Skip to content

vnegi10/BitcoinRPC.jl

Folders and files

NameName
Last commit message
Last commit date

Latest commit

Β 

History

44 Commits
Β 
Β 
Β 
Β 
Β 
Β 
Β 
Β 
Β 
Β 
Β 
Β 
Β 
Β 
Β 
Β 
Β 
Β 

Repository files navigation

BitcoinRPC.jl

This package provides a Julia interface to Bitcoin's JSON-RPC API. Only blockchain and mining RPCs have been implemented for now. They should be enough for performing on-chain analytics, which is the primary motivation here. Remaining ones will be added later if necessary. Pull requests are always welcome!

How to install?

  • Press ']' to enter Pkg prompt
  • add BitcoinRPC

Prerequisite

You will need to run a full node using either the GUI from Bitcoin Core or the headless version called bitcoind. See instructions here. The daemon can also be started with a bitcoin.conf configuration file, which can be generated here.

The configuration file should have the RPC options enabled, which will allow our package to communicate with the node's RPC server. Setting a username and password is a must, as those credentials will be used for authentication. An example is shown below:

# [rpc]
# Accept command line and JSON-RPC commands.
server=1
# Username and hashed password for JSON-RPC connections. The field <userpw> comes in the format: <USERNAME>:<SALT>$<HASH>. RPC clients connect using rpcuser=<USERNAME>/rpcpassword=<PASSWORD> arguments. You can generate this value at https://jlopp.github.io/bitcoin-core-rpc-auth-generator/. This option can be specified multiple times.
rpcauth=vnegi10:e505cc439280783b65b57835c814fbe2$5cbb256435336a3c95a2545e4d4098d051e2bbd245f3831b6f2a172844aaf8e7
# Listen for JSON-RPC connections on this port
rpcport=8332
# Set the number of threads to service RPC calls
rpcthreads=8
# Set the depth of the work queue to service RPC calls
rpcworkqueue=32

Once the GUI or daemon is started, the software will download a copy of the entire blockchain onto your disk. This means that you will have data starting from the first block (mined in 2009), also known as the genesis block. Default download location is usually at ~/.bitcoin/, but you are free to select another one. Keep in mind that you need ~ 424 GB space (as of 11–04–2022) in case you want the most recent blocks. This is the recommended way to get authentic and reliable data, as it is fetched from a trusted set of peers, which are usually other nodes running on computers around the world. It's wise not to trust any other sources.

Help

Some examples of available functions along with the expected output are shown below. Detailed usage information can also be obtained via REPL help:

  • Press '?' to enter the help mode
  • Type function name and press enter

Documentation:

Example usage

auth = UserAuth("rpcuser", "rpcpassword", rpcport)
julia> show_block(auth, blockhash = show_best_block_hash(auth), verbosity = 1)
Dict{String, Any} with 18 entries:
  "time"              => DateTime("2022-04-30T16:06:39")
  "difficulty"        => 2.97944e13
  "bits"              => "17097275"
  "previousblockhash" => "00000000000000000002bd10c4a5ed735df0f860be0b1b47ce12a3f5be8ad9f6"
  "merkleroot"        => "19b3732ebf608a27e6e0c83e351f0a01f9d86016d466ae94190e74ab8b29801e"
  "height"            => 734262
  "confirmations"     => 1
  "strippedsize"      => 856000
  "version"           => 538968064
  "hash"              => "00000000000000000005089254e190446199a35441943fb1ad34d46fbaad3271"
  "tx"                => Any["5e4a16d49ee79083636f24138c9e27d28daad5c607f80427ffdc1a4f4251b3b7", "e068afb1fd759ed967bba4a0c925bf22d13283…
  "size"              => 1425426
  "versionHex"        => "20200000"
  "weight"            => 3993426
  "mediantime"        => DateTime("2022-04-30T14:18:16")
  "nTx"               => 2826
  "chainwork"         => "00000000000000000000000000000000000000002cf79dc7911c9663902061d0"
  "nonce"             => 2198508859
  julia> show_chain_txstats(auth, nblocks = 1440, blockhash = show_block_hash(auth, height = 700000))
Dict{String, Any} with 8 entries:
  "txcount"                   => 669566382
  "window_tx_count"           => 2512428
  "time"                      => DateTime("2021-09-11T04:14:32")
  "window_interval"           => 821264
  "window_final_block_height" => 700000
  "window_final_block_hash"   => "0000000000000000000590fc0f3eba193a278534220b2b37e9849e1a770ca959"
  "window_block_count"        => 1440
  "txrate"                    => 3.05922
  julia> @time collect_block_stats(auth, 500_000, 505_000)
 46.696418 seconds (3.57 M allocations: 204.254 MiB, 0.23% gc time)
5001Γ—28 DataFrame
  Row β”‚ avgfee      avgfeerate  avgtxsize  blockhash                          height  ins    maxfee     maxfeerate  maxtxsize  medianfe β‹―
      β”‚ Float64     Float64     Int64      String                             Int64   Int64  Float64    Float64     Int64      Float64  β‹―
──────┼──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
    1 β”‚ 0.00125685     3.4e-6         388  00000000000000000024fb37364cbf81…  500000   4370  0.0647075    8.84e-6       19850  0.000858 β‹―
    2 β”‚ 0.00137451     3.64e-6        403  0000000000000000005c9959b3216f86…  500001   5176  0.236868     2.79e-5       43980  0.000835
    3 β”‚ 0.00113823     3.41e-6        352  000000000000000000877d93d1412ca6…  500002   5059  0.1          3.141e-5      33674  0.000697
    4 β”‚ 0.00144839     3.64e-6        414  0000000000000000005467c7a728a3dc…  500003   5028  0.187487     1.182e-5      34739  0.000895
    5 β”‚ 0.00150056     2.9e-6         568  0000000000000000005d4da5924742e6…  500004   5303  0.177758     1.908e-5     103927  0.000691 β‹―

Requests in batch mode are also supported. In fact, this is recommended while performing on-chain analytics over a large number of blocks. See the difference in time (shown below) compared to the above example:

julia> @time collect_block_stats_batch(auth, 500_000, 505_000, batchsize = 1000)
 26.004791 seconds (3.38 M allocations: 158.279 MiB, 0.25% gc time)
5001Γ—28 DataFrame
  Row β”‚ avgfee      avgfeerate  avgtxsize  blockhash                          height  ins    maxfee     maxfeerate  maxtxsize  medianfe β‹―
      β”‚ Float64     Float64     Int64      String                             Int64   Int64  Float64    Float64     Int64      Float64  β‹―
──────┼──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
    1 β”‚ 0.00125685     3.4e-6         388  00000000000000000024fb37364cbf81…  500000   4370  0.0647075    8.84e-6       19850  0.000858 β‹―
    2 β”‚ 0.00137451     3.64e-6        403  0000000000000000005c9959b3216f86…  500001   5176  0.236868     2.79e-5       43980  0.000835
    3 β”‚ 0.00113823     3.41e-6        352  000000000000000000877d93d1412ca6…  500002   5059  0.1          3.141e-5      33674  0.000697
    4 β”‚ 0.00144839     3.64e-6        414  0000000000000000005467c7a728a3dc…  500003   5028  0.187487     1.182e-5      34739  0.000895
    5 β”‚ 0.00150056     2.9e-6         568  0000000000000000005d4da5924742e6…  500004   5303  0.177758     1.908e-5     103927  0.000691 β‹―
julia> collect_network_stats_batch(auth, 600_000, 601_000, batchsize = 100)
1001Γ—4 DataFrame
  Row β”‚ height  time                 network_hash  difficulty 
      β”‚ Int64   DateTime             Float64       Float64    
──────┼───────────────────────────────────────────────────────
    1 β”‚ 600000  2019-10-19T00:04:21    9.59932e19  1.34101e13
    2 β”‚ 600001  2019-10-19T00:06:53    9.60499e19  1.3418e13
    3 β”‚ 600002  2019-10-19T00:14:35    9.60657e19  1.34202e13
    4 β”‚ 600003  2019-10-19T00:39:08    9.59483e19  1.34038e13
    5 β”‚ 600004  2019-10-19T00:46:56    9.59633e19  1.34059e13

Results for on-chain analytics are cached via the use of Memoization.jl. This will dramatically speed up repeated calls to the same function. See an example comparison below:

Without caching

julia> for i = 1:5
           @time collect_block_stats_batch(auth, 500_000, 502_000, batchsize = 100)
       end
 13.056209 seconds (1.53 M allocations: 73.190 MiB, 0.24% gc time, 17.68% compilation time)
 10.712428 seconds (1.46 M allocations: 69.270 MiB, 0.24% gc time)
 10.675426 seconds (1.46 M allocations: 69.270 MiB, 0.23% gc time)
 10.676681 seconds (1.46 M allocations: 69.275 MiB)
 10.616955 seconds (1.46 M allocations: 69.270 MiB, 0.18% gc time)

With caching

julia> for i = 1:5
           @time collect_block_stats_batch(auth, 500_000, 502_000, batchsize = 100)
       end
 14.329239 seconds (1.48 M allocations: 71.675 MiB, 0.08% gc time, 16.33% compilation time)
  0.000021 seconds (13 allocations: 784 bytes)
  0.000002 seconds (13 allocations: 784 bytes)
  0.000002 seconds (13 allocations: 784 bytes)
  0.000002 seconds (13 allocations: 784 bytes)

By making use of the provided plotting functions, key blockchain metrics can be visualized right within the REPL. UnicodePlots.jl is being used to generate these plots. Some examples are shown below:

julia> plot_total_fee(auth, 16, batchsize = 500)
                       β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €Daily average total fee in the blockβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β € 
                       ┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓ 
                   0.3 ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                       ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                       ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                       ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                       ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                       ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⒠⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣦⠀⠀┃ 
                       ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀Ⓒ⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⒀⠇⒇⠀┃ 
                       β”ƒβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘Žβ‘†β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β’Έβ €β Έβ‘€β”ƒ 
                       ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⑇⑇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀Ⓒ⠀⠀⑇┃ 
   Total fee [BTC]     β”ƒβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘‡β‘‡β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘œβ €β €β’£β”ƒ 
                       ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⒀⠇Ⓒ⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⒠⑄⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⒠⑀⠀⠀⠀⠀⑇⠀⠀Ⓒ┃ 
                       β”ƒβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘Ύβ‘€β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β’Έβ €β ˜β‘„β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘Žβ‘‡β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β’Έβ’£β €β €β‘΄β£Έβ €β €β €β ˆβ”ƒ 
                       β”ƒβ €β €β €β €β €β €β €β €β €β‘œβ‘‡β’€β €β’°β β’±β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β’Έβ €β €β’£β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β’Έβ €β’±β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘‡β ˜β‘„β €β‘‡β ‹β €β €β €β €β”ƒ 
                       β”ƒβ’€β‘€β €β €β €β£€β’„β €β’Έβ €β‘‡β‘Έβ £β ‹β €β’Έβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘Žβ €β €β ˆβ‘†β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘œβ €β Έβ‘€β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘€β €β €β €β €β‘‡β €β’±β’°β β €β €β €β €β €β”ƒ 
                       β”ƒβ’Έβ ˆβ ’β ΄β£ β ƒβ ˆβ’†β‘Žβ €β’Έβ‘‡β €β €β €β ˆβ‘†β €β €β €β €β €β €β €β’€β €β €β‘ β‘†β €β €β‘‡β €β €β €β Έβ‘€β‘€β’ β €β €β‘€β €β €β €β €β €β €β €β €β €β €β‘ β’΄β €β €β €β’€β ‡β €β €β’£β‘ β£€β €β’ β’†β €β €β‘€β‘°β’€β €β €β €β €β‘€β €β’ β‘„β €β’ β’€β €β‘”β Ήβ‘€β €β €β’°β β €β €β »β €β €β €β €β €β €β”ƒ 
                       β”ƒβ‘‡β €β €β €β ˆβ €β €β €β β €β Έβ β €β €β €β €β’‡β’ β ‹β ‘β’€β ΄β‘€β €β‘Ÿβ‘„β’°β β’Έβ €β’ β ƒβ €β €β €β €β ‰β ˆβ β €β €β‘‡β €β‘ β ’β ¦β ”β’£β €β’€β‘œβ ‰β €β ˆβ‘†β’€β ¦β Žβ €β €β €β €β €β €β ‘β ƒβ’Έβ €β’Έβ ˆβ ƒβ €β’‡β €β €β‘ β »β‘€β‘Žβ’£β €β‘Έβ €β »β €β €β’£β’€β €β ‡β €β €β €β €β €β €β €β €β €β €β”ƒ 
                       β”ƒβ ƒβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β ˆβ ƒβ €β €β €β €β’£β’°β β ˆβ Šβ €β ˆβ ’β Žβ €β €β €β €β €β €β €β €β €β €β Έβ£€β ‡β €β €β €β ˆβ’†β‘œβ €β €β €β €β £β ƒβ €β €β €β €β €β €β €β €β €β €β €β £β ‡β €β €β €β ˜β’„β’€β ‡β €β ‹β €β Έβ‘„β‘‡β €β €β €β €β ˜β‘œβ €β €β €β €β €β €β €β €β €β €β €β €β”ƒ 
                       β”ƒβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β ™β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β ˆβ €β €β €β €β €β ˆβ β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β ˆβ’Ύβ €β €β €β €β €β ˜β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β”ƒ 
                       ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                     0 ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                       ┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛ 
                       β €2022-01-25β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €2022-05-15β € 
                       β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €Time [days]β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β € 
julia> plot_num_txs(auth, 16, batchsize = 500)
                   β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €Daily number of transactionsβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β € 
                   ┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓ 
            400000 ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                   ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                   ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                   ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                   ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀Ⓒ⑆⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                   ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⒀⒀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣰⠀⠀⑦⒄⠀⒀⑀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣄⑀⠀⠀⠀⠀①⣀⒄⠀⠀⠀⠀ⒸⒸ⠀⠀⠀⠀⠀⠀⒀⑆┃ 
                   β”ƒβ’€β €β£€β €β €β‘ β Šβ ±β‘„β €β €β’€β Žβ ’β£€β €β €β €β’ β ’β‘„β’€β €β €β €β‘€β €β €β‘€β €β’°β β €β £β£€β €β €β €β‘°β’†β‘€β €β €β €β£ β ‹β ±β‘€β €β €β’€β£€β£ β ›β‘„β’€β ‡β ˆβ Šβ β’‡β €β‘Έβ ’β ’β ¦β‘„β €β’ β ‹β ‰β ’β‘€β €β €β’€β Žβ €β ±β‘€β €β’Έβ ‘β β ‰β ˆβ‘†β’€β Žβ‘‡β‘‡β ˆβ‘†β €β‘Žβ ±β‘ β ’β Žβ‘‡β”ƒ 
                   β”ƒβ’Έβ ‰β ˜β‘„β €β‘‡β €β €β ˜β œβ‘‡β‘Έβ €β €β €β’±β €β €β‘Žβ €β ˆβ ‰β‘†β €β’ β ‹β ’β Šβ’£β €β‘Έβ €β €β €β Έβ‘€β €β‘β β €β ‘β‘„β €β‘œβ €β €β €β Έβ‘€β’Έβ β €β €β €β‘‡β’Έβ €β €β €β €β ˜β‘„β‘‡β €β €β €β Έβ‘€β’Έβ €β €β €β Έβ‘€β €β‘œβ €β €β €β’£β €β‘‡β €β €β €β €β’Έβ’Έβ €β’±β‘‡β €β’‡β’ β ƒβ €β €β €β €β’£β”ƒ 
                   β”ƒβ’Έβ €β €β ±β£°β β €β €β €β €β’±β‘‡β €β €β €β €β’‡β’Έβ €β €β €β €β’£β €β‘β €β €β €β Έβ‘€β‘‡β €β €β €β €β’‡β’Έβ €β €β €β €β ±β£€β ‡β €β €β €β €β’£β‘Žβ €β €β €β €β ±β£Έβ €β €β €β €β €β ±β β €β €β €β €β’£β‘‡β €β €β €β €β’£β’€β ‡β €β €β €β ˆβ’¦β ƒβ €β €β €β €β €β ƒβ €β ˆβ ƒβ €β ˜β šβ €β €β €β €β €β’Έβ”ƒ 
   Num. txs        β”ƒβ’Έβ €β €β €β »β €β €β €β €β €β ˆβ €β €β €β €β €β ˆβ Žβ €β €β €β €β ˆβ’Άβ β €β €β €β €β ˆβ ƒβ €β €β €β €β ˆβ Žβ €β €β €β €β €β Ήβ €β €β €β €β €β ˆβ ƒβ €β €β €β €β €β β €β €β €β €β €β €β €β €β €β €β €β €β β €β €β €β €β €β »β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β’Έβ”ƒ 
                   β”ƒβ’Έβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β ˆβ”ƒ 
                   ┃Ⓒ⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                   β”ƒβ‘Žβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β”ƒ 
                   ┃⑇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                   ┃⑇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                   ┃⑇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                   ┃⑇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                   ┃⑇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                   ┃⠇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                 0 ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                   ┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛ 
                   β €2022-01-25β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €2022-05-15β € 
                   β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €Time [days]β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β € 
julia> plot_network_hashrate(auth, 16, batchsize = 500)
                            β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €Daily average network hashrateβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β € 
                            ┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓ 
                     2.7e20 ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                            ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⑄⠀⠀⠀⠀┃ 
                            ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⒠⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣿⠀⠀⠀⠀┃ 
                            ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀Ⓒ⑀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⒰⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣿⠀⠀⠀⠀┃ 
                            ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀Ⓒ⑇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀Ⓒ⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣿⠀⠀⠀⠀┃ 
                            ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀Ⓒ⑇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀Ⓒ⑇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⒰Ⓓ⠀⠀⠀⠀┃ 
                            β”ƒβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β’Έβ‘‡β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘œβ‘‡β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β’Έβ €β‘‡β €β €β €β”ƒ 
                            β”ƒβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘Žβ‘‡β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘‡β‘‡β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β’Έβ €β‘‡β‘€β €β €β”ƒ 
                            ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⑇⑇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⑇⑇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⑼⑀⠀⠀⑰⠉⠉⠙⠒⠒⠀⠼⠀⣷⠙⠔⒆┃ 
   Hashes per second        β”ƒβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘‡β‘‡β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘‡β’Έβ €β €β €β €β €β €β €β €β €β’€β ‡β’‡β €β’ β ƒβ €β €β €β €β €β €β €β €β β €β €β ˆβ”ƒ 
                            β”ƒβ €β €β €β €β €β €β €β €β €β‘€β €β €β €β €β €β €β €β €β €β €β‘‡β’±β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β’ β’£β €β €β’€β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘‡β’Έβ €β €β €β €β €β €β €β’€β €β œβ €β ˆβ Šβ β €β €β €β €β €β €β €β €β €β €β €β €β €β”ƒ 
                            β”ƒβ €β €β €β €β €β €β €β €β’°β‘‡β €β €β €β €β €β €β €β €β €β €β‘‡β’Έβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β‘Žβ ˜β‘”β ‰β β ±β €β’„β €β’„β£€β’„β‘€β €β €β €β €β €β €β €β €β €β €β €β’ β ƒβ ˜β£„β Žβ ±β‘€β’€β ”β Šβ β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β”ƒ 
                            β”ƒβ €β €β €β €β €β €β €β €β’Έβ‘‡β €β €β €β €β €β €β €β €β €β’€β‘‡β’Έβ €β €β €β €β €β €β €β €β €β €β €β£΄β €β €β €β €β €β €β €β €β €β €β €β’°β β €β €β €β €β €β €β €β €β €β €β €β’£β €β €β €β’€β ”β ’β ‘β ’β ”β ’β ’β šβ €β €β ˆβ €β €β ‰β Šβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β”ƒ 
                            β”ƒβ €β €β €β €β €β €β €β €β‘Žβ‘‡β €β €β €β €β €β €β €β‘ β ’β β €β’Έβ’ β ‹β ¦β ”β ‰β ’β €β‘€β’€β €β šβ ˜β‘„β €β €β €β €β €β €β €β’€β‘ β €β œβ €β €β €β €β €β €β €β €β €β €β €β €β ˆβ ’β’†β €β‘œβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β”ƒ 
                            β”ƒβ’„β €β €β €β£€β£€β €β ”β ƒβ’£β €β €β €β €β €β €β‘œβ €β €β €β €β ˜β β €β €β €β €β €β €β ˆβ Šβ €β €β €β‘‡β €β €β €β €β£€β‘ β ’β β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β ˆβ ‰β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β”ƒ 
                            β”ƒβ ˆβ ’β ’β ‰β €β €β €β €β €β’Έβ €β €β’€β£€β ”β Šβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β ˆβ’†β €β’€β Žβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β”ƒ 
                            β”ƒβ €β €β €β €β €β €β €β €β €β’Έβ €β’°β β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β ˜β‘΄β β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β”ƒ 
                            ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀Ⓒ⒠⠃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                            β”ƒβ €β €β €β €β €β €β €β €β €β’Έβ‘Žβ €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β”ƒ 
                     1.6e20 ┃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠁⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀┃ 
                            ┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛ 
                            β €2022-01-25β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €2022-05-15β € 
                            β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €Time [days]β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β €β € 
julia> plot_block_time_dist(auth, 24, batchsize = 500)
                                                           Distribution of BTC block times                        
                                    ┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓ 
                     [  0.0,  10.0) β”ƒβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆ  15461┃ 
                     [ 10.0,  20.0) β”ƒβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–Œ 5552                                             ┃ 
                     [ 20.0,  30.0) β”ƒβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–ˆβ–‰ 2038                                                             ┃ 
                     [ 30.0,  40.0) β”ƒβ–ˆβ–ˆβ–ˆβ–Ž 722                                                                   ┃ 
                     [ 40.0,  50.0) β”ƒβ–ˆβ– 242                                                                     ┃ 
   Block time [mins] [ 50.0,  60.0) ┃▍ 79                                                                       ┃ 
                     [ 60.0,  70.0) β”ƒβ–Ž 35                                                                       ┃ 
                     [ 70.0,  80.0) ┃▏ 11                                                                       ┃ 
                     [ 80.0,  90.0) ┃▏ 9                                                                        ┃ 
                     [ 90.0, 100.0) ┃▏ 2                                                                        ┃ 
                     [100.0, 110.0) ┃▏ 1                                                                        ┃ 
                     [110.0, 120.0) ┃▏ 1                                                                        ┃ 
                                    ┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛ 
                                                                   Number of counts                               

Note that the idea here is to only provide a quick visual insight. If you need to generate proper plots, consider using either one of VegaLite.jl, Plots.jl or Makie.