Stellar-Core中Soroban条目TTL值返回机制的优化
2025-06-25 17:52:25作者:凤尚柏Louis
在区块链和分布式账本技术中,数据存储和访问机制是系统设计的核心要素之一。Stellar-Core作为Stellar网络的核心实现,近期对其Soroban智能合约平台的条目TTL(Time-To-Live)返回值机制进行了重要优化,这一改进虽然看似微小,但对系统接口的一致性和开发者体验有着重要意义。
背景与问题
Soroban是Stellar网络上的智能合约平台,它采用了基于TTL的存储模型。在这种模型中,每个存储在账本中的条目都有一个生存时间值,当TTL到期后,条目会被归档。在之前的实现中,Stellar-Core的getledgerentry端点对于已归档的条目不会返回TTL值,这导致了接口行为的不一致性。
技术细节
TTL机制是分布式系统中常见的数据生命周期管理策略。在Soroban的实现中:
- 活跃条目:具有明确的TTL值,表示该条目将在多少个账本周期后过期
- 归档条目:已经过期的条目,不再占用活跃存储空间
原始实现中,对于归档条目,API端点会完全省略TTL字段,这给客户端处理带来了额外的复杂性,因为客户端需要针对两种不同的响应格式进行特殊处理。
解决方案
优化后的实现采用了以下设计原则:
- 接口一致性:无论条目状态如何,都返回TTL字段
- 明确语义:对于归档条目,使用0作为TTL值,明确表示条目已过期
- 向后兼容:不影响现有对活跃条目的处理逻辑
这种设计使得客户端代码可以统一处理所有类型的条目,简化了错误处理逻辑,提高了开发效率。
实现影响
这一改动虽然看似简单,但对系统产生了多方面的影响:
- 开发者体验:客户端不再需要检查TTL字段是否存在,简化了代码逻辑
- 监控工具:可以统一监控所有条目的TTL状态,包括已归档的
- 数据分析:便于统计归档条目的数量和分布情况
技术考量
在实现过程中,团队考虑了多种方案:
- 使用特殊值(如-1)表示归档:可能引入额外的语义复杂性
- 保持原状:导致接口不一致
- 采用0值:最符合直觉,且与多数编程语言中"零值"表示无效/初始状态的惯例一致
最终选择的0值方案在语义明确性和实现简单性之间取得了良好平衡。
总结
Stellar-Core对Soroban条目TTL返回值机制的优化,体现了优秀系统设计中对接口一致性的重视。这种看似微小的改进实际上反映了区块链系统设计中一个重要的原则:稳定的、可预测的接口行为对于开发者生态的健康发展至关重要。通过统一活跃条目和归档条目的返回格式,系统降低了客户端的复杂度,提高了整体的可维护性。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 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 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
635
🎉 (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
1.06 K
614
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
195
71
仓颉编程语言测试用例。
Cangjie
36
634