探秘Juno:Nethermind打造的Starknet全节点实现
2024-05-21 00:19:51作者:宣利权Counsellor
Juno是由Nethermind开发的一个基于Golang的Starknet全节点实现,旨在推动Starknet网络的去中心化。其强大的功能、高效的性能和易用性使其成为开发者和社区成员的理想选择。
项目介绍
Juno的核心是一个能够同步并验证Starknet状态的全节点客户端。它不仅提供了全面的JSON-RPC接口支持,还集成了CairoVM,使得直接在节点上执行智能合约成为可能。此外,Juno实现了与区块链主网的交互,并处理了主网和L2的重组,确保数据的一致性和安全性。
项目技术分析
Juno采用了Merkl-Patricia树结构来存储Starknet的状态,保证了高效的数据检索。通过集成CairoVM,Juno能直接在本地进行交易的计算和验证,无需依赖外部服务。同时,项目支持从快照快速同步,大大缩短了节点上线时间。其内置的Feeder Gateway机制可确保从中心化Sequencer获取到的数据准确无误,为去中心化的Starknet铺平道路。
应用场景
Juno适用于以下场景:
- 开发人员:可以使用Juno作为开发工具,探索Starknet生态,部署和测试智能合约。
- 节点运营商:运行一个Juno节点,为用户提供可靠的Starknet访问服务。
- 研究人员:利用Juno的API进行区块链数据分析,深入理解Starknet的工作原理和性能特性。
项目特点
- 多版本支持:Juno支持多个Starknet协议版本,包括v0.13.0,适应不同的生态系统需求。
- 丰富的RPC接口:提供JSON-RPC v0.6.0和v0.5.1版本接口,涵盖了大部分常用操作,如交易查询、区块信息获取等。
- 安全稳定:集成状态验证功能,确保从主网获取的数据准确无误;同时具备处理区块链重组的能力。
- 快速启动:通过预置的快照文件,节点可以在短时间内达到最新状态,减少了长时间的初始同步过程。
- 易于部署:支持Docker容器化部署,简化了安装和运维流程。
Juno不仅是Nethermind对Starknet生态的一大贡献,更是推动区块链技术发展和去中心化理念落地的重要一步。无论你是开发者还是爱好者,Juno都值得你深入了解和使用,共同参与到这场去中心化的革命中来。立即加入Discord,参与讨论,共享技术成果吧!
登录后查看全文
热门项目推荐
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
659
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146