Blockscout项目中的Rollups交易批次监控功能实现
背景介绍
Blockscout作为一款开源的区块链浏览器,其健康监控功能对于运维至关重要。在Rollups技术日益普及的背景下,实现对交易批次的监控成为了提升系统可靠性的关键需求。
功能设计
Blockscout团队设计了一个扩展的健康监控端点,用于实时跟踪Rollups交易批次的同步状态。该功能主要包含两个核心模块:
- 区块实时索引监控模块
- 交易批次实时索引监控模块
技术实现细节
健康监控端点响应结构
新的健康监控端点响应采用了分层结构设计:
{
"metadata": {
"blocks": {
"latest_block": {
"cache": {
"timestamp": "2025-02-13 13:48:19.000000Z",
"number": "131927861"
},
"db": {
"timestamp": "2025-02-13 13:48:25.000000Z",
"number": "131927864"
}
},
"healthy": true
},
"batches": {
"latest_batch": {
"timestamp": "2025-02-13 13:48:19.000000Z",
"number": "100500"
},
"healthy": false
}
},
"healthy": false
}
各Rollups链实现方案
针对不同的Rollups解决方案,Blockscout团队实现了特定的监控函数:
Arbitrum实现
在Explorer.Chain.Arbitrum.Reader.Common模块中新增了get_latest_batch_info/1函数,该函数能够:
- 获取最新批次号
- 记录最新批次提交到父链的时间戳
- 计算最近10个批次的平均间隔时间
ZkSync实现
在Explorer.Chain.ZkSync.Reader模块中实现了类似功能,但针对ZkSync的特性进行了适配。
Optimism实现
Optimism的实现位于Explorer.Chain.Optimism.FrameSequence模块,主要特点包括:
- 查询最近100个已准备好的批次
- 计算批次间的平均时间间隔
- 确保至少有两个批次时才返回有效数据
Polygon zkEVM实现
在Explorer.Chain.PolygonZkevm.Reader模块中实现了针对zkEVM的监控功能,特别关注已完成的批次。
Scroll实现
Scroll的实现位于Explorer.Chain.Scroll.Reader模块,主要监控已提交的批次信息。
Prometheus指标设计
为了实现更细粒度的监控,Blockscout还设计了Prometheus指标,包括:
- 区块/批次编号
- 区块/批次时间戳
- 批次间的平均时间间隔
这些指标通过修改各Rollups链的批次导入代码位置来实现数据采集。
技术挑战与解决方案
在实现过程中,团队遇到了几个技术挑战:
-
批次时间计算准确性:最初的计算逻辑存在缺陷,可能导致不准确的平均时间计算。通过优化枚举和列表处理逻辑解决了这个问题。
-
多链适配:不同Rollups链的批次存储结构各异。通过为每种链类型设计特定的查询函数来应对这一挑战。
-
性能考量:监控查询不能影响主业务流程。通过合理设置查询限制(如只查询最近100个批次)来平衡监控需求和性能。
总结
Blockscout通过实现Rollups交易批次监控功能,显著提升了系统对Layer2解决方案的监控能力。这一改进不仅增强了运维团队对系统健康状态的把控,也为后续的性能优化提供了数据基础。该功能的实现展示了Blockscout团队对区块链技术发展趋势的敏锐把握和快速响应能力。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00