Lightning Network/lnd项目中的UTXO处理优化:保持费率连续性
2025-05-28 02:42:03作者:齐添朝
在Lightning Network的lnd实现中,UTXO(未花费交易输出)的处理是一个关键机制,特别是在处理HTLC(哈希时间锁合约)时。本文将深入分析一个重要的优化点:在重新聚合交易时保持费率连续性。
背景与问题
当多个HTLC需要被处理时,lnd的清扫器(sweeper)会将具有相同截止时间的HTLC聚合到同一笔交易中。这种聚合策略能有效减少链上交易数量,降低手续费成本。然而,当通道对手方在链上成功申领了其中一个HTLC时,原先聚合的交易就会失效。
此时,清扫器会执行以下操作:
- 移除已被申领的HTLC
- 将剩余的HTLC重新聚合为一笔新交易
问题在于,重新聚合时费率计算会从最低值重新开始,而不是延续之前的费率增长曲线。这种重置行为会导致两个不良后果:
- 交易确认可能被不必要地延迟
- 费率增长曲线被人为打断,不符合预期设计
技术解决方案
针对这一问题,开发团队提出了利用现有的StartingFeeRate字段来保持费率连续性。具体实现思路如下:
- 当输入被标记为
PublishFailed(发布失败)时,将当前的费率值存储在SweeperInput.params的StartingFeeRate字段中 - 在重新聚合时,线性费率函数将从存储的费率值开始计算,而不是从最低费率重新开始
这种方案对于当前的线性费率函数完全适用且实现简单。考虑到未来可能引入更复杂的费率函数,开发团队也意识到可能需要更复杂的处理机制。
技术意义
这项优化带来了几个重要改进:
- 费率连续性:保持了费率增长的连续性,使交易确认行为更加可预测
- 效率提升:避免了不必要的低费率阶段,提高了资金回收速度
- 用户体验:用户资金被锁定的时间可能缩短
- 费用优化:减少了因费率重置导致的潜在手续费浪费
实现细节
在具体实现上,需要注意以下几点:
- 状态保存时机:仅在交易发布失败时才保存当前费率
- 字段复用:巧妙利用现有字段,无需新增数据结构
- 边界处理:需要考虑各种边界情况,如费率最大值限制等
未来扩展
虽然当前解决方案针对线性费率函数工作良好,但开发团队已经考虑到更复杂场景:
- 非线性费率函数:可能需要扩展状态保存机制
- 多维度费率策略:可能需要保存更多状态信息
- 动态费率调整:可能需要考虑网络状况变化
这项优化展示了lnd团队对系统细节的持续关注和改进,体现了Lightning Network实现中对于效率和用户体验的不懈追求。通过这样的精细调整,整个网络的运行将更加顺畅高效。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210