LND路由构建中入站费用计算问题的技术分析
2025-05-29 14:39:55作者:瞿蔚英Wynne
问题背景
在Lightning Network Daemon(LND)项目中,routerClient.BuildRoute
方法在构建支付路由时存在一个重要的功能缺陷——它未能正确处理入站费用(inbound fees)的计算。这个问题会导致构建出的路由费用计算不准确,特别是在涉及费用折扣的情况下。
问题表现
当开发者使用lnClient.QueryRoutes
查询路由时,系统会返回包含入站费用折扣的正确路由信息。然而,当尝试使用相同的节点公钥列表通过routerClient.BuildRoute
重建路由时,生成的路由费用计算会出现显著差异。
实际测试数据显示,在相同节点路径下:
- 使用
QueryRoutes
返回的总费用为294,296毫聪 - 使用
BuildRoute
重建的路由总费用却达到428,286毫聪
这种差异主要来源于入站费用计算的缺失,导致某些中继节点的费用折扣未被正确应用。
技术原理分析
路由构建的基本流程
LND中的路由构建过程通常包含以下关键步骤:
- 从接收方向发送方传递,处理最小HTLC限制
- 从发送方向接收方传递,确定最终接收金额
- 调用
newRoute
构建包含指定接收金额的完整路由
入站费用的计算复杂性
入站费用的引入带来了特殊的计算挑战,主要体现在:
- 递归依赖性:入站费用依赖于后续所有跳的费用(由于受出站费用上限的限制)
- 策略合成:由于可能存在并行通道,需要合成统一的策略来遵守HTLC的最小/最大限制
- 金额相关性:统一策略依赖于转发的金额量,使得策略不是预先确定的
解决方案探讨
现有实现的问题
当前BuildRoute
的实现存在以下局限性:
- 最小金额模式下需要进行多次传递计算
- 入站费用的不可逆性使得从接收金额反推发送金额变得复杂
- 策略合成与金额计算的相互依赖形成递归关系
可能的改进方向
- 近似解法:使用反向传递中确定的策略进行入站费用反转计算,虽然不完全精确但实用
- 架构调整:让路径查找算法本身处理路由构建,使用跳约束作为输入
- 放宽最优性要求:放弃接收金额最大化的严格需求,简化计算过程
实际影响
这一缺陷主要影响以下场景:
- 通道再平衡操作
- 最小金额支付路由构建
- 涉及费用折扣节点的支付路径
开发者在使用BuildRoute
重建路由时应当注意费用计算的差异,必要时进行手动调整或使用替代方法。
结论
LND路由构建中的入站费用计算问题反映了闪电网络协议实现中的复杂性。虽然存在技术挑战,但通过合理的近似和架构调整可以找到平衡精确性与实用性的解决方案。对于开发者而言,理解这一限制有助于更好地设计基于LND的闪电网络应用,特别是在涉及复杂路由和费用优化的场景中。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0369Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++097AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-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。Python00GOT-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).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 Jetson TX2开发板官方资源完全指南:从入门到精通 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
202
2.17 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
61
94

🎉 (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
977
575

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

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++
550
83

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
1.02 K
399

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
393
27

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
1.2 K
133