FuelCore项目中稀疏默克尔树的移除与优化方案
2025-04-30 13:31:36作者:仰钰奇
背景与决策
在区块链存储系统中,默克尔树(Merkle Tree)是一种常见的数据结构,用于高效验证数据的完整性和一致性。FuelCore项目原本在ContractsState和ContractsAssets两个关键表中使用了稀疏默克尔树(Sparse Merkle Tree, SMT)来实现这一功能。
经过团队深入研究和性能测试后发现,虽然SMT在某些场景下表现良好,但在FuelCore的具体应用场景中,其他类型的默克尔树展现出更优的性能特性。这些新发现的树结构具有以下优势:
- 更低的存储访问频率
- 更小的存储空间占用
- 更高的操作效率
技术实现方案
过渡期解决方案
在等待更优默克尔树结构的审计和生产就绪版本期间,团队决定采用以下过渡方案:
- 将
ContractsState和ContractsAssets表的存储结构从Sparse蓝图切换为Plain蓝图 - 在需要默克尔根的地方,使用空树的根哈希值作为替代
具体变更点
-
存储结构变更:
- 移除原有的稀疏默克尔树实现
- 采用简单的平面存储结构作为临时方案
-
根哈希处理:
- 由于
Plain蓝图不实现MerkleRootStorage特性 - 在需要提供默克尔根的接口处,统一返回空树的根哈希值
- 由于
-
兼容性考虑:
- 确保变更不会影响现有合约的执行逻辑
- 保持接口一致性,减少对上层应用的影响
技术细节解析
稀疏默克尔树的局限性
稀疏默克尔树虽然能够高效处理稀疏数据集,但在FuelCore的实际使用中发现了以下问题:
- 存储效率:每个操作需要访问的存储位置较多
- 计算开销:哈希计算频率较高
- 空间占用:节点结构导致存储膨胀
Plain蓝图的优势
作为过渡方案,Plain蓝图提供了:
- 简单性:实现简单,维护成本低
- 稳定性:在过渡期间提供可靠的基础功能
- 可替换性:为后续更优结构的集成做好准备
未来演进路线
这一变更只是FuelCore存储优化的第一步,后续计划包括:
- 评估和选择最适合FuelCore场景的默克尔树变种
- 实现经过严格审计的新树结构
- 平滑迁移到新结构,同时保持数据一致性
- 持续优化存储性能和资源利用率
总结
FuelCore团队通过这次技术调整,展示了其对系统性能优化的持续追求。从稀疏默克尔树到Plain蓝图的过渡,虽然是一个临时方案,但体现了团队对技术选型的审慎态度和对系统稳定性的高度重视。这一变更将为后续更深入的存储优化奠定基础,最终为用户带来更高效、更可靠的区块链体验。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 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++
689
343
Ascend Extension for PyTorch
Python
235
267
暂无简介
Dart
686
161
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
React Native鸿蒙化仓库
JavaScript
266
327
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
56
33
🔥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
🎉 (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
1.22 K
669