zksync-era核心版本v28.6.0技术解析
zksync-era是一个基于ZK Rollup技术的区块链Layer2扩容解决方案,它通过零知识证明技术实现了高吞吐量和低交易费用的链下计算,同时保持与主网相同的安全级别。最新发布的core-v28.6.0版本带来了一系列重要的功能增强和性能优化,下面我们将深入分析这些技术改进。
核心功能增强
新增不稳定gasPerPubdata API接口
开发团队在API层新增了unstable_gasPerPubdata接口,这个功能为开发者提供了更细粒度的gas费用控制能力。在ZK Rollup系统中,每笔交易除了消耗gas外,还需要考虑将数据发布到主网的成本。这个新接口允许开发者查询当前网络状态下每单位pubdata(发布数据)对应的gas成本,使得DApp能够更精确地估算交易总成本。
配置参数报告机制优化
配置系统进行了重要升级,现在支持以更多方式报告配置参数。这一改进使得系统管理员和运维人员能够更灵活地获取和监控系统配置状态。特别是在分布式部署环境中,这种增强的配置报告机制可以帮助快速定位和解决因配置差异导致的问题。
批处理重检数量可配置化
执行节点(EN)现在支持通过配置调整max_batches_to_recheck参数。这个参数控制着节点在同步过程中需要重新验证的历史批次数量上限。通过使其可配置化,节点运营者可以根据自身硬件资源和网络条件优化同步性能,特别是在从网络中断恢复时,可以平衡同步速度和资源消耗。
关键问题修复
配置反序列化问题修正
团队修复了max_response_body_size_overrides配置项的反序列化问题。这个修复确保了当配置文件中包含复杂的大小限制规则时,系统能够正确解析和应用这些规则,防止因配置解析错误导致的API服务异常。
空值单位解析优化
配置系统进一步改进了对包含单位的空值的处理逻辑。在之前的版本中,某些配置项如果设置为null并带有单位(如"null MB")可能会导致解析异常。这个修复增强了配置系统的健壮性,确保各种边缘情况的配置都能被正确处理。
共识领导者配置可选化
在共识模块中,领导者的配置现在被标记为可选。这一变更使得系统部署更加灵活,特别是在测试环境或特定拓扑结构中,可以不需要显式指定领导者节点,简化了配置过程。
性能优化
Jemalloc内存分配器增强
本次更新引入了对Jemalloc内存分配器的详细性能监控能力。Jemalloc是一个高性能的内存分配器,广泛应用于需要高效内存管理的系统中。通过增加对Jemalloc的统计和性能指标收集,运维团队现在可以更精确地分析内存使用模式,识别潜在的内存泄漏或碎片化问题,从而优化整体系统性能。
交易费用调整优化
在eth-sender组件中,改进了网关交易的gas费用计算策略。现在系统会使用gas调整器中的最新值来计算网关交易的费用,而不是固定的预设值。这一改进使得网关交易能够更及时地响应主网gas价格的波动,提高交易的成功率,同时避免不必要的费用浪费。
总结
zksync-era v28.6.0版本在API功能、配置管理和系统性能等方面都做出了重要改进。这些变更不仅增强了系统的灵活性和可观测性,也为开发者提供了更强大的工具来优化他们的DApp性能。特别是新增的gasPerPubdata接口和Jemalloc监控功能,将帮助开发者和节点运营者更好地理解和优化系统资源使用,进一步提升整个zkSync网络的效率和稳定性。
kernelopenEuler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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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