Fuel项目交易格式中输入输出及见证数据大小限制的优化探讨
2025-07-08 01:12:59作者:傅爽业Veleda
在Fuel区块链项目中,当前交易格式对输入(inputs)、输出(outputs)和见证数据(witnesses)的数量设置了单字节(1 byte)的限制,这意味着每个交易最多只能包含255个输入、255个输出和255个见证数据。这种限制在某些场景下可能会成为性能瓶颈,特别是在需要处理大量状态变更的交易中。
当前限制的影响分析
单字节限制意味着:
- 每个交易最多只能包含255个输入项
- 每个交易最多只能包含255个输出项
- 每个交易最多只能包含255个见证数据
这种限制在以下场景中可能成为问题:
- 当区块生产者需要在一个交易中处理大量基于谓词(predicate)的状态变更时
- 在进行签名聚合等操作时,这些操作码通常只能在单个交易环境中工作
- 需要批量处理大量资产转移的场景
提议的改进方案
技术团队提出了将限制从1字节(255)扩展到2字节(65,535)的改进方案。这一变更将显著提高系统的吞吐能力,允许单个交易处理更大规模的操作。
技术挑战与考量
然而,这一改进并非没有挑战:
-
性能影响:现有代码库中部分实现假设数量不会超过255,使用了非最优的实现方式。扩展后可能需要优化这些部分。
-
基准测试影响:当前的基准测试假设单个交易生成的收据(receipts)不会超过255个,这一假设需要重新评估。
-
兼容性问题:现有工具和合约可能假设交易在255个资产后结束,变更可能导致兼容性问题。
-
内存占用:在最坏情况下,交易可能需要预留约2.5MB的内存空间,这对每个谓词/脚本来说可能过大,需要引入动态tx_offset支持。
-
安全风险:扩展后可能增加DoS攻击风险,因为攻击者可以构造包含大量(65,535个)输入的交易,其中只有最后一个输入无效,迫使节点验证所有输入后才能拒绝交易。
渐进式改进建议
考虑到上述挑战,技术团队提出了渐进式改进方案:
- 首先在交易格式中将字段类型从u8改为u16,但暂时保持255的实际限制
- 在VM层面实施限制约束
- 待系统其他部分(如工具链、合约等)做好准备后,再逐步提高实际限制
这种渐进式方法可以:
- 保持现有执行假设不变
- 为未来提升限制做好准备
- 降低变更带来的风险
- 给予生态系统适应时间
相关字段调整
为实现这一改进,还需要调整以下相关字段:
- witness_index需要从u8改为u16
- input_index需要从u8改为u16
总结
Fuel项目通过逐步扩展交易格式中关键字段的大小限制,为未来处理更大规模的交易做好准备,同时采用渐进式策略确保系统稳定性和兼容性。这一改进将显著提升系统处理批量操作的能力,为更复杂的应用场景提供支持。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.2 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
662