Cardano Node 10.4.1版本发布:UTxO-HD存储架构的重大升级
Cardano是一个开源的区块链平台,采用权益证明共识机制,其核心组件cardano-node负责网络参与、交易验证和区块生产等关键功能。最新发布的10.4.1版本引入了一项重大技术革新——UTxO-HD存储架构,这将显著改变节点处理未花费交易输出(UTxO)的方式。
UTxO-HD架构解析
UTxO-HD是Cardano节点共识层的重构,它提供了两种UTxO存储模式选择:
-
全内存模式(V2InMemory):与传统版本相同,UTxO完全存储在内存中,提供最高性能,适合区块生产节点和中继节点。
-
外部存储模式(V2OnDisk):UTxO存储在外部介质(如SSD或HDD)上,通过LMDB后端实现,显著降低内存需求但牺牲部分速度。
这种架构创新使得节点可以根据不同角色和硬件配置选择最优存储方案。对于边缘节点(如钱包、浏览器、第三方服务等),外部存储模式可以在保持可接受性能的同时大幅降低内存需求;而对于需要高性能的区块生产节点,仍可使用内存模式确保最佳表现。
技术实现细节
UTxO-HD的第一个版本采用了LMDB(Lightning Memory-Mapped Database)作为后端存储引擎。LMDB是一个内存映射的键值数据库,具有以下特点:
- 极低的内存占用
- 完整的ACID特性
- 零拷贝的读取操作
- 单写多读的并发模型
未来版本计划引入基于LSM树(Log-Structured Merge-Tree)的定制化存储后端,这将进一步优化存储性能和资源利用率。
其他重要改进
除了UTxO-HD这一核心特性外,10.4.1版本还包含多项重要改进:
-
配置重构:将与LedgerDB相关的配置选项集中到新的"LedgerDB"配置键下,提高了配置的组织性和可维护性。
-
追踪系统增强:修复了connectionManager和slotsMissed等指标的追踪问题,重命名了部分指标以提高一致性,改进了追踪信息的可读性。
-
时钟同步优化:将最大允许的时钟偏差从5秒减少到2秒,提高了网络时间同步的精确度。
-
CLI工具改进:
- 修正了query stake-pools命令的输出格式问题
- 统一了query utxo命令的输出格式默认行为
- 增加了交易构建和签名命令的规范CBOR输出选项
-
API增强:
- 改进了交易余额计算中的负余额报告
- 增加了新的UTxO操作函数,提高了开发灵活性
迁移注意事项
从旧版本迁移时需要注意:
-
必须按照迁移指南正确配置节点并转换数据库,以避免从创世区块重新同步。
-
主网区块生产节点及其关联的中继节点应仅使用V2InMemory后端。
-
LMDB后端尚未完成性能基准测试,目前不建议用于主网区块生产或中继节点。
性能与稳定性
系统测试结果显示10.4.1版本在各种场景下表现稳定。性能基准测试表明:
- 内存模式下,节点性能与之前版本相当
- 磁盘模式下,内存占用显著降低,但交易处理吞吐量有所下降
- 网络同步性能保持稳定
总结
Cardano Node 10.4.1通过引入UTxO-HD架构,为不同使用场景提供了更灵活的存储选择,使资源受限的设备也能有效参与网络。这一创新不仅解决了内存占用问题,还为未来的性能优化奠定了基础。随着后续LSM树后端的引入,Cardano节点的存储效率有望进一步提升。
对于生产环境,建议区块生产节点继续使用内存模式,而资源受限的边缘节点可以尝试磁盘模式以获得更好的资源利用率。开发团队将持续优化这一架构,未来版本可能会带来更多性能改进和新特性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00