首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Fabric进阶(二)—— 在已有组织中增加节点

Fabric进阶(二)—— 在已有组织中增加节点

作者头像
zhayujie
发布于 2020-04-29 01:30:00
发布于 2020-04-29 01:30:00
2.6K00
代码可运行
举报
文章被收录于专栏:ZYJ的技术专栏ZYJ的技术专栏
运行总次数:0
代码可运行

fabric网络在创建时就已经确定了初始的节点数量,而在实际应用场景中可能会需要在某个组织中动态增加节点。这里以balance-transfer v1.0为例(2 Org,4 Peer),介绍如何在org1中加入第3个peer节点。

一、追加新节点的身份信息

首先需要在组织org1的MSP目录中追加新节点的证书和私钥信息,主要是用到cryptogen工具(v1.1.0以上版本)

1.修改cryptogen.yaml文件(或者直接新建一个文件)中Template字段里的count参数,设置为需要该组织中存在的节点总数,可一次增加多个节点。

这里只在org1加入一个节点,所以cryptogen.yaml文件修改部分如下:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
PeerOrgs:
  - Name: Org1
    Domain: org1.example.com
    CA:
       Hostname: ca 
    Template:
      Count: 3
      SANS:
        - "localhost"
    Users:
      Count: 1

2.执行extend命令完成追加操作 在artifacts/channel目录下执行:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
./cryptogen extend --config=./cryptogen.yaml

注:--config参数应以实际情况下配置文件的名称及路径为准

二、编写新节点的docker-compose配置文件

接下来需要编写docker配置文件用于启动新节点,内容较为简单,只需要在已有节点的配置上稍作修改即可,注意避免容器端口的冲突。

这里我将新节点的配置文件命名为new-peer.yaml,放置于artifacts目录下,以下是文件内容:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
version: '2'

services:

  peer2.org1.example.com:
    container_name: peer2.org1.example.com
    extends:
      file:   base.yaml
      service: peer-base
    environment:
      - CORE_PEER_ID=peer2.org1.example.com
      - CORE_PEER_LOCALMSPID=Org1MSP
      - CORE_PEER_ADDRESS=peer2.org1.example.com:7051
    ports:
      - 7151:7051
      - 7153:7053
    volumes:
        - ./channel/crypto-config/peerOrganizations/org1.example.com/peers/peer2.org1.example.com/:/etc/hyperledger/crypto/peer

启动新节点容器,在配置文件所在目录下执行:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
docker-compose -f new-peer.yaml up -d

三、修改网络配置文件

网络配置文件network-config.json用于帮助应用程序获取网络节点的地址等信息,是app与节点通信的关键,所以需要在该配置文件中增加新节点的信息。 注:balance-transfer 1.1版本后已改为network-config.js文件。

在json文件的org1部分的peers字段后添加"peer3"的信息,注意ip和端口等信息需要与上述docker配置文件中保持一致,内容如下:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
"peer3": {
    "requests": "grpcs://localhost:7151",
    "events": "grpcs://localhost:7153",
    "server-hostname": "peer2.org1.example.com",
    "tls_cacerts": "../artifacts/channel/crypto-config/peerOrganizations/org1.example.com/peers/peer2.org1.example.com/tls/ca.crt"
}

四、将新节点加入通道

此时新增节点已经加入了区块链网络,但并没有加入某一个channel,所以是没有账本数据的。需要发送请求将其加入channel:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
curl -s -X POST \
    http://localhost:4000/channels/mychannel/peers \
    -H "authorization: Bearer $ORG1_TOKEN" \
    -H "content-type: application/json" \
    -d '{
    "peers": ["peer3"]
  }'

请求中,$ORG1_TOKEN是通过注册获取的org1的token值,"peer3"是在网络配置文件中设置的新节点的别名。

加入通道成功后,查看节点日志可以发现新节点开始从其他节点同步区块:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
docker logs peer2.org1.example.com

五、安装链码

加入channel后,peer3已经可以参与记账,但是不能指定该节点进行查询或交易,这时候需要发起请求安装chaincode:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
curl -s -X POST \
    http://localhost:$PORT/chaincodes \
    -H "authorization: Bearer $ORG1_TOKEN" \
    -H "content-type: application/json" \
    -d '{
    "peers": ["peer3"],
    "chaincodeName":"mycc",
    "chaincodePath":"github.com/example_cc",
    "chaincodeVersion":"v0"
  }'

安装成功后指定新节点进行查询或交易操作,会自动生成该节点的chaincode镜像,并启动容器运行chaincode。在已有组织中新加节点的操作到这里就全部完成了!

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018-08-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
Drug Discov Today综述|分子从头设计和生成模型
2021年6月,来自AI药物发现公司BenevolentAI的Joshua Meyers等人在Drug Discovery Today发表文章,对分子从头设计和生成模型方面的进展、挑战以及未来的机会进行了综述。
智药邦
2021/07/14
9730
Drug Discov Today综述|分子从头设计和生成模型
Nat.Mach.Intell.|Delete:基于深度学习的先导化合物优化模型
本文介绍一篇来自浙江大学潘培辰、侯廷军、康玉和谢昌谕团队联合香港科技大学黄湧联合发表的一篇论文。该研究提出一种基于深度学习的先导化合物优化模型Delete(Deep Lead Optimization Enveloped in Protein Pocket),结合生成式AI与基于结构的分子设计策略,首次实现linker设计、片段替换、骨架跃迁及侧链修饰等所有先导化合物优化子任务的全流程整合。研究团队将Delete应用于非小细胞肺癌全新致癌靶点CLIP1-LTK,成功设计出纳摩尔级活性分子(IC50=1.36nM),其选择性及抗肿瘤机制已通过体内外实验验证。这项工作代表了基于蛋白质结构的生成 AI 的成功实施,提出了一个高效的先导化合物优化模型 Delete,为分子设计和药物开发领域提供一种高效、精准且可靠的优化工具。
DrugOne
2025/02/21
2351
Nat.Mach.Intell.|Delete:基于深度学习的先导化合物优化模型
Nat. Commun. | 结合分子结构与生物活性的生成化学语言模型
本文介绍一项由苏黎世联邦理工学院化学与应用生物科学系和苏黎世大学儿童医院联合发表于Nature Communications的研究工作。作者开发了一个利用已知配体结构和生物活性信息的分子设计方法,在大量化合物结构中预训练了两个生成化学语言模型(CLM),通过微调将CLM生成的分子偏向于特定的化学空间。通过对生成分子及其衍生物的活性测试验证了模型的有效性。
DrugOne
2023/03/09
5200
Nat. Commun. | 结合分子结构与生物活性的生成化学语言模型
Chem. Sci. | SyntaLinker: 基于Transformer神经网络的片段连接生成器
今天给大家介绍的是生物岛实验室陈红明研究员的团队,联合中山大学药学院药物分子设计中心的徐峻教授,发表在英国皇家化学学会出版的化学核心期刊Chemical Science上的一篇论文。题为“SyntaLinker: Automatic Fragment Linking with Deep Conditional Transformer Neural Networks”。文章提出一种基于Transformer神经网络的片段连接生成器SyntaLinker。它通过学习现有化合物数据库中大量分子的隐含连接规则来建立生成模型,训练好的模型可根据给定的起始分子片段结构和自定义的连接段(Linker)约束条件,自动生成大量符合约束条件且结构多样的分子。
DrugOne
2021/02/01
1.1K0
J. Pharm. Anal. | 化学自然语言引导基于扩散的生成式类药分子编辑
扩散模型已成为分子设计与优化中的一种前沿范式。然而,大多数基于扩散的分子生成模型主要聚焦于2D图形或3D几何结构的建模,对分子序列扩散模型的研究相对较少。国际纯粹与应用化学联合会 (IUPAC) 命名系统与化学自然语言更为相似,而非有机化合物的SMILES编码。2024年11月2日发表在Journal of Pharmaceutical Analysis上的研究论文Diffusion-based generative drug-like molecular editing with chemical natural language提出了一种基于IUPAC名称引导的条件扩散模型DiffIUPAC,用于从化学自然语言到化学语言 (SMILES) 的分子编辑。该研究探索了扩散模型的预训练生成性能能否迁移至化学自然语言领域。研究人员开发的DiffIUPAC是一种可控的分子编辑扩散模型,能够将IUPAC名称转换为SMILES字符串。评估结果显示,DiffIUPAC模型在语义规则捕捉方面优于现有方法,成功掌握了两种化学语言的语义规则。为了展示该模型在药物设计中的潜在应用,还进行了官能团编辑、类似物设计和Linker设计的案例研究。
DrugOne
2024/11/23
1930
J. Pharm. Anal. | 化学自然语言引导基于扩散的生成式类药分子编辑
J Pharm Anal|化学自然语言引导基于扩散的生成式类药分子编辑
扩散模型已成为分子设计与优化中的一种前沿范式。然而,大多数基于扩散的分子生成模型主要聚焦于2D图形或3D几何结构的建模,对分子序列扩散模型的研究相对较少。国际纯粹与应用化学联合会 (IUPAC) 命名系统与化学自然语言更为相似,而非有机化合物的SMILES编码。
智药邦
2024/12/30
2380
J Pharm Anal|化学自然语言引导基于扩散的生成式类药分子编辑
JCIM|逆向药物设计:从目标性质到分子结构
2022年6月2日,来自美国国家转化科学促进中心的Hongmao Sun与Yuhong Wang等人在JCIM上发表文章,作者描述了一种新的策略,即逆向药物设计(RDD),从头开始设计新的小分子药物,满足多个预定义的目标。结果表明,RDD具有显著改善当前药物发现过程的潜力。
智药邦
2022/11/16
6620
JCIM|逆向药物设计:从目标性质到分子结构
Nat. Commun. | 引导等变扩散驱动的靶标感知三维分子生成
现有的分子生成模型在结构基础的药物设计中常常忽视结构合理性和药物样性质,因而生成不真实的三维分子。研究人员提出了 DiffGui,一种靶点条件的 E(3)-等变扩散模型,通过引入化学键扩散和性质引导来解决这些问题。原子扩散与化学键扩散的结合能够显式建模两者的相互依赖,从而同时生成原子和键。性质引导则在训练和采样过程中纳入结合亲和力与药物样性质。大量实验表明,DiffGui 在生成具有高结合亲和力、合理化学结构和理想性质的分子方面优于现有方法。消融实验进一步验证了化学键扩散和性质引导模块的重要性。DiffGui 在新药设计与先导化合物优化中均展现出卓越表现,并在实验室实验中获得验证。
DrugOne
2025/09/02
1660
Nat. Commun. | 引导等变扩散驱动的靶标感知三维分子生成
基因泰克团队:机器学习辅助分子生成前沿进展概述
随着药物化学领域的不断发展,机器学习(ML)技术逐渐成为加速早期药物发现的重要工具。ML利用药物化学家的经验和设计偏好,将分子生成和筛选步骤整合到一个单一架构中,显著提高了新药研发的效率。然而,由于化学空间的巨大搜索空间和不连续的优化函数,设计出让药物化学家满意的ML模型仍面临诸多挑战。
智药邦
2024/07/06
5880
基因泰克团队:机器学习辅助分子生成前沿进展概述
Nat. Comput. Sci. | Bruno Correia团队提出等变扩散模型DiffSBDD
今天为大家介绍的是来自瑞士洛桑联邦理工学院(EPFL),英国剑桥大学,美国康奈尔大学团队合作的一篇论文。基于结构的药物设计(Structure-based drug design,SBDD)旨在设计能够与预定蛋白质靶点高亲和力和高特异性结合的小分子配体。生成式SBDD方法利用药物与其蛋白质靶点的结构数据来提出新的药物候选物。然而,现有的大多数方法要么仅专注于从头设计化合物,要么采用特定任务模型解决其他药物开发挑战。后者需要对合适的数据集进行筛选整理,对模型进行精心设计,并且每个任务都需要重新训练。在此,作者展示了如何将单个预训练扩散模型应用于更广泛的问题,如现成的性质优化、显式负向设计和使用修复技术的部分分子设计。作者将SBDD构建为一个三维条件生成问题,并提出了DiffSBDD,这是一个基于蛋白质口袋生成新型配体的SE(3)-等变扩散模型。此外,作者还展示了如何使用额外的约束条件根据各种计算指标来改进生成的药物候选物。
DrugOne
2025/01/16
2270
Nat. Comput. Sci. | Bruno Correia团队提出等变扩散模型DiffSBDD
Nat. Commun. | 基于原子、键协同扩散和性质引导的3D分子生成模型
近日,华东师范大学药学院/人工智能新药创智中心李洪林教授团队在 Nature Communications 期刊发表论文 “Target-aware 3D molecular generation based on guided equivariant diffusion”,提出一种靶点感知的新型3D分子生成模型—— DiffGui。该模型通过原子与键协同扩散机制和多属性引导策略,显著提升了生成分子的结构合理性、结合亲和力与类药性质,在新药发现与先导化合物优化中展现出强大潜力。
DrugOne
2025/09/02
2550
Nat. Commun. | 基于原子、键协同扩散和性质引导的3D分子生成模型
Front. Chem.|LigBuilder V3:一种多目标的从头药物设计方法
今天给大家介绍的是北京大学来鲁华课题组在frontiers in Chemistry上发表的文章《LigBuilder V3: A Multi-Target de novo Drug Design Approach》。在文章中,作者提出了第一个从头多靶点药物设计程序LigBuilderV3,可用于设计靶向结合多个受体、一个受体的多个结合位点或一个受体的各种构象的配体。为了证明LigBuilderV3的实用性,作者使用LigBuilderV3,并用三种不同的策略,包括多目标从头设计,多目标增长,和多目标连接,设计了靶向HIV蛋白酶和HIV逆转录酶的双功能抑制剂。设计出的化合物经过MM/GBSA结合自由能估计被验证为计算上有效,有较高的作为HIV蛋白酶和HIV逆转录酶的多靶点药物的潜力。LigBuilderV3程序可以在“http://www.pkumdl.cn/ligbuilder3/”上下载。
智能生信
2021/09/10
1.1K0
Front. Chem.|LigBuilder V3:一种多目标的从头药物设计方法
四川大学刘祥根团队:通过自适应模拟退火算法进行靶点特异药物设计
靶向药物设计这一新兴领域引起了人们的广泛关注,其重点是识别对特定靶点具有高结合亲和力的化合物。然而,现有的针对特定靶点的深度生成模型面临着显著的挑战。一些模型严重依赖复杂的数据集和复杂的训练方法,而另一些模型忽视了药物设计中固有的多约束优化问题,导致生成的分子结构或化学性质不合理。
智药邦
2025/02/19
2610
四川大学刘祥根团队:通过自适应模拟退火算法进行靶点特异药物设计
JCIM丨DRlinker:深度强化学习优化片段连接设计
2022年11月20日,中山大学计算机学院杨跃东教授团队与广州国家实验室陈红明研究员团队在Journal of Chemical Information and Modeling期刊上发表论文DRlinker: Deep Reinforcement Learning for Optimization in Fragment Linking Design。论文提出了用于优化片段连接设计的模型DRlinker,其具有优秀的性能表现,在基于片段的药物设计中具有一定的优势和适用性。
智药邦
2023/02/14
7330
JCIM丨DRlinker:深度强化学习优化片段连接设计
Drug Discov Today | 基于对接的生成模型用于新药发现
2022年11月11日,波兰Jagiellonian大学的Tomasz Danel等人在Drug Discovery Today上发表综述Docking-based generative approaches in the search for new drug candidates。作者提出了基于对接的生成方法的新分类法,讨论了基于对接的生成模型的未来可能方向。
智药邦
2023/02/14
6720
Drug Discov Today | 基于对接的生成模型用于新药发现
JCIM|药物发现的超大型化合物数据集概述
2022年4月14日,美国国家癌症研究所 (NCI) 计算机辅助药物设计研究课题组的Wendy等人在JCIM杂志上发表综述,整理了当前用于药物研发的超大型数据库以及检索技术的情况。
智药邦
2022/06/08
1.5K0
JCIM|药物发现的超大型化合物数据集概述
Drug Discov Today|骨架跃迁策略在药物研发中的应用
2023年11月25日,印度国家药学教育与研究学院的Ayan Acharya等人在Drug Discovery Today发表文章,Molecular Medicinal Insights into Scaffold Hopping-Based Drug Discovery Success,介绍了如何通过骨架跃迁策略探索成药空间、发现潜在药物分子,并通过一系列具体案例进行了详细阐述。
智药邦
2024/03/05
1.1K0
Drug Discov Today|骨架跃迁策略在药物研发中的应用
Nat. Commun. | ClickGen: 一种基于模块化反应和强化学习对可合成化学空间定向探索的生成式AI模型
本文介绍一篇浙江大学药学院侯廷军教授、谢昌谕教授以及碳硅智慧联合于在‌《Nature Communications》上发表的分子生成新方法的论文。该论文提出了一种基于生成式AI的全新药物设计模型ClickGen,该模型能够利用模块化反应(如点击化学)组装分子,并结合强化学习和图像补全技术,确保生成的分子具备高度的多样性、新颖性、靶标高亲和性以及优秀的可合成性。此外,本文还针对ClickGen生成的多聚腺苷二磷酸-核糖聚合酶1(PARP1)配体分子进行了实验验证。由于该模型确保了生成分子的高合成性,并提供了合成路线参考,仅20天内便成功合成并测试了这些新化合物的体外生物活性。在生物活性实验中,两个先导化合物表现出对癌细胞株抗增殖效果、对正常细胞的低毒性,以及对PARP1酶的纳摩尔级抑制活性。该方法有望使得基于AI的自动化实验和分子设计的闭环更进一步。
DrugOne
2024/11/26
5690
Nat. Commun. | ClickGen: 一种基于模块化反应和强化学习对可合成化学空间定向探索的生成式AI模型
J Med Chem|静电互补在基于结构的药物设计中的应用
2022年5月5日,Astex Pharmaceuticals的科学家们在J Med Chem杂志上对静电势计算在药物设计中的应用进行了综述,并且利用6个具体的例子阐明了ESP计算对于基于结构的药物设计的改善和指导意义。还推荐了该公司研发的一款基于AI的快速ESP计算工具:GC-DNN,该工具在精度上可以媲美DFT方法计算的ESP结果。
智药邦
2022/11/16
1.7K0
J Med Chem|静电互补在基于结构的药物设计中的应用
J. Pharm. Anal. | 化学自然语言引导的扩散式类药分子编辑:DiffIUPAC的魔法之旅
亲爱的读者们,今天让我们一起踏上一段充满魔法与科学的旅程,探索化学自然语言与人工智能如何联手,开启药物发现的新篇章。想象一下,化学家们就像拥有了哈利·波特的魔法棒,可以用人类的语言直接“召唤”出全新的分子。这一切都要归功于一个名为 DiffIUPAC 的神奇模型。
DrugOne
2024/12/09
2190
J. Pharm. Anal. | 化学自然语言引导的扩散式类药分子编辑:DiffIUPAC的魔法之旅
推荐阅读
Drug Discov Today综述|分子从头设计和生成模型
9730
Nat.Mach.Intell.|Delete:基于深度学习的先导化合物优化模型
2351
Nat. Commun. | 结合分子结构与生物活性的生成化学语言模型
5200
Chem. Sci. | SyntaLinker: 基于Transformer神经网络的片段连接生成器
1.1K0
J. Pharm. Anal. | 化学自然语言引导基于扩散的生成式类药分子编辑
1930
J Pharm Anal|化学自然语言引导基于扩散的生成式类药分子编辑
2380
JCIM|逆向药物设计:从目标性质到分子结构
6620
Nat. Commun. | 引导等变扩散驱动的靶标感知三维分子生成
1660
基因泰克团队:机器学习辅助分子生成前沿进展概述
5880
Nat. Comput. Sci. | Bruno Correia团队提出等变扩散模型DiffSBDD
2270
Nat. Commun. | 基于原子、键协同扩散和性质引导的3D分子生成模型
2550
Front. Chem.|LigBuilder V3:一种多目标的从头药物设计方法
1.1K0
四川大学刘祥根团队:通过自适应模拟退火算法进行靶点特异药物设计
2610
JCIM丨DRlinker:深度强化学习优化片段连接设计
7330
Drug Discov Today | 基于对接的生成模型用于新药发现
6720
JCIM|药物发现的超大型化合物数据集概述
1.5K0
Drug Discov Today|骨架跃迁策略在药物研发中的应用
1.1K0
Nat. Commun. | ClickGen: 一种基于模块化反应和强化学习对可合成化学空间定向探索的生成式AI模型
5690
J Med Chem|静电互补在基于结构的药物设计中的应用
1.7K0
J. Pharm. Anal. | 化学自然语言引导的扩散式类药分子编辑:DiffIUPAC的魔法之旅
2190
相关推荐
Drug Discov Today综述|分子从头设计和生成模型
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档