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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00