Web3.py与Geth 1.13.11版本交易回执获取问题解析
在区块链开发中,Web3.py库与Geth节点的交互是一个常见场景。近期在Geth 1.13.11版本中出现了一个值得开发者注意的交易回执获取问题,这个问题特别容易在本地测试节点(如使用--dev模式)上出现。
当开发者使用web3.eth.wait_for_transaction_receipt()方法等待交易回执时,可能会遇到"transaction indexing is in progress"的错误提示。这个问题的根源在于Geth 1.13.11版本对交易索引机制的修改。
在Geth的早期版本中,当交易回执尚未就绪时,eth_getTransactionReceipt RPC调用会简单地返回null值。但在1.13.11版本中,Geth引入了一个新的行为:如果交易索引尚未完成(这通常发生在节点初始同步阶段),RPC调用会返回一个明确的错误信息,而不是null值。
Web3.py库中原有的等待逻辑是基于检查null返回值设计的。当遇到新的错误响应时,当前的实现会立即抛出异常,而不是继续等待。这与开发者的预期行为不符,因为在索引进行中的情况下,系统应该继续等待直到超时,而不是立即失败。
这个问题在本地开发环境中尤为明显,因为开发者经常需要快速连续地发送和检查交易。在Geth的--dev模式下,由于区块生成和索引的特殊性,这个问题更容易被触发。
对于开发者来说,临时的解决方案可以包括:
- 增加重试逻辑,捕获特定异常
- 适当延长等待超时时间
- 在测试环境中调整Geth的同步参数
从长远来看,Web3.py库需要更新其内部实现,以正确处理Geth新版本返回的错误信息,保持向后兼容性,同时提供更健壮的等待机制。这包括识别特定的错误类型,并在索引进行中的情况下继续等待,而不是立即失败。
理解这个问题对于区块链开发者非常重要,特别是在构建需要可靠交易确认的DApp时。开发者应该意识到不同版本的Geth节点可能会有不同的行为,并在测试覆盖中考虑这些边界情况。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00