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 17:46:34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
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
661