Substrate开发者指南:如何在运行时中添加Nicks Pallet
前言
Substrate区块链框架为开发者提供了高度模块化的设计,其中FRAME(Framework for Runtime Aggregation of Modularized Entities)是构建区块链运行时的核心框架。Node Template作为Substrate的最小化实现,虽然包含了基础组件,但为了保持简洁性,它并未包含Substrate核心库中的所有功能模块(即Pallets)。本文将详细介绍如何在Substrate运行时中添加Nicks Pallet,并以此为例说明添加任意Pallet的通用方法。
准备工作
在开始之前,请确保您已经:
- 完成了Substrate开发环境的搭建
- 成功编译了最新版本的Node Template
- 对Rust语言和Substrate基础概念有基本了解
Pallet基础概念
在Substrate中,Pallet是功能模块的基本单位,每个Pallet实现了特定的区块链功能。Nicks Pallet提供了一个简单的昵称注册系统,允许用户为他们的账户关联一个可读的名称。
添加Nicks Pallet的步骤
第一步:引入Pallet依赖
在runtime的Cargo.toml文件中添加Nicks Pallet作为依赖项:
[dependencies]
pallet-nicks = { version = "4.0.0-dev", default-features = false, git = "https://github.com/paritytech/substrate.git", branch = "polkadot-vX.Y.Z" }
注意版本号需要与您使用的Substrate版本匹配。
第二步:配置运行时特性
在同一Cargo.toml文件中,确保将Nicks Pallet添加到runtime的std特性中:
[features]
default = ["std"]
std = [
# ...其他依赖...
"pallet-nicks/std",
]
第三步:实现Pallet配置特性
在runtime的lib.rs文件中,您需要为Nicks Pallet实现其配置特性(Config trait)。这通常包括:
- 定义必要的类型
- 设置参数常量
- 配置事件类型
impl pallet_nicks::Config for Runtime {
type Event = Event;
type Currency = Balances;
type ReservationFee = ConstU128<100>;
type MinLength = ConstU32<3>;
type MaxLength = ConstU32<16>;
}
第四步:将Pallet添加到construct_runtime宏
在construct_runtime宏中添加Nicks Pallet:
construct_runtime!(
pub enum Runtime where
Block = Block,
NodeBlock = opaque::Block,
UncheckedExtrinsic = UncheckedExtrinsic
{
// ...其他Pallet...
Nicks: pallet_nicks,
}
);
配置参数详解
在实现Nicks Pallet的Config trait时,有几个关键参数需要配置:
Currency:指定用于支付昵称注册费用的货币类型ReservationFee:设置昵称注册的基本费用MinLength:昵称的最小长度限制MaxLength:昵称的最大长度限制
这些参数应根据您的链的具体需求进行调整。
常见问题解决
在添加Pallet过程中可能会遇到以下问题:
- 版本不兼容:确保Pallet版本与Substrate版本匹配
- 缺失特性实现:仔细检查是否实现了Config trait中的所有必要类型
- 编译错误:检查Cargo.toml中的依赖声明是否正确
测试验证
添加完成后,建议进行以下验证:
- 编译运行时确保没有错误
- 编写测试用例验证Nicks功能
- 通过UI或命令行测试实际功能
扩展思考
通过添加Nicks Pallet的过程,我们可以总结出添加任意Pallet的通用模式:
- 添加依赖项
- 配置特性
- 实现Config trait
- 集成到construct_runtime
- 测试验证
这种模式适用于大多数Substrate Pallet的集成,尽管每个Pallet可能有其特定的配置要求。
总结
本文详细介绍了在Substrate运行时中添加Nicks Pallet的完整过程,从依赖管理到运行时配置,再到最终集成。通过这个实例,开发者可以掌握Substrate运行时模块化扩展的基本方法,为构建更复杂的区块链功能打下坚实基础。
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