Lightning项目中的支付命令输出格式问题分析
2025-06-27 06:09:19作者:郜逊炳
概述
在Lightning网络支付实现中,支付命令的输出格式存在一些不一致性问题,特别是在xpay-handle-pay配置不同时表现出的差异。本文将深入分析这些问题及其解决方案。
支付命令输出格式差异
时间戳表示问题
在Lightning支付系统中,created_at字段用于记录支付发起的时间戳。目前存在以下不一致:
pay命令输出中,created_at以浮点数形式呈现,精确到纳秒级(如1734418941.593135549)listpays和listsendpays命令中,相同字段却以整数形式呈现
虽然JSON规范中"number"类型确实包含浮点数,但系统内部应当保持一致性。这种差异源于不同开发者在不同模块中的实现选择。
目标节点信息缺失
当xpay-handle-pay设置为true时,支付命令的输出中缺少destination字段,而该字段在设置为false时则会显示。destination字段记录了支付目标节点的公钥,对于支付追踪和审计非常重要。
技术实现分析
时间戳处理
系统内部时间戳处理应当统一采用以下原则:
- 存储时使用高精度时间戳(纳秒级)
- 输出时根据使用场景决定精度:
- 对于需要精确时间记录的场合保留高精度
- 对于一般展示可使用整数秒
支付信息完整性
无论xpay-handle-pay设置如何,支付命令输出都应包含完整的支付信息,特别是:
- 目标节点公钥(destination)
- 支付哈希(payment_hash)
- 支付状态(status)
- 时间戳(created_at)
解决方案
开发团队已确认这些问题并计划在后续版本中修复,主要改进包括:
- 统一时间戳输出格式
- 确保
destination字段在所有支付命令输出中可见 - 标准化各命令的输出字段顺序
对用户的影响
这些改进将带来以下好处:
- 提高支付信息的可读性和一致性
- 便于用户追踪支付状态
- 简化自动化脚本处理支付输出的复杂度
最佳实践建议
在问题修复前,用户可采取以下临时解决方案:
- 需要完整支付信息时,使用
listpays命令而非直接依赖pay命令输出 - 处理时间戳时做好类型转换准备
- 明确设置
xpay-handle-pay参数以避免意外行为
总结
Lightning项目中的支付命令输出格式问题反映了分布式开发中的接口标准化挑战。通过这些问题修复,项目将提供更加一致和可靠的支付信息接口,进一步提升用户体验和系统可靠性。
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
暂无简介
Dart
668
154
Ascend Extension for PyTorch
Python
218
235
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++
660
306
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
259
322
🔥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
63
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
1.19 K
652
仓颉编程语言运行时与标准库。
Cangjie
141
876
仓颉编译器源码及 cjdb 调试工具。
C++
133
866