Stellar Core 21.0版本中BucketListDB的强制配置变更分析
2025-06-25 11:25:29作者:邵娇湘
在Stellar Core最新21.0版本中,开发团队对数据库架构做出了重要调整,特别是关于BucketListDB的配置方式发生了关键变化。本文将深入解析这一变更的技术背景、实现方案以及对系统运行的影响。
技术背景
BucketListDB是Stellar Core引入的新型数据库架构,旨在替代原有的SQL数据库存储方案。在之前的版本中,这一功能通过EXPERIMENTAL_BUCKETLIST_DB实验性标志来控制。随着技术成熟,团队决定将其转变为正式功能,并命名为USE_BUCKETLIST_DB。
变更核心内容
21.0版本最重要的变更是将BucketListDB配置从可选变为强制要求。开发团队特别强调:
- 必须显式配置
USE_BUCKETLIST_DB标志,否则系统将拒绝启动 - 当启用BucketListDB时,系统不再维护交易元数据(TX meta)
- 保留了向后兼容性,仍接受
EXPERIMENTAL_BUCKETLIST_DB=true的旧配置
变更背后的技术考量
这一强制性变更主要基于以下技术考虑:
-
数据安全:从SQL迁移到BucketListDB会删除大量SQL表,这些表重建成本极高。强制配置可避免意外数据丢失。
-
系统稳定性:部分开发者仍依赖SQL表,强制配置确保他们明确知晓这一变更。
-
过渡平滑性:为现有系统提供过渡期,同时接受新旧两种配置方式。
对生态系统的影响
这一变更对Stellar生态系统中的不同组件产生了差异化影响:
-
验证节点:必须显式配置数据库选项,确保数据安全迁移。
-
Horizon/RPC服务:需要相应更新以支持新配置标志,但短期内仍可通过旧标志保持兼容。
-
开发者工具:依赖SQL数据库的工具需要评估迁移计划。
最佳实践建议
基于这一变更,我们建议:
- 新部署直接配置
USE_BUCKETLIST_DB=true - 现有系统在升级前评估SQL表依赖情况
- 开发工具逐步迁移到BucketListDB接口
这一变更标志着Stellar Core数据库架构演进的重要里程碑,为后续性能优化和功能扩展奠定了基础。开发团队通过强制配置的方式,在保证系统稳定性的同时,推动生态系统向更高效的存储架构迁移。
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
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
3.81 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
878