Fuel Core项目中的区块大小限制优化方案
2025-04-30 18:15:18作者:苗圣禹Peter
在区块链系统中,区块大小限制是一个关键的设计参数,它直接影响着网络的吞吐量、节点运行成本和整体性能。Fuel Core项目目前通过gas机制间接限制区块大小,但团队正在考虑引入更直接的区块大小限制机制,以更好地控制系统资源使用。
当前限制机制的问题
Fuel Core目前采用gas机制来间接控制区块大小。具体计算方式为:
- 每个区块的gas上限为30,000,000
- 每字节数据消耗63 gas
- 因此理论上最大区块大小为476,190字节(约476KB)
这种间接限制方式存在几个潜在问题:
- 计算不够直观,区块大小需要通过gas换算
- 无法精确控制实际的区块数据量
- 随着系统演进,可能需要更严格的限制(如128KB或256KB)
技术方案设计
新增共识参数
项目计划引入一个新的共识参数block_transaction_size_limit(注意不是block_size_limit),专门用于限制L2交易的总大小。这个设计决策基于几个考虑:
- 区分对待L1和L2交易:L1交易(如区块头、mint交易等)可以不受此限制
- 预留缓冲空间:建议将限制设为125-126KB,为其他区块组件留出空间
- 精确计算:交易大小采用其规范序列化后的字节数
执行器与交易池改造
实现这一功能需要对系统进行多处修改:
- WASM执行器:需要修改以支持在从交易池获取交易时考虑剩余区块大小
- 这是一个破坏性变更,将与其它重大更新一起发布
- 交易池:需要更新其交易选择逻辑,确保不超过大小限制
- 执行逻辑:在执行过程中动态跟踪已用空间,合理填充区块
实施考量
在实施过程中,开发团队需要注意以下几点:
- 性能影响:新增的大小计算不应显著影响区块打包速度
- 边缘情况处理:当剩余空间不足以容纳任何待处理交易时的处理策略
- 兼容性:与现有gas限制机制的协同工作方式
- 监控指标:新增相关指标以监控区块大小分布情况
预期收益
引入直接的区块大小限制将带来以下好处:
- 更可预测的资源使用:节点可以更准确地预估区块处理所需资源
- 网络稳定性:防止过大区块导致的网络传播延迟
- 系统调优:为未来的性能优化提供更精细的控制手段
- 用户体验:开发者可以基于明确的大小限制设计交易策略
这一改进是Fuel Core持续优化其区块链基础设施的重要一步,将为后续的性能提升和功能扩展奠定基础。
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
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥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
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
661