Cardano-node测试网中Conway创世配置委员会成员缺失问题分析
2025-06-26 06:01:25作者:苗圣禹Peter
问题背景
在Cardano-node项目的测试网功能中,开发人员发现了一个关于Conway时代创世配置的重要问题。当用户尝试通过修改默认Conway创世配置来添加委员会成员时,这些修改无法正确反映到最终生成的conway-genesis.json文件中。
问题现象
开发人员观察到以下异常现象:
- 在用户提供的
genesis.conway.spec.json文件中,委员会成员配置正确显示 - 但在实际生成的
conway-genesis.json文件中,委员会成员列表却为空 - 查询链上数据时也返回空列表,表明委员会成员确实未被正确初始化
技术分析
经过深入调查,发现问题根源在于cardano-testnet与cardano-cli子模块之间的交互逻辑:
cardano-testnet调用cardano-cli的create-testnet-data命令生成测试网数据- 该命令会基于
--committee-keys参数而非输入文件中的委员会配置来生成最终结果 - 当参数未明确指定时,默认使用空委员会配置,覆盖了用户原本的配置
解决方案演进
项目团队提出了多个解决方案并经历了以下演进过程:
- 初始修复方案:尝试修改
create-testnet-data命令的行为,使其尊重输入文件中的委员会配置 - 设计调整:最终决定采用更彻底的解决方案,引入
UserProvidedOrigin机制- 允许用户完全控制创世文件内容
- 避免混合默认配置与用户配置导致的潜在冲突
- 兼容性考虑:为平滑过渡,同时提供了
getDefaultGenesisBatch接口
使用建议
对于需要使用自定义Conway创世配置的开发人员:
- 明确使用
UserProvidedOrigin标识自定义配置 - 确保提供完整的创世配置,包括所有必要字段
- 注意某些字段(如
genDelegs和initialFunds)在自定义模式下需要手动填充
经验总结
这个问题的解决过程展示了分布式系统配置管理的几个重要原则:
- 配置来源单一性:避免同一配置项有多个可能的来源
- 明确职责划分:工具链各组件应有清晰的职责边界
- 用户控制与便利性的平衡:在提供默认便利的同时,保留用户完全控制的能力
该修复已合并到Cardano-node主分支,为Conway时代的测试网开发提供了更可靠的配置管理机制。
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
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869