LND项目中Anchor通道手续费加速问题的技术解析
问题背景
在LND 18版本中,新重构的sweeper子系统引入了一个关于Anchor通道手续费调整的重要问题。当用户尝试使用lncli wallet bumpforceclosefee命令加速Anchor通道关闭交易时,在某些特定情况下会静默失败,无法完成手续费调整操作。
技术原理
Anchor通道是闪电网络中的一种特殊通道类型,它允许参与方在通道关闭时通过锚点输出(anchor output)来调整手续费。这一机制使得用户可以根据网络拥堵情况动态调整交易手续费,确保交易能够及时确认。
在LND 18版本之前,每当通道被强制关闭时,系统都会将锚点输出注册到sweeper子系统中。但在新版本中,系统会首先检查通道上是否存在未完成的HTLC(哈希时间锁定合约),如果不存在HTLC,则不会将锚点输出注册到sweeper子系统。
问题表现
当用户尝试加速没有HTLC的Anchor通道关闭交易时,会遇到以下情况:
- 使用
lncli wallet bumpforceclosefee命令时,命令会静默失败,没有任何输出 - 相关交易不会出现在
pendingsweeps列表中 - 直接使用
wallet bumpfee命令会返回"输出不属于钱包"的错误
问题根源
问题的核心在于新版本的sweeper子系统逻辑变化。系统仅在检测到通道上有HTLC时才会注册锚点输出,而忽略了用户可能需要手动调整手续费的情况。这导致当用户尝试加速没有HTLC的通道关闭交易时,系统无法找到对应的锚点输出进行手续费调整。
解决方案
经过社区讨论,提出了以下解决方案:
-
修改sweeper注册逻辑:移除对HTLC的检查条件,始终将锚点输出注册到sweeper子系统,但设置一个非常大的截止时间。这样既保留了系统资源,又确保在需要时可以手动调整手续费。
-
重构RPC接口:将大部分逻辑从lncli命令行工具移到RPC层面,使功能可以通过API直接调用,提高灵活性和可用性。
-
完善文档:为
bumpforceclosefeeRPC接口添加详细文档,明确使用方法和限制条件。
影响与建议
这个问题主要影响以下场景:
- 用户需要加速没有HTLC的Anchor通道关闭交易
- 初始手续费设置过低,需要后续调整的情况
对于遇到此问题的用户,建议:
- 关注LND的后续版本更新,该问题预计会在下一个版本中修复
- 在修复前,可以考虑手动创建替换交易(RBF)来加速确认
- 对于关键交易,建议初始设置足够的手续费
总结
LND 18版本的sweeper子系统重构带来了性能优化,但也引入了Anchor通道手续费调整的新限制。开发团队已经识别问题并提出了解决方案,这将确保用户在各种情况下都能灵活调整通道关闭交易的手续费。这一改进将进一步提升LND在复杂网络条件下的可靠性和用户体验。
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