Neo项目应用日志扩展:增加合约调用追踪功能的技术探讨
2025-06-22 17:45:02作者:苗圣禹Peter
背景与问题分析
在区块链应用开发中,交易执行过程的透明度和可追溯性至关重要。Neo区块链网络目前通过applicationlogs接口提供了交易执行结果的基本信息,包括系统通知(System.Runtime.Notify)事件。然而,现有的日志机制存在两个显著局限性:
- 信息不完整性:当合约不主动发出通知事件时,开发者无法通过日志了解合约内部的实际执行情况
- 数据不充分性:即使有通知事件,其携带的信息往往不足以完整还原业务场景
以一个实际案例说明:在T5测试网的某笔交易中,日志仅显示"StateValidator"角色在特定区块高度被分配,但关键的分配对象(公钥列表)却缺失。这种信息断层给开发者构建上层应用带来了困难。
技术方案设计
为解决上述问题,我们提出在applicationlogs中增加invocations字段,记录交易执行过程中的所有合约调用细节。该方案的核心改进点包括:
- 调用追踪机制:捕获所有System.Contract.Call系统调用的详细信息
- 结构化数据:记录被调用合约哈希、方法名及完整参数列表
- 性能优化:保持轻量级设计,最小化对节点性能的影响
实施后的日志结构新增了invocations数组,每个元素包含:
- contract_hash:被调用合约的哈希地址
- method:调用的方法名称
- parameters:包含完整类型信息的参数列表
实现效果验证
通过实际部署测试,我们收集了关键性能数据:
-
存储开销:
- 主网:增加约522KB(560万笔交易)
- T5测试网:增加不足30KB
-
处理延迟:
- 主网平均每笔交易增加0.0594ms处理时间
- T5测试网性能影响可忽略不计
-
信息增益:
- 完整还原角色分配场景中的4个目标公钥
- 支持复杂调用链路的全路径追踪
技术决策考量
在方案评审过程中,社区提出了几个重要技术观点:
-
调试模式整合:建议将此类详细日志归类为调试功能,与现有的Runtime.Log事件采用相同机制
-
性能边界:需警惕循环调用场景可能产生的日志膨胀问题,但当前测试数据显示实际影响可控
-
原生合约优化:部分原生合约(如RoleManagement)的通知事件本身可考虑增强,与本方案形成互补
实施建议
对于希望采用此功能的项目,建议:
- 分阶段部署:先在测试环境验证业务场景的日志完备性
- 日志处理优化:客户端应设计健壮的日志解析逻辑,处理可能的大型参数数组
- 监控机制:建立针对日志体积增长的监控指标
该改进已通过技术验证,即将纳入Neo 3.8.0版本,将为开发者提供更强大的链上行为分析能力,同时保持网络性能的高效稳定。
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
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