Ordinals项目:解决区块链节点无法获取原始交易数据的问题
问题背景
在使用Ordinals项目时,用户可能会遇到一个常见的技术问题:区块链全节点无法获取原始交易数据,并返回错误信息"Couldn't receive txs failed to fetch raw transaction: code -5 message No such mempool transaction"。这个错误通常出现在用户尝试通过Ordinals协议与区块链网络交互时。
错误分析
该错误的核心信息表明区块链节点无法查询特定的交易数据,主要原因有两个:
- 交易不在内存池(mempool)中
- 节点没有启用交易索引(txindex)
错误信息建议的解决方案包括:
- 使用-txindex参数启用区块链交易查询
- 提供区块哈希以启用区块链交易查询
- 对于钱包交易,使用gettransaction命令
根本原因
区块链核心客户端默认不保存所有交易的索引,这是为了节省磁盘空间和提高同步速度。当Ordinals项目需要查询特定交易时,如果该交易不在内存池中且没有建立交易索引,节点就无法提供所需数据。
解决方案
启用交易索引
最直接的解决方案是在区块链核心客户端的配置中启用交易索引。这可以通过以下方式实现:
-
在blockchain.conf配置文件中添加:
txindex=1 -
或者在启动区块链核心时使用命令行参数:
blockchaind -txindex
注意事项
-
启用txindex后,需要重新同步区块链数据,这可能需要较长时间(通常几天到一周不等,取决于硬件配置和网络速度)。
-
确保有足够的磁盘空间。完整的区块链数据加上交易索引目前需要超过600GB的存储空间。
-
如果之前运行的是修剪(pruned)节点,需要删除现有数据并从头开始同步,因为修剪节点无法添加交易索引。
验证解决方案
启用txindex并完成同步后,可以通过以下命令验证节点状态:
blockchain-cli getblockchaininfo
确认输出中"pruned"字段为false,并且同步进度接近1.0。
性能考虑
启用txindex会增加节点的资源使用:
- 磁盘空间需求增加约15-20%
- 初始同步时间延长
- 日常运行内存占用略有增加
但对于Ordinals项目的完整功能支持,这些额外的资源消耗是必要的。
替代方案
如果资源有限,可以考虑:
- 使用第三方提供的索引服务(但会降低去中心化程度)
- 仅针对特定交易查询时提供区块哈希(适用于临时需求)
- 使用轻量级客户端(功能可能受限)
结论
对于Ordinals项目的完整支持,运行一个完整的、启用txindex的区块链节点是最可靠的选择。虽然这会增加一些资源开销,但确保了所有交易数据的可查询性,为Ordinals协议的正常运行提供了坚实基础。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00