首页
/ Erigon项目中的RPC文件同步问题分析与解决方案

Erigon项目中的RPC文件同步问题分析与解决方案

2025-06-25 07:12:26作者:舒璇辛Bertina

在区块链节点软件Erigon的开发过程中,团队发现了一个关于外部RPC服务(rpcd)与核心组件间文件同步的重要问题。该问题表现为RPC服务在运行一段时间后开始返回错误响应,而重启服务可以暂时解决问题。

问题现象

当Erigon节点运行到区块高度8,313,132时,RPC服务在处理交易收据请求时返回错误信息:"sender not an eoa"。具体错误指出地址0x27795365F828E9EcCaa91D97739988B78f752451的codehash为0xb09ef517c48d2bf6eed05457ff56871b2596e3fc904fc6e9795882a870c2e993,但RPC服务端获取的账户代码却不匹配。

技术分析

深入分析发现,这个问题与EIP-7702委托账户机制有关。该地址实际上委托给了0x63c0c19a282a1B52b07dD5a65b58948A07DAE32B,其正确代码应为0xef010063c0c19a282a1B52b07dD5a65b58948A07DAE32B,对应的codehash确实为报错中显示的哈希值。这表明:

  1. 哈希计算本身是正确的
  2. RPC服务端获取的账户状态数据与核心组件不一致
  3. 问题根源在于文件同步机制存在缺陷

解决方案

开发团队采取了多管齐下的解决策略:

  1. 文件通知机制修复:改进了Erigon核心与RPC服务间的文件变更通知系统,确保新增或删除文件时能及时同步
  2. 调试端点增强
    • 添加debug_refreshFolder端点用于手动触发文件刷新
    • 实现debug_getMeFiles端点用于检查RPC服务当前可见的文件状态
  3. 全面测试验证:由于问题复现周期长,团队建立了完善的测试流程来验证修复效果

版本计划

该修复已纳入Erigon 3.0.4版本计划中。用户遇到类似问题时,可以暂时通过重启RPC服务或等待新版本发布来解决。对于技术能力较强的用户,也可以使用新增的调试端点进行问题诊断和临时修复。

这个案例展示了区块链节点软件中状态同步机制的重要性,也为类似分布式系统的设计提供了有价值的参考经验。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K
ops-mathops-math
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++
505
42
nop-entropynop-entropy
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
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
openHiTLSopenHiTLS
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
992
395
RuoYi-Vue3RuoYi-Vue3
🎉 (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
938
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
332
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70