本文只求打脸，不构成任何投资建议。

1. 为什么稣不敢炒癌股？

• 没有可靠信息

上市公司的财报是可以做的，有的奇葩公司的秘书、高管，竟能跳出来说不保证财报准确……

参考：

这些股票你敢买吗？老总竟不能保证财报真实性

对财报内容“不保真”，上市公司高管成了“摆设”

• 没有先机

交易数据只有交易数据……这个后面再解释。

• 主力控盘

发布好消息后，涨了，就是利好所以涨。

发布好消息后，跌了，就是利好出尽所以跌。

韭菜们记性不一定不好……更可能是看不懂。

• 即使在一家上市公司，也未必能掌握自家股价的可能走向

稣在 300017 时，就遇到过很多次领导自己把握不准。

多年前首次听老板预估股价要到多少。后来真的到了，稣立刻卖掉，结果继续大涨好多倍……所以连老板自己也低估自家股价。为什么呢？因为风口、概念这个东西不是老板就能掌握的，很多时候是时代造就了老板。

而且高管一般希望大家买自家股票是亏的，因为如果赚了，怎么避嫌是不好处理的，外面的人说内幕消息要搞事怎么办？盈利是不是要上交？只有真正的高管们，才有权力内咳幕交易。普通职工想用丈母娘账号当韭菜也是可以的……

最后，炒自家容易感情用事。

2. 为什么稣敢炒柚子？

• 有可靠信息

区块链数据不可篡改性、公开性。

稣在这个领域工作，容易获得行业信息，甚至能参与一些造势活动。

• 交易数据不只交易数据

Dapp 立功了。举个最常见的菠菜游戏：水手和菠菜商的博弈。

一阵疯狂交易后，水手盈利——卖；菠菜商盈利——还是卖。反正都会卖，差别只是谁卖，所以价格就跌。

这里举的例只为说明其可分析性，实操需谨慎。

• 有先机

之前稣发现 2.5GHz CPU 在处理链上数据时，遇到大块是处理不过来的，会导致入库的块和线上头块的差距越来越大，引发运维事故。

但多次经验下来，发现大块里面如果是大量菠菜博弈，就能大概预测 7 天后的价格下跌，然后进入横盘。这时候就是买入点。

另外，行业内的研究人员也会有一些可以参考的成果，比如我司高材生有优秀毕业论文，多次准确预测价格走势。

3. 到底怎么炒？

如果您不在合适的位置，还是别炒。

本文只值 200 个柚子。如果您问：为什么稣不多下点注？稣哭着回答：因为穷。

实用参考

1. 云游戏的架构设计和技术实现

   https://blog.csdn.net/RA681t58CJxsgCkJ31/article/details/79226317

2. GamingAnywhere

   http://www.gaminganywhere.org

3. OBS Studio

   https://github.com/obsproject/obs-studio

服务器架构

• NVIDIA Grid 显卡

• Windows 8 - 10，最好别用 7。

• Sandbox 方案

一份授权 Windows 系统大约可以运行 40~50 个游戏实例。

音频

• 服务器上设置 48000Hz 采样率；

• 编码器采用 Opus，48000Hz，128kpbs

  1. 音频编码的延迟：需要一个 frame 才能编码，而等待一个 frame 需要时间。比如，48000Hz 的 samplerate 编码到 1024 samples/frame 的 AAC，一个 frame 需要的采集时间是 1000 * 1024 / 48000 = 21.3ms，这个只是采集的理论时间，应用程序的采集间隔还可能增大这个采集延迟，然后还有编码、传输、解码、播放延迟。

     Opus 的 frame size 默认是 960，相比 1024 的 AAC 理论上可以减少一点点延迟，1000 * 960 / 48000 = 20ms。

     Opus 的 frame size 还可以更小，比如 120，但不建议使用，因为 Windows 一次采集 480 samples，frame_size = 120 时，一次采集包含 4 frames，所以延迟和 frame_size = 480 其实是一样的。另外，live555 最小发送单位是 packet，而不是 frame，并且实现上 packet 要等待 960 samples 时长。

     128kpbs 的 Opus 音质几乎已经顶天了，人耳很难分辨，比 mp3 好太多了，网络上流行的高音质 mp3 都是 320kpbs 的。

  2. Opus 是开源并免费的，AAC 好的编解码器都是收费的。

流传输协议

• RTSP

• live555

  http://www.live555.com/

  UMU 之前用 live555 2017.07.18 版本时，发现它对 Opus 支持不好，需要改进，当前版本未测。

作者: UMU @ MEET.ONE 实验

最近三个月尝试各种方案把 EOSIO 链上交易数据同步到数据库中，踩了不少坑，现总结一下经验。

1. 使用 MongoDB 插件同步 transaction_traces 和 action_traces

原始需求是要链上交易数据，所以先是把 transaction_traces 和 action_traces 都同步。

踩坑：无奈地发现速度跟不上，服务器的时间成本比较高，只能舍弃。

2. 使用 MongoDB 插件同步 transaction_traces

研究插件代码，发现 action_traces 是从 transaction_traces 拆出来的，是重复的，所以把 action_traces 去掉，这次成功追上主网区块高度。

踩坑：transaction_traces 在查询 actions 时不太方便，因为 actions 是放到 transaction_traces 内部的一个数组，要查询具体一个 action 就得分两步走，先在 MongoDB 查询出某个 trx，然后再 actions 数组里遍历。数据库使用端的工程师觉得这样太麻烦，无奈继续放弃这到手的肥肉。

3. 使用 MongoDB 插件同步 action_traces

明确 action_traces 才是客户端想要的后，就只同步 action_traces。

踩坑：action_traces 条数比 transaction_traces 多了三倍以上，又出现追不上区块的问题……

4. 使用 MongoDB 插件同步 action_traces，但只要 transfer 数据

客户端最关心的是 transfer 数据，既然跟不上，就舍弃其它数据。

踩坑：舍弃的数据后期不好补。

5. 考虑 kafka_plugin

有人说 kafka_plugin 同步数据很快，可以追上主网区块。

踩坑：从 kafka_plugin 代码就能看出它没有处理 action_traces，如果还要去后端再拿出来处理，再插入到 MongoDB 里，那开发成本和服务器成本一样又上去了。

6. 从 2019 年的区块开始同步

从 35058781 块开始，插入数据库。之前的区块（1 - 35058780）处理后，仅插入数据量相对很小的 account_controls、accounts、pub_keys，其它数据量大的表不插入。

做这个尝试很重要，因为发现重要的线索：

• 大约在 2200 万块开始，nodeos 的处理速度下降很多，平均每块要 2-3ms，所以同步慢的原因在于跑 nodeos 的服务器的性能。

• 在 1 开始的早期区块阶段，同时插入 transaction_traces 和 action_traces，并不能看出比只插入 action_traces 慢，说明 MongoDB 端压力很小。

7. 结论

• 要追上主网区块高度，nodeos 机器性能要好，2.5GHz CPU 不够用。之前听闻 BOS 要求 BP 使用 4.0GHz 的 CPU，现在看起来也是有道理的……以性能成本换取时间。

• MongoDB 集群，按之前的文章《为 EOSIO MongoDB 插件搭建高可用集群》的配置，插入阶段毫无压力。

• 插件代码有些问题，需要优化，最明显的就是 queue_size 的设计不合理，打印处理时间太长的提示也不合理。

  • queue 函数是个模板，所有的 queue 都调用它，但 max_queue_size 和 queue_sleep_time 缺只有一份，这可能导致一个 queue 导致的 queue_sleep_time 加大，影响到其它 queue，即整体的休眠时间会无用地加大。

  • 打印处理时间没有按照 max_queue_size 变化，当 max_queue_size 设置大时，打印就很频繁，带来延迟。

• 建议：一定要注意成本问题！如果查询量不是很巨大，找点友商的数据源用用就好了，自己搭建的成本好高……但如果查询量太大，或者友商卖太贵，以上经验就是很好的参考了。

作者: UMU @ MEET.ONE 实验室

钉钉

1. 选择要接受通知的群，群设置 - 群机器人 - 添加机器人；

2. 复制 webhook URL，记为 webhook_url；

3. 发送通知的代码：

1

const fetch = require('node-fetch')

fetch(webhook_url, {
  method: 'POST',
  headers: {
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    "msgtype": "text",
    "text": {"content": text}
  })
}).then(function(res) {
  if (res.ok) {
    console.log('Dingtalk message sent!')
  } else {
   console.log('status = ' + res.status)
  }
})

Telegram

1. 添加 @BotFather，发送 /newbot 命令，随提示逐步建立一个机器人，得到这个机器人的 token，记为 bot_token。

2. 选择要接受通知的 Group 或 Channel，按以下任一方式取得 chat_id：

(1) 转发 Group 或 Channel 内的消息到 @getidsbot

(2) 通过 Web 版查看 Group 或 Channel 的 URL 中，p 参数 的值。

• 如果是 Group，chat_id 为把 g 前缀替换为负号的负整数。比如 p=g268787210，则 chat_id = '-268787210'

• 如果是 Channel，chatid 为 前部分，并把 c 前缀替换为 -100 的负整数。比如 p=c1383705039_968667419389618100，则 chat_id = '-1001383705039'

1. 发送通知的代码：

1
2
3
4

const TelegramBot = require('node-telegram-bot-api')
const bot = new TelegramBot(bot_token, {polling: false})

bot.sendMessage(chat_id, text)

作者: UMU @ MEET.ONE 实验室

常规入门流程

经典三步：

1. 了解区块链基本概念，了解 EOS 基本情况；

2. 看官方开发者文档；

3. 开始愉快地写代码。

但是，有个很大的问题：开发语言居然是 C++！所以，鼓励师出场了……

这不是 C++，这不是 C++，这真是不是 C++

不信？我们就来试一试：

1
2
3

error: cannot use 'try' with exceptions disabled
        try {
        ^

智能合约的编译目标是 WASM 文件，最终要在 WASM 的 VM 里运行，比如 wabt，这和常规情况下使用原生 C++ 开发可执行程序、静态库、动态库等，有很大不同。

受限部分包括：

• 语言特性。比如上面举例的 try。

• 可调用外部函数。比如 CRT 的 rand 函数，再比如您想用 socket 自由通信……没门。

• 内存访问。这个比较难解释，后面再说。

如果您学过 Golang、Python、nodejs、Java 或其它相近语言，转到智能合约开发，可以说是轻而易举。理由如下：

1. 智能合约关注业务逻辑，和大部分脚本语言类似。

2. 智能合约有很强的约束范围，API 很有限，不会要求记忆大量知识。举个例子，它可以使用 boost，但也只是子集，无法使用完全的 boost。

3. 智能合约有很强的套路，代码是满满的既定格式。熟悉 Hello world，会用基本的命令行工具进行测试，最多只需要 2 天，就会发出“原来这么简单”的感叹。

【高级话题】关于 WASM

多语言支持

如果您学过 Golang、Rust 可能会注意到，它们可以编译成 WASM 文件。比如 Golang 的编译命令为：

1

GOOS=js GOARCH=wasm go build -o hello.wasm

但是找个 Hello world 编译一下，您可能会哭，产生的 WASM 文件有 2.3MB，就获得一个打印信息……（EOS 基本概念：RAM 挺贵的。）

虽然现状是 C++ 一枝独秀，但未来可能会有人开发专门的编译器支持 Golang、Rust 等语言开发 EOS 智能合约。

WASM 逆向

VSCode 安装插件后可以直接打开 WASM 文件，显示 WAST 代码，比如我们随便打开一个 hello.wasm，滚动到末尾，可能会看到以下两行：

1

(data (i32.const 8192) "read\00")
(data (i32.const 8197) "get\00malloc_from_freed was designed to only be called after _heap was completely allocated\00"))

下面我们写个 C++ 代码：

1
2

const char* p = reinterpret_cast<const char*>(8192);
eosio::print(p);

以上代码，打印出 read。如果把 8192 改为 8197，则打印 get；改为 8201，打印 malloc_from_freed was designed to only be called after _heap was completely allocated。

这个例子可能吓倒大家，特别交代下，一般开发中，较难遇到逆向……只是想说明 WASM 的内存管理和常规 C++ 开发的可执行程序是不同的，后者把指针指向 8192，是 Process Working Set 的地址，通常来说去读这么低的地址，后果极可能是读异常，挂掉。

划重点：虽然你用 C++ 写代码，但编译后是 WASM 二进制编码，运行时使用 VM，受控性很强，降低了开发难度，也杜绝很多安全问题。

性能问题

为了讨好 Python 程序员，下面用 Python 来写个开平方运算，有这样的：

1
2
3

import math

print(math.sqrt(2.0))

也有这样的：

1
2
3

import numpy

print(numpy.sqrt(2.0))

他们有个共同点——很快……相对 C++ 写的！！有点难以理解？

Python 的 sqrt 函数，其实都是用 C 语言实现的，最终都是调用解释器里的本地代码，速度很快。

原生 C++ 写的本地程序，几乎肯定是比 Python 快的，但我们前面说过：智能合约的 C++ 不是常规的 C++，当它被编译成 WASM 后，我们去看 WAST 代码，会发现 sqrt 的实现整个被塞进 WASM 里，它最终要用 VM 来执行，当然没有 Python 解释器快了！

设计原则

打开任意 WASM 文件，可以看到里面很多 (import 开头的行，这些都是原生 C++ 实现的 API，它们的执行速度就是本地代码的速度，对应官网 API 文档里的 API。

有前面的性能问题，我们不禁要问 EOS 为什么不多做点 API 来提高性能？这是因为维护少量 API 代价比较可控，数量一多就有版本问题，各节点可能因为版本不同步而无法达成共识。

另外，目前的 wabt 功能强大，性能也过得去，对于 sqrt 此类可能并不常用的数学函数，即使用原生 C++ 实现了，性能提升带来的好处，也无法平衡多版本可能带来的风险。

原则上，BP 之间快速达成共识，提升 TPS 才是更值得做的。

作者: UMU @ MEET.ONE 实验室

总结同步主网数据到 MongoDB 时的常用操作，大部分以 transaction_traces 表为例。

1. nodeos 配置优化

1
2
3
4
5

read-mode = read-only
validation-mode = light

mongodb-queue-size = 2048
abi-serializer-max-time-ms = 15000

2. 首次启动 nodeos

从 https://eosnode.tools/blocks 下载最新 blocks data，以减少网络同步时间。

首次启动，应使用 --replay-blockchain 参数。

3. 守护 nodeos 进程

目前 nodeos 1.5+ 版本如果优雅退出，下次启动可以无需痛苦的 replay 过程，所以可以监控 nodeos 进程，如果退出就调用。

启动脚本 /home/ubuntu/shell/continue.sh：

1

nohup /usr/local/eosio/bin/nodeos --config-dir /home/ubuntu/nodeos/config-dir --data-dir /home/ubuntu/nodeos/data-dir > /home/ubuntu/shell/`date +%Y-%m-%d_%H-%M`.log 2>&1 &

守护脚本 /home/ubuntu/shell/autorun.sh：

1

ps -C nodeos || /home/ubuntu/shell/continue.sh

添加到计划任务，运行 sudo crontab -e，输入下行并保存、退出：

1

* * * * * /home/ubuntu/shell/autorun.sh

4. 读写用户分离

nodeos 需要写入，使用有写入权限的 EOS 用户，其余情况使用只读权限的 EOSReader 用户，数据库安装之后就尽量不使用管理员用户。

1
2
3

use EOS
db.createUser({"user" : "EOS", "pwd" : "Password", "roles" : [{role : "readWrite", "db" : "EOS"},"dbOwner"]});
db.createUser({"user" : "EOSReader", "pwd" : "password", "roles" : [{role : "read", "db" : "EOS"}]});

5. 查询同步进度

1
2

use EOS
db.transaction_traces.find({}, {"block_num" : 1, "block_time" : 1}, -1).sort({$natural:-1}).pretty()

6. 修复丢失数据

参考《EOSIO MongoDB 插件系列：从 log 中找回丢》

作者: UMU @ MEET.ONE 实验室

问题

当 MongoDB 因不可抗力故障，nodeos 重启后会丢失上次故障时正在插入的记录。

解决

nodeos 会将插入语句连同错误原因等信息一起写入 log，这给了我们手动修复丢失的机会。下面以 transaction_traces 为例，介绍修复流程。

1. 找出所有失败记录

1

grep 'mongo exception, trans_traces insert:' *.log > lost.txt

2. 从 log 生成 mongo script

1
2
3
4
5
6

echo 'print("++++");
var eos = db.getSiblingDB("EOS");' > lost.js

cat lost.txt | sed -n 's/.*, trans_traces insert: \(.*\), line 920, code.*/eos.transaction_traces.insert(\1)/p' >> lost.js

echo 'print("----");' >> lost.js

3. 导入 MongoDB

1

nohup mongo mongodb://$user:$password@127.0.0.1:$port/admin lost.js > lost.log

作者: UMU @ MEET.ONE 实验室

问题

2018 年最后一个工作日，智能合约开发小哥哥遇到一个奇怪的现象：某个账号给我们合约转账，在 EOS 浏览器上都可以找到记录，但用 cleos get table 在合约的 RAM 里找却找不到！

解决

观测

了解具体情况后，注意到两个事实：

1. 只有某个特定账号有问题，其它账号很正常。

2. 那个有问题的账号是纯数字的。

这是 EOS 账号解析的问题，UMU 曾经给 EOS 提过一个相关的 issue：get_table_by_scope parameter lower_bound is NOT properly converted, cause enumeration dead loop #5824，里面有问题产生原因和解决方案。

原因

eosio::name 本质是一个 uint64_t 数字的 base32 编码，编码形式是为了方便人类记忆。举个例子：

shengxiaokai 本质上是 14075216089888066784 (0xc3553675c6a40ce0)

cleos get table 在解析账号时，兼容了这两种表达形式，所以 14075216089888066784 和 shengxiaokai 是等价的。

但本身是纯数字的账号可就有歧义了，比如 313131313131 是当成一个 uint64_t 解释，还是当成 base32？很不巧，解析代码是优先当成 uint64_t 解释的。

解决方案

给纯数字 EOS 账号加上个空格后缀，比如 111122223333 可以改为 "111122223333 "。

作者: UMU @ MEET.ONE 实验室

问题

很多 EOS 浏览器都只能显示别人给我抵押了多少 EOS，但不能看到是哪个账号帮我抵押的。

分析

1. 看抵押的实现代码

从 eosio.contracts/eosio.system/src/delegate_bandwidth.cpp 的 delegatebw 函数开始分析。

它调用了 changebw，其中的查表操作是这样的：

1
2

del_bandwidth_table     del_tbl( _self, from.value );
auto itr = del_tbl.find( receiver.value );

scope 是 from，而 from 就是要求的未知项，直接粉碎我们用这路线继续求解的可能。

2. 找交易记录

MEET.ONE 之前发布过几篇关于 MongoDB 插件的文章，这些积累为我们继续求解提供了很大便利。

直接在 Mongo Shell 里尝试：

1
2

use EOS
db.transaction_traces.findOne({"action_traces.act.account" : "eosio", "action_traces.act.name" : "delegatebw", "action_traces.act.data.receiver" : "shengxiaokai"})

执行之后，找到一条 trx_id 为 9bd50c0fd6f0e1d0ed4c6f5c6f873a33976955ff9dae2ac3eb16cb7e9a44d106 的交易记录，显示 1freeaccount 为 shengxiaokai 抵押：

1
2
3
4
5
6
7

{
    "from" : "1freeaccount",
    "receiver" : "shengxiaokai",
    "stake_net_quantity" : "0.0000 EOS",
    "stake_cpu_quantity" : "0.5000 EOS",
    "transfer" : 0
}

作者: UMU @ MEET.ONE 实验室

问题

在 eosio.contracts/eosio.system/src/producer_pay.cpp 中有这样一行代码：

1

const double   continuous_rate       = 0.04879;          // 5% annual rate

搜索一下，会得到这样的解释：

EOS是连续增发的模式，连续通胀率是 4.879%，年度通胀是 5%；

运用微积分的知识，可以推导出来，假设是增发的次数是无限多次，那么，连续通胀的情景下，所设置的连续通胀率就是 4.879%。

然而，并没有解释具体算法……

求解

• 假设通胀率是“每日结算”的，记为 daily_rate，则：

1
2
3

(1 + daily_rate / 365) ^ 365 = 1 + annual_rate

注：这里的 ^ 表示幂，不是 XOR 运算。

那么计算 daily_rate 的公式为：

1
2
3

[365TH_ROOT(1 + annual_rate) - 1] * 365

注：365TH_ROOT 是开 365 次方

把 5% 带入，计算结果是：0.048793425246406，这个数值已经和 0.04879 基本一样了。

• 但是“每日结算”并不够，接下来推到时时刻刻都在结算的情况。

问题本质：已知 annual_rate、(1 + continuous_rate / N) ^ N = 1 + annual_rate，求 continuous_rate 在 N 为无穷大时的解。

复习一下大学数学，马上就会发现 lim N->∞ (1 + x / N) ^ N 就是 e ^ x 的定义，所以：

1

continuous_rate = ln(1 + annual_rate)

把 5% 代入 annual_rate，continuous_rate = 0.048790164169432

参考

#1537 DAWN-651 ⁃ setting correct per-block “continuous inflation” so annual inflation is 5%