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。
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 StartedRust0202
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 Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07