Hardhat节点与Geth 1.14.11兼容性问题解析
问题背景
在区块链开发中,Hardhat是一个广泛使用的区块链开发环境,而Geth是官方客户端实现之一。最近Geth 1.14.11版本的发布引入了一个重要的API变更,移除了eth.getBlock RPC接口中的totalDifficulty字段,这导致Hardhat节点在启动时出现崩溃。
技术细节分析
totalDifficulty字段原本用于表示区块链中到达特定区块所需的总工作量证明难度。这个字段在从工作量证明(PoW)转向权益证明(PoS)后,其重要性有所降低。Geth开发团队认为这个字段在合并后的网络中不再必要,因此在1.14.11版本中移除了它。
然而,Hardhat的底层引擎EDR(区块链开发运行时)仍然依赖这个字段的存在,特别是在处理远程区块链数据时。当Hardhat节点尝试从Geth节点获取区块数据时,EDR会检查totalDifficulty字段,如果发现它不存在(即使是在PoS网络中),就会抛出"Must be present as this is not a pending block"的错误并终止运行。
解决方案
Nomic基金会团队迅速响应了这个兼容性问题,在Hardhat v2.22.14版本中修复了这个问题。新版本的EDR不再强制要求totalDifficulty字段的存在,从而可以与Geth 1.14.11及更高版本正常配合工作。
对于开发者来说,解决方案很简单:
- 升级Hardhat到v2.22.14或更高版本
- 或者继续使用Geth 1.14.10版本(仍包含
totalDifficulty字段)
开发者建议
这个事件提醒我们几个重要的开发实践:
-
依赖管理:区块链开发中,各种组件版本间的兼容性至关重要,特别是当使用多个相互依赖的工具时。
-
升级策略:在升级基础设施组件(如Geth)前,应该检查所有依赖工具是否兼容新版本。
-
错误处理:开发工具应该对API变化有更好的容错能力,特别是对于可选字段的缺失情况。
-
社区响应:开源社区对这类问题的快速响应和修复展示了生态系统成熟度的重要性。
总结
Hardhat与Geth 1.14.11的兼容性问题展示了区块链开发工具链中版本管理的重要性。通过及时升级Hardhat版本,开发者可以继续享受最新的Geth功能而不受影响。这也提醒我们,在转向PoS后,许多原有的PoW相关概念和API正在逐步演进,开发者需要关注这些变化对开发工具链的影响。
kernelopenEuler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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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