Narwhal 项目启动与配置教程
2025-05-23 17:16:01作者:裘晴惠Vivianne
1. 项目目录结构及介绍
Narwhal 项目是一个基于 Rust 语言实现的 BFT(拜占庭容错)共识协议的项目。以下是项目的目录结构及其简要介绍:
narwhal/
├── .github/ # GitHub 工作流文件
├── assets/ # 资源文件,如图片等
├── benchmark/ # 性能测试脚本和配置
├── config/ # 配置文件示例
├── consensus/ # 共识算法相关的模块
├── crypto/ # 加密相关的模块
├── network/ # 网络通信相关的模块
├── node/ # 节点相关的模块
├── primary/ # 主节点相关的模块
├── store/ # 存储模块
├── worker/ # 工作节点相关的模块
├── .gitignore # Git 忽略文件
├── Cargo.toml # Rust 项目配置文件
├── LICENSE # Apache 2.0 许可证文件
├── README.md # 项目说明文件
└── ...
.github/:存放 GitHub Actions 工作流文件,用于自动化处理如代码审查、构建等操作。assets/:存放项目所需的资源文件。benchmark/:包含用于性能测试的 Python 脚本和配置文件。config/:包含项目的配置文件示例。consensus/:实现共识算法的核心模块。crypto/:包含加密相关的代码。network/:处理网络通信的部分。node/:与节点操作相关的代码。primary/:主节点相关的实现。store/:数据存储模块。worker/:工作节点相关的实现。.gitignore:指定 Git 忽略的文件和目录。Cargo.toml:Rust 项目的配置文件,包含项目依赖、构建脚本等。LICENSE:项目所使用的 Apache 2.0 许可证。README.md:项目的说明文档。
2. 项目的启动文件介绍
项目的启动主要通过 benchmark/ 目录中的 fabfile.py 文件进行。这个文件是使用 Python 编写的,并且使用了 Fabric 库来简化在多台机器上运行任务的过程。
启动项目的步骤一般如下:
- 克隆项目到本地:
git clone https://github.com/asonnino/narwhal.git - 进入
benchmark/目录,并安装 Python 依赖:cd narwhal/benchmark pip install -r requirements.txt - 使用 Fabric 运行本地测试:
fab local
fabfile.py 脚本会根据配置文件和参数设置,启动多个节点,并在本地机器上执行性能测试。
3. 项目的配置文件介绍
项目的配置主要通过 benchmark/ 目录下的 fabfile.py 文件中的配置变量进行。此外,在 config/ 目录下也有一些配置文件的示例,用于不同的测试场景。
以下是一些基本的配置选项:
Faults:指定容错的节点数量。Committee size:指定委员会的大小,即参与共识的节点数量。Worker(s) per node:每个节点上工作节点的数量。Input rate:输入的交易速率。Transaction size:交易的大小。Execution time:执行时间。Header size:区块头的尺寸。Max header delay:最大头部延迟。GC depth:垃圾回收的深度。Sync retry delay:同步重试的延迟时间。Sync retry nodes:同步重试的节点数量。batch size:批处理的大小。Max batch delay:批处理的最大延迟。
这些配置可以在 fabfile.py 文件中根据需要进行调整,以适应不同的测试需求。
登录后查看全文
热门项目推荐
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-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-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
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
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++
664
323
🎉 (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
1.21 K
659
React Native鸿蒙化仓库
JavaScript
265
326
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868