MultiversX链核心升级v1.8.9:交易中继与内存池优化深度解析
MultiversX是一个高性能的区块链平台,采用自适应状态分片技术和安全权益证明(SPoS)共识机制,旨在实现高吞吐量和低延迟的交易处理。作为其核心实现的mx-chain-go项目近期发布了v1.8.9版本,该版本聚焦于交易中继机制的重大升级和内存池的优化改进。
交易中继V3:革命性升级
本次版本最引人注目的特性是全新的Relayed V3交易中继机制。交易中继是区块链网络中的关键功能,允许第三方为用户支付交易费用。V3版本带来了几个重要创新:
-
无账户前置条件:系统现在可以处理发送方账户不存在的Relayed V3交易,这大大简化了中继交易的使用场景,特别是在新账户初始化时。
-
增强的Gas处理:新增了针对额外中继交易Gas限制的专用监控指标,使网络操作员能够更精确地跟踪和优化资源使用。
-
API处理优化:节点API对Relayed V3交易的处理类型进行了专门调整,确保与现有系统的无缝集成。
内存池与交易处理改进
内存池作为交易进入区块链前的暂存区,其性能直接影响整个网络的吞吐量。v1.8.9版本对内存池进行了多项优化:
-
交易选择算法增强:内存池现在能够智能识别和处理Relayed V3交易,确保这些特殊交易得到合理优先处理。
-
池端点问题修复:解决了交易池端点相关的若干问题,提高了API的稳定性和可靠性。
-
重构与测试强化:对内存池代码进行了部分重构,并增加了链模拟器测试,提高了模块的健壮性。
智能合约与事件处理优化
-
多重转账事件解析:修复了MultiTransfer事件的解析问题,确保复杂的资产转移操作能被正确记录和处理。
-
多重智能合约结果:支持带有退款的多重智能合约结果,为更复杂的合约交互场景提供了更好的支持。
监控与可观测性提升
-
新增指标:专门为Relayed V3交易引入了额外的Gas限制监控指标,使运维团队能够更精确地掌握网络资源使用情况。
-
区块端点扩展:增强了区块端点功能,提供更丰富的区块信息查询能力。
配置管理的灵活性
- 可覆盖配置支持:系统现在支持数组形式的可覆盖配置,为节点操作员提供了更灵活的配置管理方式。
存储与性能优化
-
剪枝存储测试:加强了对剪枝存储器的测试覆盖,确保长期运行的节点能够有效管理存储空间。
-
链模拟器修复:解决了链模拟器中的若干问题,提高了开发和测试效率。
总结
MultiversX链核心v1.8.9版本通过引入Relayed V3交易中继机制和多项内存池优化,显著提升了网络的灵活性和性能。这些改进不仅增强了基础功能,还为开发者提供了更强大的工具集,为构建更复杂的去中心化应用奠定了基础。特别值得注意的是对无账户中继交易的支持,这为新的使用场景打开了大门,进一步降低了用户进入门槛。随着这些改进的部署,MultiversX网络将能够更好地支持高吞吐量的去中心化应用生态系统。
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