Stellar-Core中getledgerentry端点异步化改造的技术解析
2025-06-25 06:01:07作者:瞿蔚英Wynne
背景与动机
在分布式账本系统Stellar-Core中,getledgerentry端点一直是一个关键但存在性能瓶颈的组件。传统实现中,该端点以同步方式处理查询请求,这在节点需要保持与网络同步的同时,严重限制了查询吞吐量。随着Stellar网络规模扩大和交易量增长,这种同步模式已成为系统性能的明显瓶颈。
技术挑战
同步模式的getledgerentry端点存在几个核心问题:
- 查询请求会阻塞节点核心线程,影响网络同步性能
- 无法有效利用现代多核CPU的并行处理能力
- 历史数据查询能力有限,仅支持当前账本状态的访问
- 缺乏批量查询支持,导致高频查询场景效率低下
解决方案架构
异步化改造
基于Stellar-Core已实现的线程安全BucketListDB后端,我们首先将getledgerentry端点重构为完全异步模式。这一改造使得:
- 查询请求不再阻塞核心网络同步线程
- 可以独立扩展查询处理能力
- 实现了请求队列和负载均衡机制
历史数据支持
新架构扩展了历史数据访问能力,支持查询最多5个账本历史快照。这一特性通过:
- 维护轻量级历史状态缓存
- 实现高效的状态快照索引
- 优化内存使用,确保历史查询不影响主链性能
性能优化
我们建立了专门的性能测试框架,验证不同负载下的端点表现。测试结果显示:
- 异步模式下查询吞吐量提升5-8倍
- 99%的查询延迟降低至50ms以内
- 网络同步性能完全不受查询负载影响
实现细节
线程模型
新的实现采用了生产者-消费者模式:
- 主线程接收请求并放入队列
- 专用工作线程池处理实际查询
- 结果通过回调机制返回
状态管理
历史状态管理采用COW(Copy-On-Write)技术:
- 账本状态变更时创建轻量级差异副本
- 历史版本通过哈希链验证完整性
- 自动清理过期的历史状态
批量查询支持
正在开发中的批量查询功能将:
- 支持单次请求多个键查询
- 采用并行处理优化
- 实现结果流式返回
未来展望
这一改造为Stellar-Core打开了更多可能性:
- 可作为高性能状态查询网关
- 支持更复杂的数据分析场景
- 为Layer2解决方案提供可靠数据源
- 奠定分片查询的基础架构
通过这次改造,Stellar-Core在保持去中心化特性的同时,大幅提升了状态查询能力,为生态系统的进一步发展奠定了坚实的技术基础。
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
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878