Lighthouse v7.0.0-beta.2版本发布:Holesky测试网紧急修复方案
Lighthouse是区块链2.0客户端实现之一,由Sigma Prime团队开发,采用Rust语言编写。作为区块链共识层的重要客户端,Lighthouse以其高性能和稳定性在区块链生态系统中占据重要地位。
本次发布的v7.0.0-beta.2版本是针对Holesky测试网在2025年2月Electra升级失败后的第二个紧急修复版本。该版本主要解决了节点在非最终性状态下的内存使用问题,并优化了节点同步性能。需要注意的是,这个版本仅适用于Holesky测试网用户,主网、Sepolia或其他网络用户不应使用此版本。
核心改进
强制伪最终化功能
该版本引入了一个实验性功能,允许在Lighthouse数据库中强制"最终化"一个区块。这一功能使Lighthouse能够修剪低质量侧链、移除已最终化状态并回收磁盘空间。需要注意的是,这一功能在一般情况下并不安全,仅应在紧急情况下使用。
使用该功能需要提供纪元号(epoch)、区块根(block_root)和状态根(state_root)三个参数,这些参数必须来自纪元边界。跳过某些时隙是可以接受的,但状态根必须是纪元边界状态的状态根。
状态缓存优化
团队对旧状态如何与状态缓存交互进行了调整,消除了状态缓存未命中的几种情况,并修复了由BlocksByRange请求、侧链和对古老区块的证明引起的状态缓存不良交互问题。
这些优化都是自动进行的,用户无需采取任何操作即可受益。对于更高级的用户,可以尝试使用新标志--state-cache-headroom 8,该标志会在状态缓存填满时更积极地修剪状态缓存(移除8个状态)。
新增HTTP端点
新增了lighthouse/add_peer端点,允许用户将可信对等节点添加到对等节点数据库,并在节点优雅断开连接时每个心跳周期都尝试重新连接。这对于节点难以在规范链上找到对等节点的情况特别有用。可以与--disable-discovery标志一起使用,以限制节点拨打的连接数,加快同步到正确链的速度。
使用建议
该版本仅适用于Holesky测试网用户从v7.0.0-beta.0或v7.0.0-beta.1升级。与v7.0.0-beta.1相比,此版本没有破坏性变更。
对于不同类型的用户,升级优先级如下:
- 测试网质押用户:强烈建议升级信标节点和验证器客户端
- 测试网非质押用户:建议升级信标节点
- 主网用户:不应升级此版本
技术实现细节
在底层实现上,该版本包含多项重要改进:
-
数据库手动压缩端点:允许用户手动触发数据库压缩操作,这在强制伪最终化后特别有用,可以永久回收空间。
-
状态缓存处理优化:防止在数据库迁移时写入状态缓存,拆分区块根查找逻辑,重用子树以减少内存中的inactivity_scores占用。
-
区块范围请求处理优化:尽可能从分叉选择中加载区块根,减少存储访问。
-
状态缓存大小默认值调整为32,并增加了回溯日志记录功能,帮助调试状态缓存未命中情况。
-
针对Holesky救援场景优化了状态处理性能。
这些改进共同提升了节点在非最终性条件下的稳定性和性能,特别是在Holesky测试网当前的特殊情况下。
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