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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03