Substrate开发者指南:构建自定义FRAME Pallet
2025-07-05 22:20:37作者:温玫谨Lighthearted
前言
在Substrate区块链开发框架中,FRAME(Framework for Runtime Aggregation of Modular Entities)是一个核心组件,它允许开发者通过组合称为"pallet"的模块来构建区块链运行时。本文将详细介绍如何从零开始构建一个自定义的FRAME pallet,特别适合那些希望深入了解Substrate底层机制的开发者。
FRAME Pallet基础概念
什么是Pallet?
Pallet是Substrate运行时中的功能模块,每个pallet封装了特定的区块链功能逻辑。可以将其类比为:
- 传统Web开发中的插件或组件
- 微服务架构中的独立服务
- 面向对象编程中的类
Pallet的核心组件
一个完整的FRAME pallet通常包含以下关键部分:
- Config trait:配置接口,定义pallet所需的类型和参数
- Storage:定义区块链状态存储的数据结构
- Events:定义pallet发出的事件类型
- Errors:定义pallet可能返回的错误类型
- Callable functions:定义用户可以调用的公开函数
构建Proof of Existence Pallet
我们将构建一个"存在证明"(Proof of Existence) pallet,它允许用户:
- 声明某个文件或数据的哈希存在于区块链上
- 撤销之前的声明
1. 项目结构准备
首先,我们需要准备pallet的基本结构:
#![cfg_attr(not(feature = "std"), no_std]
pub use pallet::*;
#[frame_support::pallet]
pub mod pallet {
use frame_support::{dispatch::DispatchResultWithPostInfo, pallet_prelude::*};
use frame_system::pallet_prelude::*;
use sp_std::vec::Vec;
// 后续各部分将填充在这里
}
关键点说明:
no_std属性是必需的,因为运行时需要编译为WASM- 使用FRAME提供的宏和工具函数
2. 配置Trait实现
#[pallet::config]
pub trait Config: frame_system::Config {
type Event: From<Event<Self>> + IsType<<Self as frame_system::Config>::Event>;
}
这个配置trait定义了pallet的基本要求,目前只需要能够发出事件。
3. 事件定义
#[pallet::event]
#[pallet::metadata(T::AccountId = "AccountId")]
#[pallet::generate_deposit(pub(super) fn deposit_event)]
pub enum Event<T: Config> {
ClaimCreated(T::AccountId, Vec<u8>),
ClaimRevoked(T::AccountId, Vec<u8>),
}
我们定义了两个事件:
ClaimCreated:当新的证明被创建时触发ClaimRevoked:当证明被撤销时触发
4. 错误处理
#[pallet::error]
pub enum Error<T> {
ProofAlreadyClaimed,
NoSuchProof,
NotProofOwner,
}
定义了三种可能的错误情况:
- 证明已被声明
- 证明不存在
- 非证明所有者尝试撤销
5. 存储设计
#[pallet::storage]
pub(super) type Proofs<T: Config> = StorageMap<
_,
Blake2_128Concat,
Vec<u8>,
(T::AccountId, T::BlockNumber),
ValueQuery
>;
使用StorageMap存储结构:
- 键:证明数据的哈希值(Vec)
- 值:元组(账户ID, 区块号)
- 哈希算法:Blake2_128Concat
6. 可调用函数实现
创建证明
#[pallet::weight(1_000)]
pub fn create_claim(
origin: OriginFor<T>,
proof: Vec<u8>,
) -> DispatchResultWithPostInfo {
let sender = ensure_signed(origin)?;
ensure!(!Proofs::<T>::contains_key(&proof), Error::<T>::ProofAlreadyClaimed);
let current_block = <frame_system::Pallet<T>>::block_number();
Proofs::<T>::insert(&proof, (&sender, current_block));
Self::deposit_event(Event::ClaimCreated(sender, proof));
Ok(().into())
}
撤销证明
#[pallet::weight(10_000)]
pub fn revoke_claim(
origin: OriginFor<T>,
proof: Vec<u8>,
) -> DispatchResultWithPostInfo {
let sender = ensure_signed(origin)?;
ensure!(Proofs::<T>::contains_key(&proof), Error::<T>::NoSuchProof);
let (owner, _) = Proofs::<T>::get(&proof);
ensure!(sender == owner, Error::<T>::NotProofOwner);
Proofs::<T>::remove(&proof);
Self::deposit_event(Event::ClaimRevoked(sender, proof));
Ok(().into())
}
开发注意事项
- 权重(Weight):每个可调用函数必须指定权重,表示其计算复杂度
- 存储操作:注意存储操作的代价,频繁写入会影响性能
- 错误处理:确保所有可能的错误情况都被覆盖
- 事件触发:重要状态变更应该触发相应事件
测试与部署
完成pallet开发后,可以通过以下步骤测试:
- 编译节点:
cargo build --release - 启动开发链:
./target/release/node-template --dev --tmp
如果一切正常,节点应该开始出块,此时可以通过前端或命令行与你的新pallet交互。
进阶思考
- 如何扩展这个pallet以支持证明的有效期?
- 如何添加权限控制,只允许特定账户创建证明?
- 如何优化存储结构以减少gas费用?
这个简单的Proof of Existence pallet展示了FRAME pallet的基本结构和开发模式。在实际项目中,你可能需要更复杂的逻辑和更完善的错误处理,但核心概念是相通的。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
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++
654
278
暂无简介
Dart
639
145
Ascend Extension for PyTorch
Python
202
219
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (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
1.12 K
630
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提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100