Moonbeam Orbiters Program:为收集人参与 Moonbeam 和 Moonriver 提供新方式

一次实时数据链路丢数排查:从 MQTT 队列积压到 SQL 统计开销 本文通过一次实时数据链路压测,排查了从MQTT到ClickHouse的端到端数据丢失问题。核心方法是为每条消息添加序号,建立独立观察点(MQTT订阅端、Kafka消费者),结合转发服务阶段统计与线程栈分析,定位到下游处理速度不足源于Druid SQL合并统计的高开销。优化措施包括关闭SQL合并、扩容代理队列、增强生产侧失败处理,并验证15分钟内实现全链路对账一致,显著缓解积压与丢包。关键收获:数据可对账、明确各阶段“成功”定义、关注客户端队列状态。 阅读详情

Moonbeam 和 Moonriver 自成功上线后仍在继续蓬勃发展,而且各自都构建了活跃的收集人社群。为了促进网络的不断扩展,Moonbeam 基金会很高兴宣布为收集人生态系统引入新入口,鼓励继续丰富和多样化收集人池,并为新的参与者提供收集人经验的机会。

Moonbeam 基金会在 Web3 基金会和 Parity 推动的波卡和 Kusama 验证人计划成功运行的基础上对该计划进行建模。新推出的计划称为 Orbiters Program ,旨在维护网络的安全性和去中心化。随着收集人槽位需求量的增加, Orbiters Program 计划允许资源较少的收集人能够保持竞争力并继续参与收集人池。

在成功提交计划之后,参与的收集人将在固定的收集人槽位内轮换,实际上是多个收集人共同分享槽位。基于这个分享系统,参与者将享受结构化环境的稳定性,相比于标准的活跃收集人集,奖励会少一些。该计划旨在减轻收集人的压力并与更多社区的独立收集人共同分享奖励。

由于在等待下一轮次时,每个收集人的活跃区块产量将减少,参与者的奖励也会低于完整槽位的奖励。减少奖励数量的权衡是为了保持剩余活跃收集人的稳定性。这将有助于避免轮次之间的压力,担心撤销质押,现价购买 GLMR/MOVR 以维持在活跃收集人集中,等等。每个收集人将需要明确 Orbiters Program 计划提供的稳定性/奖励权衡是否适合他们。

收集人如何助力维护网络

收集人生产区块并支持区块在网络上的活跃度。他们向中继链上的共享验证人集提供区块以进行最终确认。收集人的角色与波卡和 Kusama 上的验证人类似,但是收集人节点将不用通过验证区块来促进网络的安全性。

收集人对于网络的活跃度、去中心化、抗审查力和安全性至关重要。本质上,收集人负责为基于波卡和 Kusama 中继链的验证人生成状态转换证明并在其运行的中继链和平行链内维持完整的节点。

该计划是支持 Moonbeam 项目和获取专业知识的机会,与此同时也能获得真正的网络奖励,如 Moonbeam 的 GLMR 以及 Moonriver 的 MOVR 。

Orbiter Program 运行原理

Orbiters Program计划将于2022年7月19日在Moonriver上启动。届时,由于对该计划的强烈需求,收集人池将增加至8个槽位。该计划的所有的细节可在Moonbeam资料库的Orbiter页面找到👇(上线 Moonbeam 的具体时间尚未确定)
https://docs.moonbeam.network/cn/node-operators/networks/collators/orbiter/

当计划启动后,Moonriver 和 Moonbeam 的收集人池将分别增加至8个槽位,由 Moonbeam 基金会提供支持。作为第一阶段的其中一部分,收集人将增加24个,每个槽位3个收集人,后续将根据需求逐步增加数量以维持良好的参与度。

目前该计划处于试验阶段,Moonbeam 基金会将评估结果进行适当调整。具体结束时间尚未确定,但是在整个试验期内试验可能结束或发生重大变化。鼓励参与者们在整个计划中提供反馈,并请注意此处所解释的概念可能会有所变化。

在试验阶段,计划运行原理如下如下所示:
预先设置的收集人数量将占据每个初始收集人槽位。具体数量可在官方资料库页面获取,但是根据网络的不同和需求的改变可能会有所不同。收集人将会均匀地分布在可用的 Orbiter 槽位中

每三个轮次将会进行一场轮换。轮换将根据固定顺序进行,在开始之前轮换每个在 Orbiter 槽位内的收集人

奖励会根据成功生成的区块数量,每一个轮次进行发放

收集人预计可以获得网络上可参考的收集人的 1/x 的奖励,其中x是分享槽位的收集人数量。和所有收集人奖励一样,奖励发放将根据性能、延迟和区块生产的频率而有所不同

入选者条件

被选中参与 Orbiter Program 计划的收集人需要完成以下条件:

  1. 提供初始绑定量。在 Moonriver 上为400个 MOVR,Moonbeam 上的绑定量尚未确定。这部分绑定量不会计算在质押奖励内。这是为了防止收集人的恶意操作,并根据情况有一定的惩罚
  2. 不管收集人目前是否在轮换期间处于活跃阶段,都需要持续运行收集人
  3. 如果要离开池子需要提前通知,这样新的收集人可以入选并进入轮换阶段。另外,重新进入池子可能有一个“冷静期”
  4. 根据同级别收集人的表现衡量,收集人需要保持良好的信誉。如果他们的信誉低于可接受的阈值,他们将从池子中移除并降级到 Moonbase Alpha 的等待名单的后面。候补名单中的新的 Orbiter 将占据其位置

未满足这些条件的收集人将暂时从 Orbiters Program 计划中移除一周的时间。如果持续未能满足这些条件的收集人将最终被移除 Orbiters Program 计划。

Orbiters 收集人的最低标准

现有的收集人将优先加入此计划的试验阶段。若成功, Orbiters Program 计划将适用于新的申请人。

Orbiters 以先到先得的方式,欢迎在 Moonbeam 收集人 Discord 频道的收集人前来参与。以下因素将会作为第一阶段的评估的标准:
作为 Moonbase Alpha、Moonriver 或 Moonbeam 的现存收集人

历史区块生产:没有生产间隙,能够满足 SLA

以之前的节点性能进行基准测试,通过在节点上运行命令来衡量

若计划进入第二阶段,新的申请人需满足以下标准:
作为基础设施供应商的过往性能表现,包含区块生产指标、升级时间表以及整体性能

Discord 等渠道的社群活跃度

节点位置去中心化

过去参与的治理

计划条件
Orbiter 需要满足以下条件方能参与:
由于计划特性,每个 Orbiter 皆需要通过身份认证且不能为特定限制国家的居民

Orbiter 无法以 Orbiter 的身份在同一个网络运行另外一个活跃收集人节点。然而,他们能够以 Orbiter 身份在 Moonriver 上运行并在 Moonbeam 上运行一个活跃收集人节点,反之亦然,只要不在同一个网络上以 Orbiter 身份运行两个节点即可

必须证明过去遵守规定的收集人指南

👉 规定的收集人指南:
https://docs.moonbeam.network/cn/node-operators/networks/collators/requirements/

如何申请
任何希望成为 Orbiter 的人皆需要填写以下申请表单并完成申请流程,同时需要满足条件。
https://docs.google.com/forms/d/13kz8HE67P_cFhhVNdTrClIEpIQLwuyvWM0JXDcoXjwY/viewform?edit_requested=true

收集人需要证明他们能够在迁移至 Moonriver 和 Moonbeam 之前在 Moonbase Alpha 上运行节点的能力。关于更多成为 Orbiter 所需的步骤,请查看官方资料库 Orbiter 页面的「申请和加入过程」部分:
https://docs.moonbeam.network/cn/node-operators/networks/collators/orbiter/

mall 电商项目完整部署---实战 mall 后端 SpringBoot,mall‑admin‑web 后台管理 Vue 前端,mall‑app‑sc 移动端 uni‑app 前端;修改数据库、redis、minio、logstash 地址,容器之间 link 别名:mysql 容器别名。🔔排坑:登录报跨域 / 接口报错,检查 prod.env.js 地址,确认 8080 后端服务正常运行。能打开页面,接口列表展示出来,后端部署完成。,所以打包的时候会自动构建镜像,很慢而且你暂时不需要。,容器数据持久化,删除容器数据不会丢失。 阅读详情

相关推荐

告别卡顿!在RK3588上优化Gstreamer推拉流与RKNN推理的完整Pipeline实战

本文详细介绍了在RK3588平台上优化Gstreamer推拉流与RKNN推理的全链路Pipeline实战。通过解码环节参数调优、RKNN线程管理、内存预分配策略以及编码输出优化,实现60FPS流畅处理与亚秒级延迟。特别针对实时视频分析场景,提供了从rtspsrc到appsink的毫秒级优化方案,助力开发者构建零卡顿的智能视觉系统。

weixin_30698527的博客 485

Moonbeam Orbiters Program:为收集人参与Moonbeam和Moonriver提供新方式

Moonbeam基金会在Web3基金会和Parity推动的波卡和Kusama验证人计划成功运行的基础上对该计划进行建模。新推出的计划称为Orbiters Program,旨在维护网络的安全性和去中心化。随着收集人槽位需求量的增加,Orbiters Program计划允许资源较少的收集人能够保持竞争力并继续参与收集人池。......

Moonbuilder的博客 560

张量积曲面:数学原理与Python实现

Suv∑i0m∑j0nPij⋅Bipu⋅BjqvSuvi0∑m​j0∑n​Pij​⋅Bip​u⋅Bjq​v其中PijP_{i,j}Pij​是控制点网格,BipuB_i^p(u)Bip​u和BjqvB_j^q(v)Bjq​v是基函数,分别沿uuu和vvv方向定义。

T20151470的博客 1159

Moonbeam Orbiters Program:为收集人参与Moonbeam和Moonriver提供新方式(更新版)

Moonbeam基金会在Web3基金会和Parity推动的波卡和Kusama验证人计划成功运行的基础上对该计划进行建模。新推出的计划称为Orbiters Program,旨在维护网络的安全性和去中心化。随着收集人槽位需求量的增加,Orbiters Program计划允许资源较少的收集人能够保持竞争力并继续参与收集人池。

Moonbuilder的博客 429

【IC】Redhawk-SC输入件配置

Redhawk sc

u011808788的博客 1777

Java 开发 修改【冒险岛 079 私服】完整学习流程

第 1-2 天:环境搭建 + 运行原版 079 服务端,能正常登录游戏;第 3-4 天:纯配置文件修改,掌握倍率、属性、怪物、道具的修改,改出第一个「百倍经验私服」;第 5-10 天:Java 代码基础修改,掌握 Player/Skill/Monster 核心类的修改,实现技能无冷却、一刀秒怪、升级满属性;第 11-20 天:Java 代码进阶修改,掌握业务逻辑修改,实现死亡不掉经验、自动捡物、装备强化无失败;第 21-30 天。

萧曳丶 3895

Flink 学习日志 03:自定义一个SourceFunction,完成对Redis中数据的读取

本文介绍了在Flink中自定义SourceFunction读取Redis数据的完整流程:通过Jedis客户端连接WSL2中的Redis服务,编写RedisSource实现循环读取所有Key-value并逐条输出,结合Thread.sleep()实现每秒一条的流式效果。关键步骤包括环境准备、添加Jedis依赖、配置IDEA运行时加载provided依赖,并注意生产环境中应避免使用阻塞的keys *,改用scan命令。最终实现动态读取、实时打印,验证了Flink与Redis的数据集成能力。

木木的学习笔记 425

AMG8833红外测温实战:在STM32F103上做个简易人体感应与温度报警器

本文详细介绍了如何在STM32F103上使用AMG8833红外测温传感器构建人体感应与温度报警系统。通过硬件连接方案、驱动代码开发、人体检测算法实现及报警系统设计,展示了如何利用8x8红外温度矩阵实现智能监测功能。文章包含实用的初始化流程、温度数据读取优化和低功耗策略,为创客项目提供完整解决方案。

weixin_33725239的博客 393

京东 Apache Doris 湖仓查询优化实践:从多引擎统一到百万级查询

京东基于 Apache Doris 构建统一湖仓查询引擎,支撑日均百万级查询与 PB 级数据扫描。深入解析 Presto、StarRocks 迁移、分区裁剪、Split 调度、向量化执行及 AI Agent 混合负载优化实践。

SelectDB 408

SAP S/4HANA Public Cloud 的 Development Tenant 深度解析

在传统的 SAP On-Premise 版本中,企业通常拥有完整的开发、测试、生产环境,开发人员可以直接访问 ABAP 代码,进行深度定制。然而,S/4HANA Public Cloud 采用了标准化的 SaaS 模型,不允许用户直接修改核心代码。因此,SAP 提供了一种新的开发方式,即 Development Tenant,允许企业在不破坏核心系统稳定性的前提下,实现个性化扩展。Development Tenant 主要用于 SAP S/4HANA Public Cloud 的扩展开发。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 849

【ComfyUI报错解决】K采样器 mat1和mat2形状不匹配错误分析与修复 mat1 and mat2 shapes cannot be multiplied (77x2048 and 4096x

如果你在 ComfyUI 里遇到K采样器报错:mat1 和 mat2 shapes cannot be multiplied确认大模型和 LoRA 是否是同一版本(SDXL vs SD1.5,不能混用)。如果用了双 CLIP 加载器,要确认加载的类型和选择的模型类型是否匹配。加载→ 类型选flux加载 SDXL 专用的 clip/t5 → 类型选sdxl避免不同版本模型和 LoRA 混搭,保持一致性。模型+LoRA+CLIP 类型必须保持同一版本,不然就会报错。

代码简单说 Vue、JAVA、PHP、Node.js 熟练运用,接口、架构、性能全搞定。 2409

Day3 - Flink 窗口与时间语义:从滚动窗口到迟到数据处理

水位线是一个特殊的时间戳,代表"小于这个时间戳的数据都已经到齐了比如水位线推进到 10:00:05,就告诉 Flink:10:00:05 之前的数据应该都到了,如果还有晚于这个时间到达但时间戳小于 10:00:05 的数据,就是"迟到数据"。窗口大小固定,窗口之间不重叠,数据只属于一个窗口。时间线: 0 10 20 30 40 50 60窗口1: [--------)窗口2: [--------)窗口3: [--------)窗口4: [--------)

YEEMOLY的博客 256

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

智能问诊的流程

本文介绍基于FastAPI构建的医疗多Agent系统MediAgent,通过症状分析、诊断推理与治疗建议等模块协同,实现从问诊到报告生成的完整工作流。系统采用前后端分离架构,结合MySQL、RabbitMQ与Docker实现工程化部署,支持异步化验结果接入。虽当前状态暂存于内存,但已具备可扩展性,未来可通过Redis持久化、消息队列联动及医疗安全机制完善,应用于慢病管理、辅助决策等场景,推动AI在医疗流程中的落地应用。

Joey 的工作空间~ 780

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

行业研究报告采购避坑指南:从需求拆解到机构选型的实操逻辑

先说结论:买行业研究报告这件事,坑不在“哪家便宜”,而在“你拿到的数据能不能回答你的问题”。作为一个经常帮企业做采购决策的顾问,我见过太多花了几万块买回一堆PDF却用不上的案例。这篇文章把采购流程拆成五步,每一步告诉你该看什么、该避什么,尽量帮你少交学费。

2601_96585642的博客 226

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

大数据与审计专业哪些证书企业比较认可?

大数据与审计专业选证书,首先要明确就业方向:是进入会计师事务所做财务审计,还是进入企业从事内部审计、风险控制,或向数据审计、信息系统审计发展。不同岗位看重的专业能力不同,证书的价值也应放在具体招聘要求中判断。面向2027年的求职与备考规划,值得重点考虑的有六类:初级会计专业技术资格、注册会计师、审计专业技术资格、CDA数据分析师、国际注册内部审计师和国际注册信息系统审计师。选择时,宜采用“财审基础+数据能力+岗位专长”的组合,而不是单纯追求持证数量。

YangYang9YangYan的博客 298

深入浅出聊聊 Linux 的 PageCache 与系统极致性能

本文深入浅出解析了 Linux PageCache 的核心机制,揭示其如何通过“延迟写、预读读”提升系统性能。以监控告警为切入点,阐明 free -h 中 buff/cache 并非真正占用,真正可用内存由 available 决定。结合 Kafka、Elasticsearch、MySQL 等实战场景,说明中间件如何依赖 PageCache 实现极致性能。强调不可手动清理缓存,并建议合理调优脏页参数,避免卡顿。最终指出:内存满≠危机,而是系统高效运行的体现。

小小默:进无止境 485

CentOS7-Elasticsearch8.15.3-Kibana8.15.3-安装部署笔记

Token 有效期只有 30 分钟,请保存好输出的 base64 字符串并尽快完成 Kibana 对接;本文整理自单机离线部署实践,适用于 CentOS 7 + Elasticsearch/Kibana 8.15.3 场景。只对新登录的会话生效,修改后需重新连接 SSH。结尾,其中包含 elastic 用户初始密码、HTTP 层证书等信息。等字段的集群 JSON 信息,即说明账号、HTTPS、证书均正常。安装成功后,终端会打印安全自动配置结果,以。按交互提示输入两次自定义密码。,保存后重启服务器生效。

遇见bug的博客 151

ubuntu安装hadoop系统

本文详细介绍了基于VMware克隆虚拟机搭建三节点Hadoop分布式集群的全过程:使用同一Ubuntu镜像克隆出master、worker1、worker2三台虚拟机,依次配置主机名、固定IP(如192.168.82.10/11/12)、SSH服务及免密登录,确保节点间网络互通。随后安装Java,下载配置Hadoop并分发至各节点,最终初始化启动集群,验证其存储与计算功能,实现高效的大数据环境部署。

qq_43592674的博客 344

Elasticsearch:稠密向量字段类型

dense_vector字段用于存储稠密向量,支持k近邻搜索(kNN),默认启用索引并使用余弦相似度。可接受浮点数数组或Base64编码字符串输入,支持自动量化(如int8、int4、bbq)以降低内存占用。通过index_options配置索引类型(如hnsw、bbq_disk),并可启用过采样与重新评分提升精度。向量默认不存储于_source中以节省空间,可通过fields或_source.exclude_vectors显式返回。支持bit向量及GPU加速索引,适用于高维向量场景。

Elastic 中国社区官方博客 291

Day2 - Flink DataStream API 与转换算子:从 Source 到 Sink

实现或@Override// 发射数据@Override// 使用用自定义逻辑聚合,比 sum/min/max 更灵活。// 求每个用户的总消费金额reduce 的输入和输出类型必须相同。Flink 会把满足条件的相邻算子合并成一个 Task,在同一个线程里执行,减少线程切换和网络开销。合并条件上下游并行度相同;分区策略是 Forward;没有被用户手动断开。

YEEMOLY的博客 164

【消息队列】ACK确认了什么:消息队列可靠投递的完整链路

本文剖析消息系统中ACK机制在生产者、Broker、消费者三段链路中的作用,指出即使三段确认均正确配置,系统仍只能提供“至少一次”可靠性。原因在于重试、崩溃、重平衡等场景会导致重复投递,而“恰好一次”需依赖业务侧幂等性保障。关键结论:ACK仅保证不丢,不重复需靠唯一键、去重表或状态机等业务设计实现。

2503_94545876的博客 699

kafka指定分区消费

【代码】kafka指定分区消费。

hy_208的博客 68

数据科学与大数据技术专业有哪些比较好考的证书?

如果目前还没有明确方向,建议先完成Python与SQL基础学习,再选择一张与目标岗位最接近的证书。不要为了增加简历条目,在同一阶段同时准备多个不同技术方向。以数据分析方向为例,可以参考2025版CDA证书大纲安排基础学习:先掌握业务数据结构、数据库应用和统计分析,再进入指标体系、看板和用户分析。具备一定项目经验后,再学习二级涉及的统计检验、模型评估及数据治理。2025版教材介绍强调了思维、技术和实践的结合,适合用于组织学习;2027年的具体考试范围、报名条件和安排,则应依据届时发布的信息制定计划。

YangYang9YangYan的博客 333

如何在用户认证系统中使用 ElasticSearch 提升

本文介绍了如何在一个典型的企业级应用——用户认证与权限管理系统内引入并运用 ElasticSearch 技术来提高查找效率并降低数据库负载压力。读者可以通过了解其基础架构原理、正确配置方式以及典型应用场景从而掌握该工具的基本用法。如果你正在寻找一种更灵活高效的检索方案用于自己的项目当中,请考虑从以下几个方面入手实践: 1. 确认是否有必要引入新的全文搜索引擎;2. 设计好适用于该项目的数据模型以及索引规则;3. 持续优化你的 DSL 查询语句并监控运行状态;

wuchangjian的专栏 180

Flink SQL 窗口表值函数实战:滚动、滑动、累计与会话窗口

在 Flink SQL 中,流数据是无限的,要统计“最近一段时间”的数据,就必须把无界流切分成一个个有界窗口。Flink 1.13 之后引入了窗口表值函数(Window TVF),把窗口本身当作一张表来使用,通过TABLE(...)语法把原表转换成带窗口信息的表,再配合GROUP BY完成聚合。相比早期的语义统一:窗口是一张表,可以像普通表一样查询、过滤、关联。结果可读:窗口表会自动带上window_end三个字段,方便直接输出。性能更好:底层基于窗口聚合算子优化,支持切片共享等机制。

2401_83857914的博客 366
上一篇: 音乐 NFT 为什么火了?Polkadot 或将成为发展音乐 NFT 的最佳选择
下一篇: 稀缺性之于Web3:如何成为去中心化世界的胜利者
OneBlock Community
博客等级 码龄7年 1371粉丝 246原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值