Sei链EVM RPC中eth_getBlockReceipts方法的异常分析与修复
在Sei区块链项目的EVM兼容层实现中,开发者发现了一个关于eth_getBlockReceipts RPC方法的异常行为。这个bug会导致在某些特定区块高度调用该方法时返回错误,而单独查询交易收据却能正常工作。
问题现象
当开发者调用eth_getBlockReceipts方法查询特定区块(如区块高度94407414)时,RPC接口返回错误信息"failed to find transaction in block"。然而,通过以下对比测试可以确认这是一个异常行为:
- 使用eth_getBlockByNumber查询该区块,能正常返回包含5笔交易的数据
- 单独使用eth_getTransactionReceipt查询每笔交易的收据,所有查询都能成功返回
- 但使用eth_getBlockReceipts批量获取整个区块的交易收据时却失败
技术分析
经过Sei开发团队的深入调查,确认这个问题是由交易收据的竞态条件(Race Condition)引起的。在区块链节点处理区块和交易的过程中,可能会出现以下时序问题:
- 区块数据已经写入存储
- 但部分交易的收据尚未完全处理完成
- 当eth_getBlockReceipts方法被调用时,它会尝试批量获取所有交易的收据
- 如果其中有任何一笔交易的收据尚未就绪,整个批量查询就会失败
这种竞态条件在分布式系统中较为常见,特别是在需要处理大量并行写入和读取的场景下。在区块链节点中,区块处理、交易执行和状态更新往往是并行进行的,这就为这类问题创造了条件。
解决方案
Sei开发团队已经针对这个问题提出了两个层面的解决方案:
-
即时修复方案:开发了一个专门的工具用于重放交易收据,这个工具可以帮助节点运营者修复已经受到影响的区块数据。节点运营者可以在自己的RPC节点上运行这个工具来纠正数据不一致的问题。
-
根本性修复:在即将到来的网络升级中,团队会修改底层实现,彻底解决这个竞态条件问题。这将确保交易收据的处理与区块数据的写入保持正确的时序关系。
影响范围
这个问题主要影响:
- 依赖eth_getBlockReceipts方法的应用程序
- 查询特定高度区块的开发者
- 需要批量获取交易收据的场景
值得注意的是,主流的RPC服务提供商(如QuickNode等)已经应用了修复补丁。对于运行自有节点的用户,建议使用官方提供的修复工具处理受影响区块。
最佳实践
对于开发者而言,在当前过渡期可以采取以下策略:
- 对于关键业务逻辑,考虑使用单独的eth_getTransactionReceipt调用替代批量查询
- 监控RPC接口的返回,对错误情况实现自动重试机制
- 关注Sei网络升级公告,及时更新节点软件
这个问题展示了区块链基础设施开发中常见的挑战,也体现了Sei团队对EVM兼容性的持续改进承诺。随着这些修复措施的落地,Sei链的EVM兼容层将提供更加稳定可靠的开发体验。
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-1.5暂无简介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
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
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