SubQuery项目中BigInt类型数据持久化异常问题分析
2025-05-12 08:07:10作者:蔡丛锟
在SubQuery项目中,开发者遇到了一个关于BigInt类型数据持久化的技术问题。本文将深入分析该问题的表现、原因及解决方案。
问题现象
在Centrifuge项目的SubQuery实现中,开发者发现某些BigInt类型的属性值(如pool.value、pool.portfolioValuation和pool.totalReserve)在更新后无法正确持久化到数据库中。具体表现为:
- 在代码逻辑中,这些属性的值被正确更新并打印日志确认
- 但在实际的数据库事务中,这些值被错误地设置为0
- 问题仅出现在特定的大整数类型属性上,其他属性更新正常
技术背景
SubQuery是一个区块链数据索引框架,它允许开发者从区块链网络中提取、转换和存储数据。在数据存储层,SubQuery使用PostgreSQL作为后端数据库。
BigInt(大整数)是JavaScript中用于表示大于2^53-1的整数的数据类型。在区块链应用中,BigInt常用于表示代币数量、余额等大数值。
问题分析
从技术日志和代码中可以观察到几个关键点:
- 在保存操作前后,日志确认BigInt值已被正确更新
- 数据库事务中的INSERT语句却将这些值设为0
- 问题具有选择性,仅影响特定属性
可能的原因包括:
- 数据类型转换问题:在从JavaScript对象到数据库记录的序列化过程中,BigInt值可能被错误转换
- ORM层配置问题:实体类中这些属性的类型定义可能与数据库列类型不匹配
- 缓存异步刷新问题:store-cache-async标志可能导致数据刷新延迟
解决方案建议
针对这一问题,建议采取以下解决步骤:
-
验证实体定义:检查Pool实体类中相关属性的类型定义,确保使用@Field注解正确指定了BigInt类型
-
检查数据库模式:确认数据库中对应列的精度设置足够大,能够存储这些大数值
-
调整缓存设置:尝试关闭store-cache-async标志,观察同步写入是否解决问题
-
添加序列化调试:在保存操作前添加序列化调试日志,确认数据在进入数据库前的状态
-
版本兼容性检查:确认使用的SubQuery节点版本与项目要求的版本完全兼容
最佳实践
为避免类似问题,建议在SubQuery项目中:
- 对于大数值属性,始终明确指定数据类型
- 在关键数据操作前后添加验证日志
- 进行充分的本地测试,特别是针对大数值边界情况的测试
- 保持SubQuery相关依赖的最新稳定版本
通过系统性地应用这些解决方案和最佳实践,可以有效解决BigInt类型数据持久化异常的问题,确保区块链数据索引的准确性和可靠性。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147