Lightning项目中的支付命令输出格式问题分析
2025-06-27 18:44:57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
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
615
138
Ascend Extension for PyTorch
Python
165
184
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
854
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
369
3.16 K
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
257
91
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
475
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
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++
646
255