Blockscout多链搜索数据库测试重构与异步代码处理
在Blockscout项目的开发过程中,我们遇到了一个关于多链搜索数据库(MultichainSearchDB)测试重构的技术挑战。本文将详细介绍这个问题的背景、分析过程以及最终的解决方案。
问题背景
在Blockscout项目中,MultichainSearch模块负责处理多链数据搜索功能。测试过程中发现,当尝试将测试代码重构为支持异步操作时,出现了两个关键问题:
- 日志处理进程异常:测试过程中日志后端配置进程意外终止
- 数据库连接问题:DBConnection进程无法正常工作
这些问题导致测试无法正常完成,严重影响了开发进度。
问题分析
通过深入分析测试代码,我们发现问题的根源在于:
-
并发设置不当:测试中设置了较小的地址块大小(@addresses_chunk_size=2)和最大并发数(@max_concurrency=3),这种配置在异步环境下容易引发资源竞争
-
进程生命周期管理:测试环境中的关键进程(如日志和数据库连接)在异步操作完成前就被终止
-
测试隔离不足:测试用例之间的相互影响导致进程状态异常
解决方案
针对这些问题,我们采取了以下改进措施:
-
调整并发参数:优化了地址块大小和最大并发数的默认值,确保在测试环境下资源分配合理
-
完善进程管理:确保所有必要的进程在测试期间保持活动状态,特别是日志和数据库连接相关进程
-
增强测试隔离:通过更好的测试清理机制,防止测试用例间的相互干扰
-
错误处理改进:增强了异步操作中的错误处理逻辑,确保在出现错误时能够正确回滚和清理
技术实现细节
在具体实现上,我们主要做了以下工作:
-
重构测试用例:将原有的同步测试代码改造为支持异步操作,同时保持测试断言的有效性
-
进程监控机制:添加了对关键进程的监控,确保它们在测试期间保持活动
-
资源清理优化:改进了on_exit回调函数,确保测试结束后正确释放所有资源
-
数据库操作验证:增强了对MultichainSearchDbExportRetryQueue表的验证逻辑,确保在错误情况下数据能够正确回滚
经验总结
通过这次问题解决,我们获得了以下宝贵经验:
-
在将同步代码迁移到异步环境时,需要特别注意进程和资源的管理
-
测试环境的配置参数对测试结果有重大影响,需要根据实际情况调整
-
完善的错误处理和资源清理机制是保证测试稳定性的关键
-
异步测试需要更细致的断言和验证逻辑
这次问题的解决不仅修复了测试用例,也为我们后续处理类似异步场景提供了有价值的参考。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00