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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00