Substrate开发者指南:深入理解FRAME框架架构
2025-07-05 13:15:12作者:瞿蔚英Wynne
什么是FRAME框架
FRAME(Framework for Runtime Aggregation of Modularized Entities)是Substrate区块链开发框架中的核心组件,它为运行时开发提供了一套模块化的解决方案。作为Substrate开发者的"乐高积木",FRAME允许开发者通过组合不同功能的模块(称为Pallets)来构建自定义区块链运行时。
FRAME架构全景
FRAME采用分层设计理念,主要包含以下几个关键部分:
1. 系统库(System Library)
作为运行时的基础层,系统库定义了区块链的核心数据类型和基础功能:
- 核心类型:包括区块号(Block Number)、账户ID(AccountId)、哈希值(Hash)等基础数据结构
- 关键存储项:管理账户nonce、区块哈希映射、事件记录等链上状态
- 底层函数:提供存储访问、交易来源验证等基础操作接口
2. Pallets模块系统
Pallets是FRAME的功能单元,每个Pallet专注于解决特定领域问题:
- 功能自治:每个Pallet包含独立的存储、事件、错误处理和业务逻辑
- 可组合性:通过配置trait实现Pallet间的交互与依赖管理
- 标准接口:提供一致的Dispatchable调用接口和存储访问模式

3. 执行模块(Executive Module)
作为运行时的调度中心,执行模块负责:
- 交易路由:将入站交易分发给对应的Pallet处理
- 执行流程管理:协调区块初始化、交易执行和区块终结等生命周期
- 错误处理:统一捕获和处理各Pallet的执行异常
4. 支持库(Support Library)
这个库提供了开发Pallet所需的工具集:
- 宏系统:通过过程宏减少样板代码(如
decl_storage!,decl_event!等) - 类型系统:提供
StorageValue,StorageMap等抽象存储类型 - Trait体系:定义
Config,OnInitialize等标准接口
常用预置Pallets详解
Substrate提供了一系列开箱即用的Pallets,以下是几个典型示例:
余额管理(Balances Pallet)
- 功能:处理账户创建、余额转账和代币铸造/销毁
- 特点:支持自定义货币精度、冻结/解冻机制和存在性存款
智能合约(Contracts Pallet)
- 功能:Wasm智能合约的部署与执行环境
- 特点:包含gas计费、存储租金和合约调用栈管理等机制
链上治理(Governance Pallet)
- 功能:实现链上建议和表决机制
- 特点:支持二次方表决、委托表决和紧急建议等高级功能
质押奖励(Staking Pallet)
- 功能:管理验证人选举和质押奖励分配
- 特点:实现NPoS共识机制,支持验证人评分和惩罚(slashing)
开发实践指南
自定义Pallet开发要点
- 定义配置trait:声明Pallet的依赖类型和参数
- 声明存储项:使用
decl_storage!宏定义链上状态 - 实现业务逻辑:编写可调度函数和生命周期钩子
- 暴露事件与错误:定义执行结果通知机制
运行时集成步骤
- 在
runtime/src/lib.rs中引入Pallet - 实现Pallet的配置trait
- 将Pallet添加到
construct_runtime!宏中 - 配置Pallet间的依赖关系
性能优化建议
- 基准测试:使用FRAME Benchmarking工具测量和优化Pallet性能
- 存储设计:合理选择StorageMap/StorageValue等存储结构
- 交易权重:准确设置不同操作的执行时间权重
- 批处理操作:利用Utility Pallet的批量交易功能
进阶主题
- Offchain Worker:结合链下数据扩展Pallet功能
- 交易支付抽象:实现自定义的交易费用计算逻辑
- 跨Pallet调用:通过tight coupling模式实现高效交互
FRAME框架的模块化设计使Substrate运行时开发既灵活又高效。通过合理组合现有Pallets和开发自定义模块,开发者可以快速构建满足特定需求的区块链系统。掌握FRAME架构是成为Substrate高级开发者的关键一步。
登录后查看全文
热门项目推荐
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.12 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
315
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219