LND项目中通道策略更新时InboundFees被意外覆盖的问题分析
2025-05-29 06:29:04作者:齐冠琰
问题描述
在LND项目的通道策略更新功能中,发现当用户使用lncli updatechanpolicy命令更新通道策略时,如果没有显式指定inbound fees参数,之前设置的inbound fees会被意外重置为零值。这与预期行为不符,因为用户期望未指定的参数应该保持原值不变。
技术背景
LND是Lightning Network Daemon的简称,是闪电网络的一个实现。在闪电网络中,通道策略决定了节点如何收费以及如何处理支付。其中:
- 常规费用参数:包括基础费用(base_fee_msat)和费率(fee_rate_ppm)
- Inbound费用参数:包括入站基础费用(inbound_base_fee_msat)和入站费率(inbound_fee_rate_ppm)
这些参数共同决定了节点在转发支付时收取的费用结构。
问题复现步骤
- 首先设置包含inbound fees的通道策略
- 验证inbound fees已正确设置
- 再次更新通道策略但不指定inbound fees参数
- 观察到之前设置的inbound fees被重置为零
根本原因分析
通过查看源代码发现,这个问题源于updatechanpolicy命令的实现方式:
- 对于
max_htlc_msat参数,当提交值为零时会保留当前值 - 对于
min_htlc_msat参数,只有在min_htlc_msat_specified标志为真时才会更新 - 但对于inbound fees参数,目前没有类似的保护机制
这种不一致的行为导致了inbound fees在没有显式指定时被意外覆盖。
解决方案建议
为了保持向后兼容性并解决这个问题,建议采用以下方案:
- 添加
inbound_fees_specified布尔标志 - 只有当该标志为真时,才更新
inbound_base_fee_msat和inbound_fee_rate_ppm参数 - 保持现有参数默认值为零的行为不变
这种方案与现有参数的处理逻辑一致,能够提供更好的用户体验。
影响范围
这个问题主要影响:
- 使用inbound fees功能的节点运营者
- 需要频繁更新通道策略但不想每次都重新指定inbound fees的用户
- 自动化管理通道策略的脚本和工具
总结
LND作为闪电网络的重要实现,其通道策略管理功能的稳定性和一致性至关重要。这个问题的修复将提高用户体验,确保通道策略更新操作更加符合直觉。开发团队已经注意到这个问题,并正在积极解决中。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
暂无简介
Dart
986
253