Graph Node 优化:声明式区块链调用提升索引效率
2025-06-27 14:27:39作者:何举烈Damon
背景与问题分析
在区块链数据索引领域,Graph Node 作为重要的基础设施,其性能直接影响着去中心化应用的响应速度。当前版本中,子图(subgraph)通过 blockchain.call 进行智能合约查询时存在显著性能瓶颈。这些调用不仅需要串行执行,而且由于嵌入在 WASM 代码中,Graph Node 无法提前预知调用需求,导致索引过程效率低下。
现有机制的问题
- 串行执行瓶颈:每个
chain_call必须等待前一个调用完成后才能开始,无法利用现代多核处理器的并行能力 - 延迟感知:调用请求只有在处理程序运行时才会被发现,无法提前准备
- 重复计算:相同参数的调用可能在不同区块被重复执行,缺乏全局优化
解决方案:声明式调用
核心思想
通过在子图清单(manifest)中预先声明需要的智能合约调用,Graph Node 可以:
- 提前收集所有需要的调用请求
- 并行执行多个不相关的调用
- 将结果缓存供后续处理程序使用
语法设计
新的清单语法允许为事件处理器添加 calls 部分:
eventHandlers:
- event: Swap(indexed address,indexed address,int256,int256,uint160,uint128,int24)
handler: handleSwap
calls:
- global0X128: Pool[event.address].feeGrowthGlobal0X128()
- global1X128: Pool[event.address].feeGrowthGlobal1X128()
技术优势
- 并行化:Graph Node 可以批量发送多个调用请求到区块链节点
- 预取:在处理程序执行前完成所有必要的数据获取
- 缓存友好:相同参数的调用可以共享结果
- 代码清晰:将数据需求显式声明,提高子图可维护性
实现细节
参数绑定机制
声明式调用支持动态参数绑定:
- 事件地址:
event.address - 事件参数:
event.params.token0 - 合约数组访问:
Pool[event.address]
例如获取代币精度的调用:
calls:
- ERC20DecimalsToken0: ERC20[event.params.token0].decimals()
运行时行为
当处理程序执行时,相关的调用结果已经就绪:
// 传统方式
let poolContract = PoolABI.bind(event.address)
let feeGrowthGlobal0X128 = poolContract.try_feeGrowthGlobal0X128()
// 声明式方式下,上述代码直接从内存缓存获取结果
性能影响
这种优化特别适合以下场景:
- 高频调用的子图
- 需要多个独立查询的处理程序
- 跨多个区块重复相同参数的调用
预期性能提升幅度取决于:
- 子图中调用的数量
- 调用的响应时间
- 调用的重复程度
总结
声明式区块链调用是 Graph Node 性能优化的重要方向,通过将隐式的调用需求显式声明,为运行时优化创造了条件。这种设计不仅提升了索引效率,也使得子图的维护更加直观。随着区块链数据量的增长,此类优化将变得越来越重要。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
445
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
617