Substrate 开源项目安装与使用指南
一、项目目录结构及介绍
Substrate 是一个由 Parity Technologies 开发的区块链框架,旨在简化自定义区块链的创建过程。以下是其主要目录结构概述,以及各部分核心功能简介:
substrate/
├── benchmarks # 性能基准测试相关文件
├── bench-runtime # 运行时性能测试
├── client # 区块链客户端实现,包括网络通信、共识算法等
│ ├── service # 主要的服务实现
├── common # 共享库和工具函数
├── node-template # 节点模板项目,快速启动自定义节点的基础
├── runtime # 区块链运行时逻辑,包含了合约执行环境
│ └── src # 运行时具体代码
├── scripts # 启动和部署脚本
├── tests # 单元测试和集成测试
├── tools # 开发辅助工具
├── wasm # WebAssembly 相关编译产物
└── workspace # 工作区配置,管理多个子项目
关键组件说明:
node-template: 提供了一个快速入门的节点模板,是开发自定义区块链的良好起点。runtime: 区块链的核心逻辑所在,定义了状态转换函数、事件和API。client: 实现与区块链交互的关键部分,如网络协议、共识机制(如Grandpa、BABE)。
二、项目的启动文件介绍
在 Substrate 中,节点的主要启动入口位于 substrate/node-template/runtime 旁的 bin/node-runner.rs 或者通过更高层次的工作空间配置直接使用 substrate-node. 实际操作中,通常通过脚本或者直接调用 cargo run --release 来启动节点,而具体的启动配置则依赖于命令行参数或配置文件。
启动一个基本的 Substrate 节点示例命令大致如下:
cargo run --release -- --dev --tmp
此命令使用了默认的开发模式 (--dev) 和临时数据目录 (--tmp)。
三、项目的配置文件介绍
Substrate 配置主要是通过 TOML 格式的配置文件来完成的。虽然启动命令提供了灵活的选项,但对于更复杂的配置需求,会修改或直接指定配置文件,一般位于 .config 文件夹内或根据应用定制的位置。
chain_spec.rs
在 substrate-node-template 中,虽然不是传统的配置文件,但 chain_spec.rs 定义了不同链条的规格,这间接影响了节点的启动配置,比如链ID、初始账户设置等。
runtime.toml (可选)
对于运行时配置,尽管不是所有项目都直接提供这个文件,但是可以依据需求创建。它允许对运行时行为进行微调,例如调整交易费用、时代长度等。
自定义配置文件
开发者可以根据自己的需要,在项目中添加自定义的配置文件,常见的做法是定义结构体以解析TOML或JSON配置,并在节点启动时读取这些配置。
记得在使用配置文件时,确保正确引导 Rust 程序读取并应用这些配置,通常这涉及到在主程序中加载并解析文件内容。
此文档仅为简要介绍,实际深入学习Substrate时,建议详细阅读官方文档和参与社区讨论,以便获得最新和最全面的信息。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0119- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00