LND项目中订阅通道图时缺失入站手续费信息的问题分析
2025-05-29 14:03:46作者:何举烈Damon
问题概述
在LND项目中,当开发者使用subscribeChannelGraph方法订阅通道图更新时,发现通道更新消息中缺少入站手续费(inbound fee)的相关信息。这是一个值得关注的问题,因为入站手续费是闪电网络路由决策的重要参数。
技术背景
闪电网络中的节点可以通过设置入站手续费来影响其他节点通过该通道发送支付的意愿。这些手续费信息通常通过两种方式传播:
- 作为自定义记录(custom records)存储在通道更新消息中
- 作为专门的字段直接包含在通道策略(routing_policy)中
问题表现
通过对比两种不同的数据获取方式,可以清楚地看到问题所在:
-
使用
subscribeChannelGraph订阅时:custom_records字段为空对象inbound_fee_base_msat和inbound_fee_rate_milli_msat字段值为0
-
使用
getchaninfo直接查询时:- 能够看到正确的自定义记录(键为55555)
- 入站手续费字段显示正确值
问题根源
经过分析,问题的根本原因在于ChannelEdgeUpdate结构体定义中缺少了对入站手续费相关字段的支持。当通道更新通过订阅方式推送时,这些重要信息被遗漏了。
影响范围
这个问题会影响所有依赖subscribeChannelGraph实时获取通道更新信息的应用,特别是那些需要基于入站手续费做出路由决策的节点。由于无法实时获取这些信息,可能导致路由决策不够准确。
解决方案
该问题已在LND项目的后续版本中得到修复。修复方案主要包括:
- 在
ChannelEdgeUpdate结构体中添加对入站手续费字段的支持 - 确保这些字段能够正确地从通道更新消息中解析并传播
最佳实践建议
对于开发者而言,在处理闪电网络通道信息时,建议:
- 对于关键业务逻辑,考虑使用直接查询API(如
getchaninfo)作为补充 - 关注LND版本更新,及时升级以获取完整功能支持
- 在开发路由算法时,考虑入站手续费缺失情况下的降级处理方案
总结
通道信息的完整性和实时性对闪电网络的正常运行至关重要。LND项目团队对此类问题的快速响应和修复,体现了对网络基础设施稳定性的重视。开发者在使用相关API时,应当了解其限制并采取适当的应对措施。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 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 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
8
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++
654
281
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
React Native鸿蒙化仓库
JavaScript
248
317
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
214
🎉 (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
1.13 K
630
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
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100