Rust-Bitcoin项目中的费用计算精度问题解析
2025-07-02 11:36:42作者:韦蓉瑛
在Rust-Bitcoin项目中,开发团队发现了一个关于交易费用计算的精度问题。这个问题源于项目内部使用的费用率单位与主流实现不一致,导致在某些边界情况下计算结果出现偏差。
问题背景
Rust-Bitcoin项目在处理交易费用时,使用"每千重量单位satoshis"(sat/kwu)作为基本单位,而主流实现则使用"每千虚拟字节satoshis"(sat/kvb)作为计算基准。由于1虚拟字节(vB)等于4重量单位(wu),这种单位差异在除法运算时导致了精度损失。
技术细节分析
在交易中,交易大小可以通过两种方式衡量:
- 虚拟字节(vB):实际用于计算费用的单位
- 重量单位(wu):用于衡量区块大小限制的单位
两者之间的换算关系为:1 vB = 4 wu。当使用重量单位作为费用计算基础时,由于需要进行除以4的操作,会引入精度损失。例如,当计算122虚拟字节的交易费用时:
主流实现的计算方式: 123 sat/kvb × 122 vb = 15.006 sats → 向上取整为16 sats
而Rust-Bitcoin当前实现可能得到15 sats的结果,出现了1 sat的偏差。
解决方案探讨
开发团队讨论了多种可能的解决方案:
- 保持现状:最简单的选择,但会与主流行为不一致
- 调整取整方式:将
from_sat_per_kvb改为向上取整,或提供ceil/floor两种方法 - 统一使用sat/kvb:将内部表示改为与主流一致的单位
- 使用浮点数表示:采用f64类型存储费用率,可以精确处理整数运算
- 分数表示法:类似主流实现正在考虑的实现方式
技术决策考量
经过深入讨论,团队更倾向于将内部表示改为sat/kvb,主要原因包括:
- 与主流行为保持一致
- 提供更高的计算精度
- 避免不必要的除法运算导致的精度损失
- 保持整数运算的简单性和效率
同时,团队也注意到主流实现未来可能会转向使用重量单位,因此设计方案时需要保持一定的灵活性。
实现建议
对于具体实现,建议:
- 修改
FeeRate内部表示使用sat/kvb - 添加全面的单元测试,特别是边界条件测试
- 考虑添加显式的取整方法(ceil/floor)
- 在文档中明确说明精度处理方式
这个问题虽然看似简单,但涉及到交易处理的核心逻辑,正确处理费用计算对于保证交易可靠性和网络兼容性至关重要。Rust-Bitcoin团队通过深入分析和讨论,找到了既保持精度又与主流行为兼容的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
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-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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
最新内容推荐
海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
214
234
暂无简介
Dart
661
152
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
React Native鸿蒙化仓库
JavaScript
251
320
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++
659
296
🎉 (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
1.18 K
646
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
217
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
20
仓颉编程语言开发者文档。
59
818