本指南介绍哪些机器用 seine 挖 Blocknet 最快、你的内存能支持多少个线程,以及能达到多少算力,帮助你挑选硬件,或评估手上已有的电脑。
挖 Blocknet 用什么硬件最好?
最适合挖 Blocknet 的硬件,要同时具备高内存带宽和足够的内存(每个线程 2 GB)。在 seine 的实测中,AMD EPYC Zen 5 服务器以 32 个线程、49.4 H/s 领先,其次是 AMD EPYC Zen 4 和 Apple M4 Max。NVIDIA 显卡的算力还可以叠加在此之上。
Blocknet 的工作量证明是 Argon2id,每次哈希使用一块 2 GiB 的内存。这让它成为内存密集型算法:算力既取决于核心数,也同样取决于内存带宽和延迟,以及内存中能同时容纳多少个 2 GiB 内存块。下表中排名靠前的机器,共同点就是强大的内存系统。
各代硬件的最佳实测算力
以下是 seine 在各代硬件上实测的最佳结果。最后一列是挖矿线程的内存块所占用的内存:线程数 × 2 GiB。
| 硬件 | 具体芯片 | 线程数 | 算力 | 挖矿内存 |
|---|---|---|---|---|
| AMD EPYC · Zen 5 | EPYC 9R45 服务器 | 32 | 49.4 H/s | 64 GiB |
| AMD EPYC · Zen 4 | EPYC 9R14 服务器 | 24 | 35.7 H/s | 48 GiB |
| Apple M4 Max | 48 GB MacBook Pro | 16 | 30.9 H/s | 32 GiB |
| Arm 服务器 | AWS Graviton4 | 16 | 21.5 H/s | 32 GiB |
| Intel Xeon | Sapphire Rapids 8488C | 12 | 13.1 H/s | 24 GiB |
服务器结果是在启用 2 MiB 大页的 AWS 云服务器上测得的,M4 Max 结果来自一台 48 GB 的 MacBook Pro。每个数字都是完成的哈希数除以实际耗时,取多次运行的平均值,测试时间为 2026 年 7 月至 10 月。Zen 5 结果是 seine v0.2.22 在 AWS m8a.8xlarge 上四次运行的平均值,该机器配备 32 核 EPYC 9R45 和 128 GiB 内存。
所有已测处理器的结果及每一行的测试依据,见性能页面。
为什么内存带宽决定你的算力
每次 Argon2id 哈希都会把整块 2 GiB 内存写满一遍,并在此过程中读回之前写入的部分。处理器的 L3 缓存以兆字节计:在这台 Zen 5 服务器上,每组八个核心共享 32 MiB,因此一次哈希要处理的内存是这块缓存的 64 倍。大部分工作都是内存读写。
数据也说明了这一点。在 49.4 H/s 时,这台 Zen 5 服务器每秒写入约 99 GiB 的新内存块(49.4 × 2 GiB)。算力会随线程数增加而上升,直到内存系统满载:在这台机器上,16 个线程挖到 37.8 H/s,32 个线程挖到 49.4 H/s。seine 会在你的机器上测出这条曲线,并选定最佳线程数。
由此可以得出挑选硬件的三点:
- 内存带宽与核心数同样重要。 比较机器时,要像看重核心数一样看重内存系统。
- 内存决定线程上限。 每个线程都需要自己的 2 GiB 内存块,所以往往是内存先于核心数限制了线程数。
- 同一颗芯片上,计算内核也很关键。 seine 为每个处理器系列提供多种 Argon2id 计算内核。在 EPYC 9R45 上,流式内核比 AVX2 快 30%(24 线程时从 34.47 提升到 44.74 H/s)。在 AWS Graviton4 上,带预取的 SHA3 内核比普通 NEON 快 56%(从 13.80 提升到 21.50 H/s)。seine 会在挖矿过程中选出更快的那个。
每个挖矿线程需要多少内存?
每个挖矿线程约需 2 GB 内存,因为每次哈希都要写满属于它自己的一块 2 GiB 内存。用你的内存容量除以二,就是最多能放下的线程数,再为操作系统减去一点。seine 会替你算好,并预留 5% 的内存。
下面是常见内存容量的计算。“理论值”是内存 ÷ 2 GiB。最后一列减去了 seine 预留的 5% 和操作系统占用的约 2-3 GB,仅供粗略参考。4-12 GB 内存的笔记本电脑和旧电脑,请参阅用旧电脑或笔记本电脑挖矿。
| 内存 | 理论内存块数 | seine 大约能运行的线程数 |
|---|---|---|
| 16 GB | 8 | 6 |
| 32 GB | 16 | 14 |
| 64 GB | 32 | 29 |
| 128 GB | 64 | 59 |
seine 还会把线程数限制在处理器的逻辑核心数以内,所以实际上限取决于哪一项先用完。以一颗 16 核、32 个硬件线程的台式机处理器为例:配 32 GB 内存时约运行 14 个挖矿线程,配 64 GB 时约 29 个。要运行 32 个线程,光内存块就需要 64 GiB,还要留出余量,这就是 32 线程的 Zen 5 结果来自一台 128 GiB 机器的原因。
如果你要为挖矿购买内存,请按想要的线程数来配:每个线程约 2 GB,再为系统加上几 GB。
可以同时用 CPU 和 NVIDIA 显卡挖 Blocknet 吗?
可以。在 Windows 和 Linux 上,seine 会同时使用每个 CPU 核心和检测到的每张 NVIDIA 显卡挖矿,算力会叠加。这无需任何参数,是默认行为。
- Windows: 下载包已内置 CUDA 运行库,只需安装较新的 NVIDIA 驱动。
- Linux: 从发行版或 NVIDIA 安装 NVIDIA 驱动和 NVRTC 库。
- 首次启动: seine 会为每张显卡调优计算内核参数并缓存结果,之后几秒内即可启动。
在 Apple 芯片的 Mac 上,seine 默认使用 CPU 挖矿,这是在 M4 Max 上实测最快的方式。NVIDIA 指南介绍了多显卡矿机和相关要求。
seine 会自动调优哪些内容?
要达到上面的结果,你无需做任何配置。运行 seine,粘贴你的地址或 @name,接受默认矿池 bntpool.com 即可。挖矿指南详细介绍了这些步骤。在挖矿过程中,seine 会:
- 确定线程数:根据你的内存和核心数确定,然后用真实的挖矿任务比较不同线程数,保留最佳值。
- 选择 CPU 计算内核:例如 AVX2、AVX-512、Zen 5 EPYC 上的流式内核或 Arm 上的 SHA3,只有在两次确认有提升后才会切换。
- 在大型服务器上分配线程:在 Linux 上,它会把线程分散到各个 NUMA 节点和 L3 缓存组,在一台租用的 EPYC 8434P 上 24 线程时提升了 16.7%。详情见服务器挖矿指南。
- 保护你的内存:它会预留 5% 的内存,内存紧张时暂停部分线程,内存充裕后再恢复。
- 记住有效的设置:下次启动时直接从调优后的设置开始。
这些都不会重新连接矿池,因此调优不会浪费挖矿时间。自动调优指南解释了每个步骤。
在 Linux 和 WSL 上,还有一项值得做的可选设置:预留大页。在验证机上,2 MiB 大页带来约 4-6% 的提升,1 GiB 大页再多约 2%。大页指南提供了相关命令,大型服务器指南介绍了 EPYC 和 Xeon 机器的设置。
如何查看自己的算力?
最快的方法是下载 seine 并开始挖矿:仪表盘片刻之后就会显示你的算力,你也可以在 bntpool.com 上查询自己的地址,查看矿池记录的数据。读取数字之前,请给调优留出一点时间。
如果想在不连接矿池的情况下测试处理器,可以运行 seine 的离线基准测试:
./seine --bench --bench-kind backend --backend cpu --bench-secs 20 --bench-rounds 3
它报告的是每秒完成的哈希数,与上表使用的指标相同,因此你可以把自己的机器与公布的结果进行比较。
这些结果针对 Blocknet 当前的 Argon2id 工作量证明。据 blocknetcrypto.com 介绍,Blocknet 计划在 2027-02-16 前后进行名为 Faraday 的网络升级,届时将采用更轻量的工作量证明。请保持 seine 为最新版本:它会在启动时以及每 12 小时检查一次新版本。
常见问题
游戏电脑能挖 Blocknet 吗?
可以。在 Windows 和 Linux 上,seine 会同时使用电脑的处理器和每张 NVIDIA 显卡挖矿,算力会叠加。它根据你的内存确定线程数,因此一台 32 GB 内存的游戏电脑最多能运行约 14 个线程,并在挖矿过程中自动为处理器和每张显卡调优。
32 GB 内存能运行多少个 Blocknet 挖矿线程?
约 14 个。每个线程每次哈希都需要一块 2 GiB 的内存,所以 32 GB 理论上能容纳 16 块。seine 会预留 5% 的内存,并为操作系统留出空间,因此 32 GB 的机器约能运行 14 个线程。seine 启动时会自动算好这些。
seine 挖 Blocknet 时会使用哪些显卡?
seine 的 Windows 和 Linux 版本使用 NVIDIA 显卡挖矿,会在处理器之外同时使用检测到的每一张显卡。在 Windows 上已内置 CUDA 运行库,只需安装 NVIDIA 驱动。在 Linux 上需安装驱动和 NVRTC 库。首次启动时会为每张显卡调优并记住结果。
为什么内存带宽对挖 Blocknet 很重要?
每次 Blocknet 哈希都要写满一整块 2 GiB 的内存,并从其中各处读回数据,远远超出任何处理器缓存的容量。因此算力取决于内存系统搬运数据的速度。内存带宽更高、内存足够运行更多线程的机器挖得最快。