Cardano节点中的代币燃烧交易反序列化问题解析
问题背景
在Cardano区块链的本地测试网络环境中,开发团队发现了一个与代币燃烧操作相关的反序列化问题。具体表现为:当尝试燃烧-1个代币时,交易无法通过cardano-submit-api的反序列化检查,而燃烧-10个代币的交易却能正常通过。
技术细节分析
这个问题出现在Cardano节点v8.8.0版本中,主要涉及Mary时代的原生代币功能。从技术角度来看,这是一个典型的序列化/反序列化不一致问题。
交易的核心部分包含以下关键元素:
- 输入:指定了UTXO的引用
- 输出:包含接收地址和金额
- 铸造字段:包含代币燃烧操作(负值表示燃烧)
- 见证:包含签名验证信息
问题交易的特殊之处在于其铸造字段尝试燃烧-1个特定代币(资产名为"handle1")。从YAML格式的交易视图来看,交易结构本身是合法的,且可以通过cardano-cli工具进行完整的往返序列化测试。
错误表现
当通过cardano-submit-api提交交易时,系统会抛出反序列化失败的错误:
DecoderFailure (LocalTxSubmission... (DeserialiseFailure 56 "expected word")
这表明在反序列化过程中,系统在某个位置期望读取到一个"word"类型的数据,但实际得到的内容不符合预期。
根本原因
经过Cardano开发团队的深入调查,发现问题出在解码环节而非交易本身。具体来说,是处理反序列化失败时的PredicateFailure机制存在问题。当系统尝试解析包含特定负值(如-1)的代币数量时,解码逻辑未能正确处理这种情况。
解决方案
该问题已在cardano-ledger仓库的PR#4288中得到修复。修复的核心是改进了反序列化逻辑,使其能够正确处理各种边界情况下的代币数量值,包括负值情况。
技术启示
这个问题为我们提供了几个重要的技术启示:
-
边界值测试的重要性:即使是看似简单的数值操作(如代币数量的增减),也需要对各种边界值进行充分测试。
-
序列化一致性:在区块链系统中,序列化和反序列化的一致性至关重要,任何微小的不匹配都可能导致交易被拒绝。
-
错误处理机制:完善的错误处理机制(如
PredicateFailure)需要能够覆盖所有可能的异常情况。 -
工具链验证:不同工具(如
cardano-cli和cardano-submit-api)之间的行为一致性需要得到保证。
总结
这个案例展示了区块链系统中一个典型的数据序列化/反序列化问题。虽然表面上看是简单的数值处理问题,但实际上涉及到底层协议实现的多个层面。Cardano开发团队通过及时修复这个问题,进一步增强了系统的稳定性和可靠性,为处理各种复杂的代币操作提供了更坚实的基础。
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。C080
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
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
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0131
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