Hyperledger Fabric EVM Chaincode:将Ethereum智能合约带入Fabric世界
项目介绍
Hyperledger Fabric EVM Chaincode(EVMCC)是一个开源项目,旨在将Ethereum智能合约与Hyperledger Fabric区块链平台无缝集成。通过EVMCC,开发者可以在Hyperledger Fabric上运行用Solidity或Vyper等EVM兼容语言编写的智能合约,从而扩展Fabric的功能,使其能够支持更广泛的区块链应用场景。
项目技术分析
EVMCC的核心技术是将Hyperledger Burrow EVM封装在Go链码中,并通过EVMCC与Fabric网络进行交互。EVMCC作为智能合约的运行时环境,将部署的合约代码存储在Fabric的账本中。此外,项目还提供了Fab3,一个Web3提供者,它实现了Ethereum兼容的JSON RPC接口,使得开发者可以使用Web3.js等工具与Fabric上的EVMCC进行交互。
项目及技术应用场景
EVMCC和Fab3的结合,使得原本基于Ethereum的应用程序可以无缝迁移到Hyperledger Fabric上,而无需对代码进行大量修改。这对于那些希望在企业级区块链平台上运行去中心化应用(DApps)的开发者来说,是一个极具吸引力的解决方案。此外,EVMCC还可以用于构建跨链应用,实现不同区块链平台之间的互操作性。
项目特点
- 无缝集成:EVMCC允许在Hyperledger Fabric上运行Ethereum智能合约,无需对现有代码进行大规模修改。
- 开发者友好:通过Fab3,开发者可以使用熟悉的Web3.js等工具与Fabric上的智能合约进行交互,降低了学习成本。
- 灵活部署:EVMCC可以像其他用户链码一样部署到Hyperledger Fabric中,部署过程简单直观。
- 社区支持:项目活跃在Hyperledger社区的
#fabric-evm频道,开发者可以在这里获取帮助、反馈和参与开发。
如何开始
部署EVMCC
EVMCC的部署与普通链码类似,可以通过peer cli进行安装和实例化。以下是一个示例命令:
peer chaincode install -n evmcc -l golang -v 0 -p github.com/hyperledger/fabric-chaincode-evm/evmcc
peer chaincode instantiate -n evmcc -v 0 -C <channel-name> -c '{"Args":[]}' -o <orderer-address> --tls --cafile <orderer-ca>
运行Fab3
Fab3的构建和运行需要Go 1.11及以上版本。通过以下命令可以构建Fab3二进制文件:
make fab3
运行Fab3时,需要提供Fabric SDK配置文件和用户信息。可以通过环境变量或命令行参数进行配置。
总结
Hyperledger Fabric EVM Chaincode为开发者提供了一个强大的工具,使得Ethereum智能合约可以在Hyperledger Fabric上运行,从而扩展了Fabric的应用场景。无论是希望迁移现有Ethereum应用,还是构建新的跨链解决方案,EVMCC都是一个值得尝试的开源项目。加入我们,一起探索区块链技术的无限可能!
注意:该项目目前已被归档,原因是社区兴趣不足。尽管如此,EVMCC和Fab3的技术实现仍然具有很高的参考价值,适合对区块链技术有深入了解的开发者学习和研究。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00