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
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
523
3.72 K
Ascend Extension for PyTorch
Python
329
388
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++
877
578
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
335
161
暂无简介
Dart
762
188
🎉 (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
1.33 K
745
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
113
136