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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00