FuelLabs/fuels-ts 项目中的 gasPrice 参数优化实践
2025-05-02 12:49:30作者:霍妲思
在区块链交易处理过程中,gas 费用的计算是一个关键环节。FuelLabs/fuels-ts 项目最近针对交易成本计算函数 getTransactionCost 进行了优化,允许开发者传递可选的 gasPrice 参数,这一改进显著提升了交易处理的效率。
背景与问题
在 Fuel 钱包的工作流程中,当用户需要批准交易时,系统允许用户自定义 gas 限制。使用这个新的 gas 限制值,钱包会重新计算交易费用。如果计算出的费用超过了初始交易请求中设置的值,系统会通过调用 getTransactionCost 函数来估算并资助整个交易。
在原有实现中,SDK 会进行两次 gas 价格的获取操作:
- 第一次用于初始费用计算
- 第二次用于实际估算和资助交易
这种重复操作不仅增加了网络请求的开销,也降低了整体交易处理效率。
解决方案
开发团队借鉴了 estimateTxGasAndFee 函数的实现思路,在 getTransactionCost 函数中增加了对 gasPrice 参数的支持。这一改进使得:
- 开发者可以传入预先获取的 gas 价格,避免重复查询
- 减少了不必要的网络调用
- 提高了交易处理的整体性能
- 保持了向后兼容性(参数为可选)
技术实现细节
在实现上,这个优化主要涉及以下方面:
- 扩展
getTransactionCost函数的参数接口,增加可选的gasPrice字段 - 在函数内部逻辑中,优先使用传入的 gas 价格值
- 如果没有提供 gas 价格参数,则保持原有行为,自动获取当前网络 gas 价格
- 确保与现有代码的兼容性,不影响已有功能
实际应用场景
这个优化特别适合以下场景:
- 钱包应用中的交易批准流程
- 批量交易处理系统
- 需要频繁估算交易成本的 DApp
- 对交易处理速度有较高要求的应用
性能影响
通过减少一次 gas 价格的网络查询,这个优化可以:
- 降低约 50% 的 gas 价格查询开销
- 减少交易处理的总时间
- 降低网络请求失败的风险
- 提高在高负载网络环境下的稳定性
最佳实践
开发者在使用这个新特性时,可以考虑以下最佳实践:
- 在连续多个交易处理中,可以缓存 gas 价格并重复使用
- 对于时间敏感的交易,优先使用本地缓存的 gas 价格
- 定期刷新 gas 价格缓存,确保估算的准确性
- 在 UI 流程中,可以预先获取 gas 价格,提高用户体验
总结
FuelLabs/fuels-ts 项目对 getTransactionCost 函数的这一优化,体现了对开发者体验和系统性能的持续关注。通过允许传递 gasPrice 参数,不仅解决了重复查询的问题,也为更高效的交易处理流程奠定了基础。这一改进对于构建高性能的 Fuel 生态应用具有重要意义。
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-1.5暂无简介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
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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