Ponder项目0.9.3版本发布:索引监控与事件排序能力升级
Ponder是一个用于区块链数据索引的开源项目,它能够帮助开发者高效地从区块链网络中提取和处理事件数据。在最新的0.9.3版本中,Ponder团队对监控指标系统进行了重构,并引入了全新的事件排序策略,进一步提升了系统的可靠性和灵活性。
监控指标系统重构
0.9.3版本对Ponder的监控指标系统进行了重要改进。团队移除了原有的ponder_indexing_total_seconds和ponder_indexing_completed_seconds指标,取而代之的是三个更精细化的新指标:
ponder_historical_total_indexing_seconds- 记录历史数据索引的总耗时ponder_historical_cached_indexing_seconds- 记录从缓存中读取历史数据的耗时ponder_historical_completed_indexing_seconds- 记录已完成历史数据索引的耗时
此外,原有的ponder_indexing_completed_timestamp指标被重命名为ponder_indexing_timestamp,使其命名更加简洁明了。这些改进使得开发者能够更精确地监控索引过程中的各个阶段性能表现。
增强的日志系统
为了提高系统的可观察性,新版本在实时和历史同步过程中增加了调试(debug)和信息(info)级别的日志输出。这些详细的日志记录将帮助开发者更好地理解系统运行状态,快速定位潜在问题。
改进的关闭行为和热重载可靠性
0.9.3版本对系统的关闭流程进行了优化,显著提升了在服务终止时的行为一致性。同时,热重载功能的可靠性也得到了增强,使得开发者在修改配置或代码后能够更顺畅地应用变更。
全新的事件排序策略
本次更新引入了一个重要的新功能 - 事件排序策略配置。在ponder.config.ts配置文件中,开发者现在可以通过新增的ordering字段来指定跨链事件的排序方式:
"omnichain"(默认值):保持现有的跨链事件处理顺序"multichain":新的排序策略,需要显式启用
这个功能为处理多链场景下的数据一致性提供了更多灵活性,开发者可以根据具体业务需求选择最适合的排序策略。
总结
Ponder 0.9.3版本通过重构监控指标、增强日志系统、改进系统稳定性以及引入灵活的事件排序策略,为开发者提供了更强大、更可靠的区块链数据索引解决方案。这些改进不仅提升了系统的可观察性和稳定性,还为处理复杂的多链场景提供了更多可能性。对于正在使用或考虑采用Ponder的项目来说,这个版本值得关注和升级。
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 StartedRust0191
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 Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01