RabbitStream 简介：使用 Shyft gRPC 检测未确认（预处理）的 Solana 交易

介绍 RabbitStream：使用 Shyft gRPC 检测未确认（预处理）的 Solana 交易

通过 gRPC 过滤器，直接从 Shreds 流式传输预处理的 Solana 交易。

“速度在 Solana 上至关重要。” ⚡

无论你是构建狙击机器人、MEV 搜索器还是高频交易系统，你已经知道最快的数据来自 shreds。

这些原始 shreds 由验证器广播，甚至在执行发生之前 —— 让你可以无过滤地访问网络上的每笔交易。

🤯 但这里有个问题：原始 Shreds 简直是一场噩梦。

你可以获得网络上的每笔交易。未过滤。二进制编码。缺少执行元数据。并且你需要自定义解码逻辑才能理解这一切。

🐰 RabbitStream 解决了这个问题！

RabbitStream 以 shred 速度提供实时 Solana 交易数据，并具有 Yellowstone gRPC 过滤功能。非常适合 Solana 上的代币狙击、MEV 检测和高频交易。

什么是 RabbitStream？

RabbitStream = Shreds 的卓越速度 + 像 gRPC 一样易于使用

RabbitStream 直接从 Solana shreds 流式传输交易，但以你常用的相同结构化格式交付，例如 Yellowstone gRPC。

相同的过滤器。相同的订阅格式。仅仅快 30-100 毫秒 ⚡

通过 gRPC 过滤获取 shred 速度的数据。无需原始 shred 解析。

我们为什么构建它？

Solana 分阶段处理交易：

1. Shredding —— 验证器接收交易并广播 shreds
2. 执行 —— 交易运行，生成日志和元数据
3. Geyser —— 标准 gRPC 提取完全处理的数据

• 标准 gRPC 在 Geyser 阶段（最后一个）提取信息。你可以获得完整的数据，但需要等待更长的时间。
• 但是 RabbitStream 在 Shredding 阶段本身提取信息。你可以更快地获得数据，但没有执行日志和内部指令。

它有什么不同

• 使用你现有的代码 与 Yellowstone gRPC 相同的 SubscribeRequest 格式。按帐户、程序或交易类型过滤。切换端点并保留你的代码。
• 结构化交易 无需二进制解码。你可以获得签名、帐户密钥、指令和基本元数据，采用熟悉的格式。
• 快 30-100 毫秒 我们使用 Pump.fun 代币检测器对 RabbitStream 与标准 Yellowstone gRPC 进行了基准测试。在所有测试中都具有一致的速度优势。查看基准代码 →
• 直接来自 Leaders Shreds 直接来自多个地区的 Solana 验证器。没有中继延迟。

何时使用 RabbitStream？

在以下情况下使用 RabbitStream：

• 你正在狙击代币发行（Pump.fun、Raydium、Orca）
• 你正在检测 MEV 或套利机会
• 你需要尽可能快的交易警报

在以下情况下使用 gRPC：

• 你需要交易日志和内部指令
• 你需要执行结果和错误详情
• 数据完整性比速度更重要

快速开始

这是一个基本的 Pump.fun 代码：

import "dotenv/config";

import Client, {
  CommitmentLevel,
  SubscribeRequest,
  SubscribeRequestAccountsDataSlice,
} from "@triton-one/yellowstone-grpc";

const client = new Client(
  "https://rabbitstream.ams.shyft.to/",
  process.env.X_TOKEN,
  undefined
);

const req: SubscribeRequest = {
  accounts: {},
  slots: {},
  transactions: {
    pumpFun: {
      vote: false,
      failed: false,
      signature: undefined,
      accountInclude: ["6EF8rrecthR5Dkzon8Nwu78hRvfCKubJ14M5uBEwF6P"],
      accountExclude: [],
      accountRequired: [],
    },
  },
  transactionsStatus: {},
  entry: {},
  blocks: {},
  blocksMeta: {},
  accountsDataSlice: [] as SubscribeRequestAccountsDataSlice[],
  ping: undefined,
  commitment: CommitmentLevel.PROCESSED,
};

async function handleStream(client: Client, args: SubscribeRequest) {
  // Subscribe for events
  console.log(`Subscribing and starting stream...`);
  // 订阅事件
  console.log(`正在订阅并启动流...`);
  const stream = await client.subscribe();

  // Create `error` / `end` handler
  // 创建 `error` / `end` 处理程序
  const streamClosed = new Promise<void>((resolve, reject) => {
    stream.on("error", (error) => {
      console.log("ERROR", error);
      // 错误
      console.log("错误", error);
      reject(error);
      stream.end();
    });
    stream.on("end", () => {
      resolve();
    });
    stream.on("close", () => {
      resolve();
    });
  });

  // Handle updates
  // 处理更新
  stream.on("data", (data) => {
    console.log("Received data....");
    // 收到数据....
    console.log("收到数据....");
    console.dir(data, { depth: null });
  });

  // Send subscribe request
  // 发送订阅请求
  await new Promise<void>((resolve, reject) => {
    stream.write(args, (err: any) => {
      if (err === null || err === undefined) {
        resolve();
      } else {
        reject(err);
      }
    });
  }).catch((reason) => {
    console.error(reason);
    throw reason;
  });

  await streamClosed;
}

async function subscribeCommand(client: Client, args: SubscribeRequest) {
  while (true) {
    try {
      await handleStream(client, args);
    } catch (error) {
      console.error("Stream error, restarting in 1 second...", error);
      // 流错误，将在 1 秒后重新启动...
      console.error("流错误，将在 1 秒后重新启动...", error);
      await new Promise((resolve) => setTimeout(resolve, 1000));
    }
  }
}

subscribeCommand(client, req);

就是这样。与 Yellowstone 具有相同的过滤功能，只是更快！

🛠️正在寻找更多技术细节？

了解速度差异、响应结构或查看更多示例？

• 完整的 RabbitStream 文档 →
• RabbitStream 与 Yellowstone 比较 →
• 速度基准 →

👉立即试用 RabbitStream

(附注 — RabbitStream 🔴 已对所有 Shyft 用户开放)**

阅读文档 →

在 Rabbitstream 上了解更多 →

• 原文链接： blogs.shyft.to/introduci...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～