Java-Tron 全节点内部交易数据获取指南
2025-06-17 20:35:40作者:何将鹤
概述
在部署和运行Java-Tron全节点时,获取完整的交易数据特别是内部交易(internal_transactions)数据是一个常见需求。本文将详细介绍如何在Java-Tron节点中配置和获取内部交易数据,包括历史数据的处理方法和相关注意事项。
内部交易数据配置
Java-Tron节点默认不保存内部交易数据,需要在配置文件中显式开启:
saveInternalTx = true
这个配置项控制节点是否将智能合约执行过程中产生的内部交易信息保存到数据库中。需要注意的是:
- 该配置只对启用后新产生的交易生效
- 历史交易数据不会自动补充内部交易信息
- 需要重启节点才能使配置生效
历史内部交易数据获取
对于已经运行的节点,如果需要获取历史交易的内部交易数据,有以下几种解决方案:
方案一:使用包含内部交易的数据快照
Java-Tron提供了包含内部交易数据的完整节点快照。部署节点时:
- 下载包含内部交易数据的快照文件
- 使用该快照初始化节点
- 确保配置中
saveInternalTx设为true
方案二:从特定区块高度重新同步
如果只需要部分历史数据:
- 确定需要内部交易数据的最早区块高度
- 下载该高度之前的数据快照
- 设置
saveInternalTx = true后启动节点 - 节点将从指定高度开始同步并记录内部交易
交易追踪数据配置
除了内部交易,Java-Tron还支持记录更详细的交易追踪(vmTrace)数据:
vm.vmTrace = true
启用后,节点会在./vm_trace目录下为每个合约交易生成独立的JSON文件,包含详细的执行轨迹。需要注意:
- 仅合约交易会生成追踪文件
- 目前不支持文件压缩,会占用较多存储空间
- 用户可以自行压缩或清理这些文件
- 历史交易的追踪数据无法通过快照获取
数据访问方式
获取内部交易数据可通过以下API:
- gRPC接口:
GetTransactionInfoById和GetTransactionInfoByBlockNum - HTTP接口:
/wallet/gettransactioninfobyid
对于需要JSON-RPC兼容的应用,目前内部交易数据尚未集成到标准JSON-RPC接口中,需要通过gRPC网关或自定义解决方案实现。
最佳实践建议
- 根据实际需求平衡数据完整性和存储成本
- 生产环境谨慎启用vmTrace,避免存储爆炸
- 对于历史数据分析,考虑使用专业的数据服务
- 定期备份重要数据,特别是自定义的追踪文件
通过合理配置和正确使用这些功能,开发者可以充分利用Java-Tron节点提供的丰富交易数据,为各类区块链应用提供有力支持。
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
879