LND与CLN节点间通道费用更新问题分析
问题概述
近期在Lightning Network中,LND节点与CLN节点之间的非锚定通道出现了一个严重的互操作性问题。当网络费用大幅波动后,两个实现之间的通道无法正常维持连接,导致通道频繁断开甚至可能引发强制关闭(Force Close)的风险。
问题现象
当区块链网络费用从高位回落时,LND节点会尝试向CLN节点发送费用更新消息。然而,CLN节点会拒绝这些更新,并返回"update_fee XXXXXX unaffordable"的错误信息,随后断开连接。这个问题在网络费用剧烈波动期间尤为明显。
技术背景
在闪电网络中,通道双方需要定期协商更新链上交易费用,以确保未来可能的通道关闭交易能够被及时打包。LND和CLN采用了不同的费用估算策略:
- LND支持通过feeurl从外部服务获取动态费用估算
- CLN则主要依赖本地节点的费用估算
当两个实现对合理费用的判断出现较大分歧时,就会导致互操作性问题。
问题根源
经过分析,这个问题主要由以下几个因素共同导致:
-
费用估算差异:LND在无法获取feeurl数据时会回退到一个较高的默认值(253 sat/kw),而CLN则可能使用完全不同的估算值
-
费用检查机制:CLN默认会对接收到的费用更新进行可负担性检查,当认为费用过高时会拒绝更新
-
协议实现差异:LND和CLN在费用更新协商的协议处理上存在细微差别
解决方案
针对这个问题,社区已经提出了多种解决方案:
-
LND端修复:在0.18版本中已经修复了费用估算的问题,避免使用不合理的默认值
-
CLN配置调整:可以通过设置
ignore-fee-limits=true参数来禁用CLN的费用检查机制 -
等待费用回落:在网络费用自然回落后,问题可能会自行解决
最佳实践建议
为了避免类似问题,节点运营者可以采取以下措施:
- 确保使用最新版本的实现软件
- 为LND配置可靠的feeurl源
- 对于重要的通道伙伴,提前沟通确认双方的费用策略
- 考虑在CLN上为特定通道设置
ignore-fee-limits
总结
LND与CLN之间的费用更新问题凸显了闪电网络不同实现间互操作性的重要性。随着网络的不断发展,实现间的协调和标准化将变得越来越关键。节点运营者应当保持对这类问题的关注,并及时采取措施保护自己的通道资金安全。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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