多个去中心化交易所（DEX）间的拆分执行路径。报价与路由信息分别存储于两个Parquet表：报价表记录每笔查询在特定时刻的输出、价格影响及美元价值；路由表详列每条订单中各个交易场所承担的金额与百分比。数据收集以7天为固定窗口，每窗口独立成文件，并按年月归档，确保可追溯性与不可篡改性。

特点

该数据集的核心特色在于其原始性与完整性。聚合器提供的内部报告被原样保留为JSON字段，此设计源于早期尝试解析该字段时出现的异常误差，凸显了保留原始对象的重要性。同时，数据集中包含显式错误行，用以区分不可用的聚合服务与无路径的交易对，提升了数据的可靠性。此外，通过多层路由揭示流动性真实分布，而非仅依赖交易量报告，为研究DEX聚合行为提供了独特视角。

使用方法

研究者可通过公开的HuggingFace仓库下载固定7天窗口内的数据，利用Python的pandas库对Parquet文件进行加载与分析。建议先查阅清单文件以了解采集窗口与失败率，再按共享键（如时间戳、交易对及输入数量）进行表间关联，以复现完整的交易路由图景。该数据适用于时间序列预测、流动性深度评估及聚合策略优化等研究方向，但需注意其仅涵盖单一聚合器与五种SOL入账交易对，解读时应兼顾其代表性局限。

背景与挑战

背景概述

随着去中心化金融（DeFi）生态的迅猛发展，Solana区块链凭借其高吞吐量和低交易成本，成为众多交易者和流动性提供者的首选平台。然而，链上交易执行的质量依赖于聚合器对多DEX流动性的实时路由决策，这一过程涉及复杂的报价计算与路径优化，却鲜有公开数据记录。在此背景下，DataForge实验室于2026年创建了' solana-dex-execution '数据集，旨在捕获Solana上DEX聚合器的实际报价与路由行为。该数据集覆盖2026年8月30日至9月5日的固定时间窗口，包含超过百万条报价与路由记录，系统性地呈现了不同交易规模下（1、50、1000 SOL）的价格影响及多腿路由分布。其核心研究问题在于量化流动性分布的真实结构，并揭示聚合器在面对不同资产对和订单规模时的路由决策逻辑。作为领域内首个公开的DEX执行细节数据集，它填补了DeFi数据中链下路由信息的空白，为研究价格冲击、流动性拼接效率及聚合器竞争态势提供了宝贵的实证基础，对市场微结构研究和交易策略优化具有重要参考价值。

当前挑战

该数据集领域面临的核心挑战涵盖多个层面。首先，DeFi市场瞬息万变，交易报价依赖实时池状态，而链上数据仅记录已执行的交易，导致聚合器考虑过的路由方案无法从公开账本中直接观测，这构成了数据获取的根本性障碍。其次，不同DEX之间的流动性深度差异悬殊，在薄流动性资产对中，一次大额交易可能导致高达0.065%的价格冲击，而在深度资产中价格冲击可低至0.000018%，这种极端的波动性对数据建模与预测提出了严苛要求。再次，数据构建过程中，聚合器原始报告（amm_report_raw）包含大量非结构化JSON，甚至含有非数值条目（如“Pair insufficient liquidity”），若未经妥善处理，可能导致荒谬的衍生指标（如340亿基点误差），这要求构建者具备深度领域理解以设计合理的清洗流程。此外，固定时间窗口和有限交易对（仅SOL作为输入）限制了数据集的普适性，无法全面反映跨链或异质资产的路由特征，增加了外部验证和泛化应用的难度。这些挑战不仅影响了数据质量的保障，也约束了其在量化研究和系统开发中的适用范围。

常用场景

经典使用场景

该数据集专注于Solana区块链上去中心化交易所（DEX）的报价与路由执行数据，涵盖时间序列快照，记录了不同交易对在不同规模下的报价、价格影响及路由分拆细节。其经典使用场景为链上流动性分析、DEX聚合器性能评估及交易路由优化研究。研究者可借此探究流动性深度、滑点动态及聚合器在不同市场条件下的路由决策，为高频交易策略回溯测试和去中心化金融（DeFi）市场微观结构分析提供坚实数据基础。

解决学术问题

此数据集有效填补了Solana生态中DEX报价与路由执行数据的空白，解决了以往研究因缺乏链下报价和路由信息而无法准确评估聚合器效率的问题。它有助于量化分析价格影响与交易规模的非线性关系，揭示路由选择对执行质量的影响，进而推动DeFi领域关于流动性碎片化、套利机会及市场效率的实证研究。其原始JSON字段的保留，亦为研究者提供了探索复杂路由逻辑和异常值处理的空间，对构建鲁棒的交易执行模型具有重要学术价值。

衍生相关工作

基于该数据集，可衍生多项研究工作，如构建Solana DEX路由行为的基准测试框架，对比不同聚合器的执行质量；开发价格影响预测模型，探索市场深度与交易规模的动态关系；以及设计可解释的路由解释模型，解析聚合器的决策依据。此外，该数据集的原始报价记录可以用于异常检测研究，识别市场操纵或流动性异常事件，亦可结合其他链上数据，开展跨链流动性迁移的影响分析，推动DeFi生态的深度理解与创新。