Blockscout项目中地址交易列表加载性能优化分析
2025-06-17 00:11:07作者:裘晴惠Vivianne
在区块链浏览器Blockscout的使用过程中,我们发现当查询某些智能合约地址的交易历史时,页面加载速度异常缓慢。经过深入分析,这个问题源于PostgreSQL数据库查询优化器选择了不合适的索引策略,导致查询效率低下。
问题背景
Blockscout作为区块链生态中广泛使用的区块链浏览器,需要高效地处理大量交易数据的查询请求。特别是在查询具有以下特征的地址时,性能问题尤为突出:
- 目标地址是智能合约地址
- 该地址有大量历史交易记录
- 这些交易都发生在较早的区块高度
技术分析
通过执行计划分析,我们发现当前查询语句使用了以下执行路径:
EXPLAIN SELECT * FROM transactions
WHERE to_address_hash='\xa45b42a4855ac5cfefc64fd7079da6416511ec22'
ORDER BY block_number DESC limit 51;
查询优化器选择了transactions_block_number_index索引进行反向扫描,然后对结果进行过滤。这种执行计划对于具有大量历史交易的地址效率极低,因为:
- 需要扫描大量不相关的区块数据
- 然后对每条记录进行地址匹配过滤
- 整个过程可能需要超过1分钟才能完成
优化方案
实际上,数据库中已经存在一个更适合此类查询的复合索引:
"transactions_to_address_hash_with_pending_index_asc"
btree (to_address_hash, block_number, index, inserted_at, hash DESC)
这个索引的结构完全匹配我们的查询条件:
- 首先按地址哈希过滤
- 然后按区块号排序
- 其他字段确保索引的唯一性
如果查询优化器能够选择这个索引,查询效率将大幅提升,因为:
- 直接定位到目标地址的所有交易
- 按区块号降序排列
- 只需读取前51条记录即可返回结果
解决方案建议
针对这个问题,我们建议采取以下优化措施:
-
查询重写:修改API端点中的查询语句,使用更明确的语法提示优化器选择正确的索引
-
索引提示:在PostgreSQL中通过设置
enable_indexscan等参数强制使用特定索引 -
统计信息更新:确保数据库的统计信息是最新的,帮助优化器做出更好的决策
-
复合索引优化:考虑调整现有复合索引的字段顺序,使其更符合常见查询模式
性能影响
实施优化后,预期性能提升将非常显著:
- 查询响应时间从分钟级降低到毫秒级
- 数据库服务器负载降低
- 用户体验大幅改善
结论
数据库索引选择是影响区块链浏览器性能的关键因素。通过深入分析查询模式和索引结构,我们可以显著提升Blockscout在处理大量历史交易查询时的性能。这种优化不仅解决了当前报告的具体问题,也为处理类似场景提供了参考方案。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
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++
892
667
Ascend Extension for PyTorch
Python
376
445
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (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
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271