NEARCore项目中的RPC API JSON Schema生成方案解析
2025-07-01 12:20:01作者:尤峻淳Whitney
背景与现状分析
在NEAR区块链生态系统中,RPC(远程过程调用)接口作为节点与外部交互的核心通道,其规范性和一致性至关重要。当前NEARCore项目中存在几个显著问题:
- 客户端维护分散:存在两个Rust客户端实现,一个内置于nearcore用于测试,另一个作为公开的near-jsonrpc-client-rs库
- 依赖管理问题:公开的Rust客户端由于直接依赖nearcore而引入了大量不必要的传递依赖
- 类型系统缺失:非Rust客户端缺乏严格的类型定义,特别是处理复杂嵌套结构(如区块、分片、RPC错误等)时
- 兼容性验证困难:无法在代码提交阶段自动检测API兼容性问题
技术解决方案
核心思路
采用Rust生态中的schemars库实现从源代码自动生成JSON Schema,确保Schema定义与实现保持同步。具体方案分为三个关键步骤:
- 结构体标注:为所有涉及RPC的结构体添加JsonSchema派生宏或手动实现特性
- 规范生成:near-jsonrpc实现将聚合各方法的JsonSchema结果,生成OpenAPI规范
- 端点暴露:near-jsonrpc服务提供/openapi-spec.json端点输出生成的Schema
技术选型考量
选择OpenAPI而非OpenRPC规范主要基于:
- OpenAPI生态成熟度更高,工具链完善
- 已有成功案例验证可行性(如Nervos Network的CKB项目)
- 丰富的代码生成工具支持多种语言客户端
实施路径与预期效益
分阶段实施建议
- 基础架构搭建:引入schemars依赖,标注核心结构体
- 规范生成器开发:实现Schema聚合与OpenAPI规范生成
- 测试验证体系:建立Schema快照测试,确保变更可控
- 客户端重构:基于生成规范重构现有客户端,剥离冗余依赖
预期技术收益
- 开发效率提升:自动生成多语言客户端,减少重复工作
- 维护成本降低:统一Schema来源,消除实现差异
- 质量保障增强:通过自动化测试捕获不兼容变更
- 生态扩展性:为更多语言提供类型安全的客户端开发基础
技术挑战与应对
实施过程中可能面临的挑战包括:
- 复杂类型处理:对于特别复杂的嵌套类型,可能需要手动实现JsonSchema特性
- 性能考量:Schema生成不应显著影响编译时间和运行时性能
- 版本兼容性:需要设计良好的版本控制策略应对Schema演进
建议采用渐进式实施方案,先覆盖核心接口再逐步扩展,同时建立完善的变更日志机制。
结语
通过引入JSON Schema自动生成机制,NEARCore项目将显著提升RPC接口的规范性和可维护性,为生态开发者提供更一致、可靠的开发体验。这一改进不仅解决当前痛点,更为未来多语言客户端生态的发展奠定坚实基础。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217