Substrate开发者知识库:深入理解Runtime执行器机制
2025-07-05 22:49:56作者:柯茵沙
什么是Runtime执行器
在Substrate区块链框架中,执行器(Executor)是一个核心组件,它负责调度和执行对Runtime的调用请求。执行器决定了使用哪种形式的Runtime(原生可执行文件或WebAssembly二进制)来处理这些调用,是连接节点客户端与Runtime的关键桥梁。
Runtime执行环境详解
Substrate Runtime有两种表现形式:
- 原生可执行文件:直接编译为机器码,作为节点可执行文件的一部分
- WebAssembly(Wasm)二进制:存储在区块链上,通过特定存储键访问
这两种形式可能不同步,特别是在Runtime升级后。执行器需要智能地决定在特定场景下使用哪个版本的Runtime。
执行策略深度解析
执行策略(Execution Strategy)决定了在什么情况下使用哪种Runtime形式。Substrate提供了多种策略选择:
| 策略名称 | 行为描述 |
|---|---|
| NativeWhenPossible | 优先使用原生Runtime,不可用时回退到Wasm |
| AlwaysWasm | 强制使用Wasm Runtime |
| Both | 同时执行原生和Wasm版本,用于验证一致性 |
| NativeElseWasm | 尝试原生Runtime,执行失败则使用Wasm |
默认策略配置
Substrate为区块链的不同处理环节设置了默认策略:
- 同步区块:NativeElseWasm
- 区块导入(非验证节点):NativeElseWasm
- 区块导入(验证节点):AlwaysWasm
- 区块构建:AlwaysWasm
- 链下工作器:NativeWhenPossible
- 其他操作:NativeWhenPossible
自定义策略配置
可以通过命令行参数覆盖默认策略:
# 为特定环节设置策略
--execution-block-construction <strategy>
--execution-import-block <strategy>
--execution-offchain-worker <strategy>
--execution-other <strategy>
--execution-syncing <strategy>
# 为所有环节统一设置策略
--execution <strategy>
策略名称可使用简写形式:Native、Wasm、Both、NativeElseWasm。
Wasm执行环境的特点
Wasm Runtime被视为权威运行时,具有以下特性:
- 共识保障:Wasm二进制存储在区块链上,全网节点对其达成共识
- 环境限制:运行在32位环境,内存上限可配置(最高4GB)
- 确定性验证:确保区块生产者构建的区块在所有节点上执行结果一致
原生执行环境的优势
原生Runtime在以下场景中表现更优:
- 性能更高:直接运行机器码,无需Wasm解释/编译开销
- 功能更全:不受Wasm环境限制,可以访问完整的系统资源
- 开发便利:调试和测试时响应更快
但原生执行必须满足版本兼容性要求,否则会自动回退到Wasm执行。
实际应用建议
- 区块生产节点:建议保持默认的AlwaysWasm策略,确保区块有效性
- 同步节点:可使用NativeElseWasm提高同步速度
- 开发环境:可临时使用NativeWhenPossible加速迭代
- 关键操作:考虑使用Both策略进行双重验证
版本兼容性机制
执行器在选择Runtime时会严格检查版本号,确保:
- 原生Runtime版本必须≥请求的Runtime版本
- 当原生版本过时,自动选择Wasm Runtime
- 版本检查防止了执行环境不一致导致的状态差异
理解Substrate执行器的工作原理,有助于开发者优化节点性能,确保区块链网络的稳定运行。在实际部署中,应根据节点角色和网络需求选择合适的执行策略。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
225
251
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868