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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00