NEARCore项目中的RPC API JSON Schema生成方案解析
2025-07-01 07:03:05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
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C042
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.3 K
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++
694
367
Ascend Extension for PyTorch
Python
240
276
暂无简介
Dart
696
163
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
React Native鸿蒙化仓库
JavaScript
269
328
🔥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
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
674
仓颉编译器源码及 cjdb 调试工具。
C++
138
869