Ordinals项目索引构建问题解决方案
问题背景
在使用Ordinals项目进行区块链数据索引时,许多用户遇到了"Couldn't receive txs failed to fetch raw transaction"的错误提示。这个错误通常出现在运行ord index info命令时,系统提示需要启用-txindex参数或提供区块哈希来启用区块链交易查询。
错误原因分析
该问题的根本原因在于全节点(bitcoind)默认配置下不会为所有交易建立索引。Ordinals项目需要完整的交易索引才能正确解析和跟踪链上铭文(Inscriptions)数据。当bitcoind节点未启用交易索引时,Ordinals工具就无法查询到某些特定的交易信息,导致索引过程中断。
解决方案
方法一:启用bitcoind的交易索引
最根本的解决方案是在启动全节点时启用交易索引功能:
bitcoind -txindex
这个命令会指示节点为所有交易建立索引,虽然这会增加初始同步时间(可能需要几天时间)和磁盘空间占用(额外约20-40GB),但对于Ordinals项目的正常运行是必需的。
方法二:使用ord的索引选项
如果暂时无法重建bitcoind索引,可以尝试使用Ordinals工具自带的交易索引功能:
ord --index-transactions index info
这个选项会让Ordinals在本地建立交易索引,但请注意这种方法可能不如原生索引稳定和全面。
实施建议
-
对于新用户:建议在首次运行bitcoind时就启用
-txindex参数,避免后续问题。 -
对于已有节点的用户:
- 如果节点已经同步了大量数据但没有启用txindex,需要重新同步
- 可以保留原有数据目录,通过添加
-txindex参数重新启动节点,系统会自动开始构建交易索引
-
性能考虑:
- 启用txindex会增加节点资源消耗
- 建议在性能较好的机器上运行
- 确保有足够的磁盘空间(建议至少1TB可用空间)
后续验证
在实施上述解决方案后,可以通过以下命令验证索引是否正常工作:
ord index info
如果不再出现交易查询错误,且索引进度能够正常推进,则说明问题已解决。
总结
Ordinals项目依赖于完整的交易索引数据,正确配置节点的txindex参数是确保项目正常运行的关键。虽然重建索引需要时间和资源,但对于需要完整Ordinals功能的用户来说,这是必要的投入。理解这一底层依赖关系,有助于更好地使用和管理Ordinals相关工具。
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