FuelCore项目中交易提交与状态等待的优化方案
在FuelCore区块链项目中,开发者们正在讨论如何优化交易提交与状态等待的机制,特别是针对submitAndAwait功能的错误处理问题。当前实现存在一个关键的技术挑战:当交易无效时,系统无法立即向用户反馈错误信息,而是需要等待订阅响应,这影响了用户体验和开发效率。
当前机制的问题分析
FuelCore现有的交易处理流程分为两个主要部分:
-
直接提交交易:通过
submit突变操作实现- 如果交易无效,立即抛出异常
- 如果有效,继续后续处理
-
提交并等待状态:通过
submitAndAwait订阅实现- 当前无法立即识别无效交易
- 需要读取订阅响应体才能确定交易状态
- 对于有效交易,读取操作会阻塞直到状态更新
这种设计导致了一个技术困境:开发者无法在第一时间知道交易是否有效,因为订阅响应的读取操作对于有效交易会保持挂起状态,直到燃料核心节点推送状态更新。
技术实现细节
在TypeScript SDK中,当前实现采用了以下流程:
const response = await fetchFn(`${url}-sub`, {
method: 'POST',
body,
headers,
});
const [errorReader, resultReader] = response.body.tee().map((stream) => stream.getReader());
const errorChecker = new FuelGraphqlSubscriber(errorReader);
await errorChecker.next();
return new FuelGraphqlSubscriber(resultReader);
这段代码尝试通过分流技术来同时检查错误和返回订阅迭代器,但遇到了阻塞问题。当交易有效时,errorChecker.next()会一直等待状态更新,无法立即返回迭代器给用户。
提出的解决方案
经过深入讨论,项目团队提出了两种优化方案:
方案一:响应头标记法
在交易失败时,通过添加特定的响应头来标识失败状态。这样前端代码可以立即检查响应头,而不必等待读取响应体:
if(response.headers.has('transaction-failed') {
await errorChecker.next();
}
这种方法简单直接,但提供的信息有限,无法包含交易提交时间等额外元数据。
方案二:状态立即返回法
借鉴statusChange的实现方式,在提交交易后立即返回一个SubmittedStatus响应,而不是等待交易状态变更。这样:
- 对于无效交易,可以立即抛出异常
- 对于有效交易,立即返回包含提交时间等信息的
SubmittedStatus - 同时保持订阅通道开放,用于后续状态更新
这种方案更加全面,不仅解决了立即错误反馈的问题,还保留了有用的交易元数据,为开发者提供了更多灵活性。
技术决策与未来方向
经过权衡,FuelCore团队更倾向于采用第二种方案,因为它提供了更完整的功能集和更好的开发者体验。团队计划新增一个submit_and_await_status端点,专门用于这种改进后的交互模式。
这种优化将显著提升FuelCore区块链应用的开发体验,使开发者能够更高效地处理交易提交和状态跟踪,同时获得更及时的反馈信息。这对于构建响应式和高可用性的区块链应用至关重要。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00