Hyperledger Besu 25.6.0版本发布:历史数据清理与关键功能更新
Hyperledger Besu是区块链生态系统中的重要客户端实现,作为企业级区块链客户端,它提供了完整的区块链协议支持。Besu采用Java语言开发,支持多种共识机制,并为企业应用提供了丰富的API接口和隐私功能。本次25.6.0版本的发布带来了多项重要更新,特别是实验性的历史数据清理功能,以及对一些旧功能的移除。
历史数据清理功能(实验性)
25.6.0版本引入了实验性的历史数据清理功能,这是Besu在存储优化方面的重要尝试。历史数据清理允许节点根据配置自动删除超过特定区块高度的历史数据,从而显著减少存储空间占用。这项功能目前处于实验阶段,建议在测试网上进行测试,暂不推荐在主网使用。
历史数据清理功能通过智能管理区块链状态数据,可以帮助节点运营商:
- 降低长期运行的存储成本
- 提高节点同步速度
- 优化整体性能表现
重要变更与功能移除
Besu团队在本版本中移除了多项功能,这是项目持续优化和简化的一部分:
-
移除链上权限控制功能:这一功能允许通过智能合约管理节点和账户权限,现在已被移除。企业用户可以考虑使用其他权限管理方案。
-
移除Tessera隐私功能:Tessera作为隐私交易管理器,其集成功能已被移除。对于需要隐私保护的企业应用,建议评估其他隐私解决方案。
-
移除废弃的指标系统接口:MetricSystem::createLabelledGauge方法已被移除,开发者应迁移至MetricSystem::createLabelledSuppliedGauge。
-
交易池本地优先级设置变更:--tx-pool-disable-locals选项被移除,用户应使用--tx-pool-no-local-priority替代。
-
快照同步相关参数变更:--Xsnapsync-synchronizer-flat-db-healing-enabled参数被移除,改用--Xbonsai-full-flat-db-enabled。
-
gas估算行为变更:eth_estimateGas方法的strict参数默认值从false改为true,提供更准确的gas估算结果。如需旧行为,可显式设置strict为false。
新增功能与改进
-
eth/69协议支持:新增对eth/69协议的支持,通过--Xeth-capability-max=69标志启用。
-
BlobDB垃圾回收功能:新增实验性BlobDB垃圾回收配置选项,包括:
- --Xplugin-rocksdb-blockchain-blob-garbage-collection-enabled
- --Xplugin-rocksdb-blob-garbage-collection-age-cutoff
- --Xplugin-rocksdb-blob-garbage-collection-force-threshold
-
默认gas限制提升:测试网络的默认目标gas限制提升至60M,适应更高吞吐量需求。
-
gas估算优化:
- 默认在pending区块上进行gas估算
- 严格模式成为默认行为
-
EVM性能优化:减少CALL/LOG操作中不必要的状态访问,提升执行效率。
开发网络特性
针对开发网络,Besu实现了多项新改进方案:
-
改进方案-5920(PAY操作码):引入新的PAY操作码,扩展支付功能。
-
改进方案-7892(仅Blob参数分叉):支持仅包含Blob参数的分叉。
-
改进方案-7883(MODEXP gas成本调整):提高MODEXP操作的gas成本。
问题修复
-
修复了不稳定选项帮助信息显示问题。
-
解决了无效ENR记录导致DNSDaemon崩溃的问题。
-
修正了带有Base64填充的ENR记录解析问题。
未来计划
Besu团队已标记多项功能将在未来版本中移除或变更:
-
Bonsai相关参数将去除实验性前缀。
-
工作量证明(PoW)共识和快速同步功能将被移除。
-
对早期网络创建区块的支持将被移除。
Hyperledger Besu 25.6.0版本展现了项目持续优化和现代化的决心,通过移除旧功能、引入新特性,为企业用户提供更高效、更专注的区块链客户端解决方案。特别是历史数据清理功能的引入,将帮助节点运营商更好地管理存储资源,降低运行成本。
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。C030
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