Desmos全节点搭建完整指南
前言
Desmos是一个基于Cosmos SDK构建的去中心化社交网络协议,搭建Desmos全节点是参与网络维护和开发的基础。本文将详细介绍如何从零开始搭建一个Desmos全节点,涵盖从软件编译到节点运行的全过程。
准备工作
在开始搭建前,请确保您的服务器满足以下基本要求:
- 至少4核CPU
- 8GB以上内存
- 500GB以上SSD存储空间
- 稳定的网络连接
1. 软件编译安装
Desmos支持两种数据库后端引擎选择:
默认选项:LevelDB
LevelDB是Google开发的高性能键值存储数据库,稳定性高但同步速度相对较慢。
cd $HOME
git clone https://github.com/desmos-labs/desmos.git
cd desmos
git checkout tags/v2.3.1
make install
高性能选项:RocksDB
Facebook开发的RocksDB性能更优,能显著减少同步时间,但尚处于实验阶段。
make install DB_BACKEND=rocksdb
编译完成后验证安装:
desmos version --long
2. 初始化工作目录
初始化节点时建议使用自定义种子,这样在需要重置节点时可以重新生成相同的私钥。
- 生成随机种子:
desmos keys add node --dry-run
- 使用种子初始化节点:
desmos init <节点名称> --recover
系统会提示输入之前生成的助记词,初始化完成后会在~/.desmos目录下生成配置文件。
3. 获取创世文件
根据您要加入的网络获取对应的创世文件:
- 测试网:需从官方渠道获取最新测试网创世文件
- 主网:使用主网指定的创世文件
将获取的创世文件放置于~/.desmos/config/genesis.json。
4. 配置节点连接
编辑~/.desmos/config/config.toml文件,配置种子节点:
seeds = "种子节点地址1,种子节点地址2"
persistent_peers = "持久节点地址1,持久节点地址2"
种子节点会提供网络中的其他节点列表,帮助您的节点快速连接网络。
5. 状态同步配置
Desmos v0.15.0+支持状态同步功能,可大幅缩短节点同步时间。
配置状态同步需要:
- 设置信任高度和哈希
- 配置RPC服务器地址
具体参数请参考网络文档,不同网络(测试网/主网)配置不同。
6. 完整同步方案
从区块1开始完整同步的步骤:
- 降级软件版本至网络初始版本
- 禁用状态同步功能
- 设置Cosmovisor处理历史升级
完整同步可能需要数天时间,仅建议特殊需求时使用。
7. 快照配置优化
默认情况下,节点每500个区块创建一次状态快照,保留最近2个快照。您可以根据需要调整:
snapshot-interval = 500 # 快照间隔
snapshot-keep-recent = 2 # 保留快照数量
注意:snapshot-interval必须是pruning-keep-every的倍数。
8. 数据库后端切换
如果您选择使用RocksDB,还需修改配置:
db_backend = "rocksdb"
9. 网络端口配置
建议开放以下端口:
- 26656:P2P通信端口(必须)
- 26657:RPC服务端口
- 9090:gRPC服务端口
- 1317:REST API端口
使用ufw配置防火墙:
sudo ufw allow 26656/tcp
sudo ufw enable
10. 启动节点
完成所有配置后,启动节点:
desmos start
检查节点状态:
desmos status
当catching_up为false时,表示节点已完成同步。
11. 系统服务配置
建议将节点配置为系统服务实现自动运行:
- 创建服务文件
/etc/systemd/system/desmosd.service - 启用并启动服务:
systemctl enable desmosd
systemctl start desmosd
常用服务管理命令:
- 查看状态:
systemctl status desmosd - 查看日志:
journalctl -u desmosd -f - 停止服务:
systemctl stop desmosd
12. Cosmovisor集成
为支持链上无缝升级,建议使用Cosmovisor管理节点进程。Cosmovisor会自动检测并执行链上发起的升级建议,确保节点平稳过渡到新版本。
配置Cosmovisor需要:
- 设置环境变量
- 创建必要的目录结构
- 准备各版本二进制文件
结语
通过以上步骤,您已成功搭建并运行了一个Desmos全节点。作为网络参与者,您的节点将帮助验证交易并传播区块数据,为Desmos网络的去中心化和安全性做出贡献。如需将节点升级为验证人节点,还需完成额外的质押和配置步骤。
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