Narwhal 项目启动与配置教程
2025-05-23 03:31:08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
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 StartedRust0152- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
732
4.75 K
Ascend Extension for PyTorch
Python
614
793
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++
1 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
393
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude 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 Started
Rust
1.17 K
151
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
402
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.67 K
987