【压缩】Gigahorse 2.0上线

Gigahorse 2.0已发布：https://github.com/madMAx43v3r/chia-gigahorse/releases/tag/1.8.2.giga20

【此版本的新增内容】：

• Gigahorse 2.0 图：压缩级别 C11 至 C20
• C6 至 C9 的耕作性能提高 2 倍或更多
• 新的 ProofOfSpace 农场基准测试特定部分难度的最大农场规模（通过 --diff 设置）
• CUDA磁盘绘图模式通过-3（8G RAM足够K32使用）

• CUDA 绘图仪直接 IO 选项 -D 用于最终副本（本地和远程，默认禁用）

【限制】：

• 目前，新的 C11 至 C20 仅支持 CUDA 绘图仪
• 对新 C11 至 C20 的 OpenCL 农业支持将在稍后版本中提供
• CPU Farming 新格式仅支持 C11 至 C13
• 此时旧的 C1 到 C7 仍然更适合 CPU 耕种
• Node & Farmer & Harvester 需要同时更新

• 不支持 Bladebit 图

【注意】：

• 现在，部分难度对于最大农场规模很重要，具体取决于压缩级别。
• 使用 ProofOfSpace farm --diff 50000 作为单独农业的基准。
• chia_recompute_server 向后兼容旧客户端，但需要针对运行 giga20 的新客户端进行更新。

Gigahorse 2.0 压缩图

地块过滤器 256 的耕种能力是 512 的一半。Chia 预计将于 2024 年 6 月过渡到过滤器 256。

现在，部分难度对于最大农场规模非常重要，尤其是对于 C9、C15、C19 和 C20。

上图是部分难度 100 的情况。单人耕种大致相当于部分难度 50k (50000)。

如需帮助，请加入 Discord 寻求支持：https ://discord.gg/BswFhNkMzY

Chia Gigahorse节点/农民/收割机

在发布部分，您可以找到 Chia 区块链二进制文件，用于农场使用此存储库中提供的新绘图仪创建的压缩图。（链接：https://github.com/madMAx43v3r/chia-gigahorse/releases）

压缩的地块收割机和农民与官方Chia节点不兼容，它只能与Gigahorse节点配合使用。但是，可以使用官方 Chia 存储库中的钱包，而不是 Gigahorse 二进制钱包。

支持 NFT 和 OG 地块，以及单独耕种和矿池耕种（采用官方矿池协议）。还支持常规未压缩地块，因此您可以在重新绘制农场时使用 Gigahorse 版本。

开发费用如下：

• 使用 GPU 耕种压缩地块时为 3.125 %
• 使用 CPU 耕种压缩地块时为 1.562 %

• 对于常规未压缩图费用为0 % 

当您找到一个区块时，有可能将 0.25 XCH 农民奖励用作费用，这是一个随机过程。对于 CPU 耕作，平均为 8 个块中的 1 个；对于 GPU 耕作，平均为 4 个块中的 1 个。

当从区块中支付费用时，您将看到如下日志条目：

full_node: WARNING  Used farmer reward of block 2187769 as dev fee (3.125 % on average)

它将显示区块高度以及适用的平均费用，具体取决于证明是通过 CPU 还是 GPU 计算的。

矿池部分难度

当在矿池上耕作 NFT 地块时，建议将部分难度设置为 20 或更高，否则你的收割机将因计算完整证明而超载。

必须计算完整证明的机会大约是1 / (2 * difficulty)。计算完整证明的成本是质量查找成本的 8（对于 C6+）或 16（对于 C5 及更低版本）倍。

例如：

• 难度 20（C6+）：8 / 40 = 20 %计算开销
• 难度 100（C6+）：8 / 200 = 4 %计算开销

• 难度 1000（C6+）：8 / 2000 = 0.4 %计算开销

绘图重新加载间隔

建议将绘图重新加载间隔增加到至少 3600 秒config.yaml：

harvester:
  plots_refresh_parameter:
    interval_seconds: 3600

默认值 120 秒会导致大量绘图计数时 CPU 负载过高。

使用Linux

确保首先关闭任何其他实例：

chia stop all -d

或者如果您正在运行 Chia GUI，请关闭它。否则无法启动Gigahorse版本。

使用 Gigahorse 二进制文件与正常的 Chia 安装几乎相同：

cd chia-gigahorse-farmer
./chia.bin start farmer (full node + farmer + harvester)
./chia.bin start harvester (remote harvester)
./chia.bin show -s
./chia.bin farm summary
./chia.bin plotnft show
./chia.bin wallet show
./chia.bin stop all -d

请注意使用./chia.bin ...而不是 just chia ...，这是与 Gigahorse 用法的唯一区别。

或者，您可以. ./activate.sh使用chia-gigahorse-farmer命令chia ...而不是./chia.bin ....

使用Windows

确保先关闭所有正在运行的 Chia GUI，否则您无法启动 Gigahorse 版本。

要启动 farmer，双击start_farmer.cmd，chia-gigahorse-farmer这将打开一个终端，您可以在其中继续发出命令。仅打开终端而不启动任何可以使用的东西chia.cmd。停止一切你可以使用的东西stop_all.cmd。

一般用法与普通chia相同：

chia.exe start farmer (not: chia start farmer)
chia.exe start harvester (not: chia start harvester)
chia show -s
chia farm summary
chia plotnft show
chia wallet show
chia stop all -d

官方GUI + Gigahorse

您可以在终端中启动 Gigahorse 后启动官方 Chia GUI，但它需要是相同的版本。它仍然会抱怨版本不匹配，但是当基本版本（例如1.6.2）相同时它就可以工作。

当您关闭 GUI 时，一切都会停止，因此如果需要，您需要在终端中再次重新启动 Gigahorse。

安装

注意：无需重新同步区块链，Gigahorse 节点将重新使用您现有的数据库和配置。即使旧的 v1 DB 格式仍然有效。

Linux

sudo apt install libgomp1 ocl-icd-libopencl1
tar xf chia-gigahorse-farmer-*.tar.gz

Windows

只需将 chia-gigahorse-farmer-*.zip 解压到某处即可。

您可能还需要安装最新的 Microsoft Visual C++ Redistributable：https://aka.ms/vs/17/release/vc_redist.x64.exe

限制 GPU/RAM 使用

请参照：

• 如何限制 GPU 使用（https://github.com/madMAx43v3r/chia-gigahorse/blob/master/chiapos/README.md#limit-gpu-usage）

• 如何限制 RAM 使用（https://github.com/madMAx43v3r/chia-gigahorse/blob/master/chiapos/README.md#limit-ram-usage）

注意：更改环境变量时，需要重新启动 Chia 守护进程才能生效：./chia.bin stop all -d或chia.exe stop all -d

农场的 RAM / VRAM 要求

当混合不同的 K 大小和 C 级别时，仅适用最高的 RAM/VRAM 要求。

K33+

新款 C11 至 C20 的 K33+ 性能明显低于 K32。此外，较高的 K 大小从较高的部分难度中获益更多。

远程计算

可以将计算任务转移到另一台或多台机器上，以避免在每个收割机中安装 GPU 或强大的 CPU：

要使用远程计算功能：

• chia_recompute_server从正在进行计算的计算机（包含在版本中）开始。
• export CHIAPOS_RECOMPUTE_HOST=...在收割机上（替换...为计算机的IP地址或主机名，并确保通过Windowschia stop all -d或stop_all.cmd在Windows上重新启动）
• 在 Windows 上，您需要CHIAPOS_RECOMPUTE_HOST通过系统设置来设置变量。
• CHIAPOS_RECOMPUTE_HOST可以是重新计算服务器的列表，例如CHIAPOS_RECOMPUTE_HOST=192.168.0.11,192.168.0.12. 可以通过语法指定非标准端口HOST:PORT，例如localhost:12345. 多个服务器以容错方式进行负载平衡。
• CHIAPOS_RECOMPUTE_PORT可以设置为指定自定义默认端口chia_recompute_server（默认 = 11989）。

• 请chia_recompute_server --help参阅可用选项。

要使用远程计算代理：

• chia_recompute_proxy -n B -n C ...在机器上启动A。（B、C等正在运行chia_recompute_server）
• CHIAPOS_RECOMPUTE_HOST将收割机设置为机器A。
• chia_recompute_proxy可以在中央机器上运行，也可以在每个收割机本身上运行，在这种情况下A = localhost。

• 请chia_recompute_proxy --help参阅可用选项。

使用 时CHIAPOS_RECOMPUTE_HOST，不会使用本地 CPU 和 GPU，除非您运行本地chia_recompute_server并CHIAPOS_RECOMPUTE_HOST包含本地计算机。

基于CPU的计算服务器

对于基于 CPU 的计算，重要的是增加CHIAPOS_MAX_CORES收集器以在计算服务器上实现 CPU 的充分利用。因为CHIAPOS_MAX_CORES是从收割机重新计算服务器发出的最大并行请求，并且请求仅在单个 CPU 核心上处理。默认情况下CHIAPOS_MAX_CORES是收割机上的物理 CPU 核心数。

例如，如果您有一个具有 32 个 CPU 核心的计算服务器，则应将CHIAPOS_MAX_CORES收集器设置为 32。CHIAPOS_MAX_CORES所有收集器的总和应大于或等于所有计算服务器上 CPU 核心的总和。如果收割机数量较少（即 1-3 个），您应该设置CHIAPOS_MAX_CORES计算服务器上的 CPU 核心数。

已知的问题

• AMD GPU 在 Linux 中卡住，解决方法是：watch -n 0.1 sudo cat /sys/kernel/debug/dri/0/amdgpu_pm_info

最新版本已修复

不适用

Gigahorse GPU 绘图仪

您可以在cuda-plotter中找到 GPU 绘图仪二进制文件。

他们支持 Chia 和 MMX 绘图。

（链接：https://github.com/madMAx43v3r/chia-gigahorse/tree/master/cuda-plotter）

CPU绘图仪

您可以在cpu-plotter中找到 CPU 绘图仪二进制文件。

他们支持 Chia 和 MMX 绘图。

（链接：https://github.com/madMAx43v3r/chia-gigahorse/tree/master/cpu-plotter）

农业基准

要测试您可以在给定系统上耕种多少块土地，您可使用chiapos的ProofOfSpace中的工具。（Chiapos链接：https://github.com/madMAx43v3r/chia-gigahorse/tree/master/chiapos）

地块水槽

Plot Sink 是一个通过网络接收绘图并将其并行复制到多个 HDD 的工具。

您可以在plot-sink中找到二进制文件（链接：https://github.com/madMAx43v3r/chia-gigahorse/tree/master/plot-sink）

另请参阅开源存储库：https://github.com/madMAx43v3r/chia-plot-sink

Docker 的使用

Dockerfile 文件使用多个构建阶段来支持 3 种不同的应用程序：CPU-Only、AMD-GPU、NVIDIA-GPU。

每个映像都提供一个卷/data，您可以使用自己的卷或映射路径覆盖该卷，以自定义节点数据的存储位置。

容器的默认行为是查找/data现有的数据库/配置并使用它。否则，它将生成一个新的配置并从头开始同步节点。

您可以使用环境变量设置要运行的服务CHIA_SERVICES。

Docker 运行示例：

-e CHIA_SERVICES="harvester"
-e CHIA_SERVICES="node farmer-only"
-e CHIA_SERVICES="node farmer-only wallet"

Docker 撰写示例：

environment:
  - CHIA_SERVICES="harvester"

environment:
  - CHIA_SERVICES="node farmer-only"
  
environment:
  - CHIA_SERVICES="node farmer-only wallet"

仅 CPU

Docker 运行示例：

docker run --rm -it -v /path/to/.chia:/data chia-gigahorse

Docker 撰写示例：

version: '3'
services:
  node:
    image: chia-gigahorse
    restart: unless-stopped
    volumes:
      - /path/to/.chia:/data

AMD GPU

Docker 运行示例：

docker run --rm -it --device=/dev/kfd --device=/dev/dri --group-add video --group-add render -v /path/to/.chia:/data chia-gigahorse-amd

Docker 撰写示例：

version: '3'services:  node:    image: chia-gigahorse-amd    restart: unless-stopped    group_add:      - video      - render    devices:      - /dev/dri:/dev/dri      - /dev/kfd:/dev/kfd    volumes:      - /path/to/.chia:/data

注意：- render可能group_add需要删除，具体取决于您的系统。

NVIDIA GPU

Docker 运行示例：

docker run --rm -it --runtime=nvidia -v /path/to/.chia:/data chia-gigahorse-nvidia

Docker 撰写示例：

version: '3'
services:
  node:
    image: chia-gigahorse-nvidia
    restart: unless-stopped
    runtime: nvidia
    volumes:
      - /path/to/.chia:/data

注意：对于 nvidia，您还需要NVIDIA Container Toolkit在主机上安装，有关更多信息，请参阅：https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html#docker

END