Gonka - настройка на RTX 5090. Или как потратить неделю реального времени. PART_1
Всё оглавление кликабельно
0) Введение
1) Запуск как задумали разработчики
2) Зависимости
2.2) Nvidia - драйвера и компоненты
2.3) Docker - и все что с ним связано
2.4) Hugginface - модели для Gonka.ai
3.1) Gonka - качаем исходники с github
3.2) Настройка /gonka/deploy/join/config.env
3.4) Настройка /gonka/deploy/join/.inference/config/config.toml
3.5) Настройка docker-compose.mlnode.yml для RTX 5090 (sm120)
3.6) Создаем warm-key и регистрация
0) Введение
Давай не будем завышать ожидания, ок? У тебя с вероятностью 90%, что-то пойдет "не так". Ты будешь пропускать эпохи, проходить все 5 стадий принятия и злиться что, ни кто не может помочь с проблемой.
Эпоха - это типо окно в 24 часа (+- 2-3) когда твой сервер попадает в список участвующих в майнинге/инференсе и т.п = начисляются монетки. Если в нужный час X - у тебя что то случилось с сервером. Включаешь ждуна до следующего окна PoC.
Весь проект на данный момент 06.01.2026 - это просто набор контейнеров, работа которых завязана друг на друга. Соответственно 8 контейнеров = 8 возможных затыков, которые будут завязываться в узел проблем и ошибок.
микро "база"
0) Желательно иметь под рукой chat-GPT или любой другой ИИ-помощник.
1) Можно любое количество карт, главное чтобы общее кол-во VRAM >= 40Gb(но это не точно, можно и меньше по факту).
2) Минимально и без проблем, заработает на 2x RTX 3090. Желательно в PCI-E x16 (3.0, 4.0).
3) Обязательно "белый" ip(DNS), либо проброшенный тоннель до сервера (FRP)
4) Нужен многопоточный проц. Так как контейнер "node" жрет ресурсы в фоне(при синхронизации).
5) Оперативка(кусок дефицита) - x1.5 от объема VRAM.
6) Карты должны быть в одном "домене", чтобы свободно обмениваться данными. Т.е двухголовые xeon, не будут нормально работать из коробки.
Или серверный платы на эпиках, через Slim-SAS и прочие варианты райзеров, иногда разделяют карты таким образом, что их PCI-E линии, вообще ни как не связаны. Контейнер "mlnode" будет падать из за этого постоянно. Так как не сможет "нарезать" модель по картам.
7) Интернет соединение - чем быстрее тем лучше. Минимум от 100 мбит/с. - качать придется много. Очень.
8) Хотя-бы 1 Тб NVMe SSD - Контейнеры Gonka = 40-80 гигов; Нейросетка - от 16 до 430 Гб; Еще куча памяти уходит на всякий кэш. У меня от 1 Тб осталось 230 Гб свободных. окак
Мои спеки:
Система - hiveos с ядром 6.6.0-hiveos
Motherboard - H12SSL-i Supermicro (2.7 10/25/2023)
CPU - 48 × AMD EPYC 7352 24-Core Processor AES
Disk Model - Samsung SSD 980 1TB 1000GB
GPU - 3x RTX 5090 (PCI-e X16 4.0)
Nvidia driver - 580.82.07
1) Запуск как задумали разработчики
Пойти на сайт Gonka.ai и ознакомиться с "быстростартом". Попробовать развернуть по их гайду, вдруг получится с первого раза. Тут, как раз пригодится ИИ-помощник(чатик).
https://gonka.ai/host/quickstart/
2) Зависимости
apt update && apt upgrade apt install -y nano screen curl ca-certificates gnupg lsb-release python3 python3-pip
2.2) Nvidia - драйвера и компоненты
Для начала выполняем эти команды:
nvidia-smi && nvcc -V
Если версия драйверов ниже 580.82.07 и CUDA ниже 13.0
А nvcc вообще ничего не вывел, то выполни по очереди:
nvidia-driver-update 580.82.07 --force apt install nvidia-cuda-toolkit
Когда закончишь с установкой, выполни apt update и повтори первую команду из начала раздела.
2.3) Docker - и все что с ним связано
У тебя установлен и настроен docker? Тогда выполни команду:
docker run --rm --gpus all nvidia/cuda:12.4.1-base-ubuntu22.04 nvidia-smi
Она скачает тестовый образ и если в твоей консоли будет такой вывод, как на картинке ниже, то переходи к пункту 2.4) Hugginface - модели для Gonka.ai
Если у тебя установлен docker но не настроен доступ к картам, то выполни:
sudo nvidia-ctk runtime configure --runtime=docker sudo systemctl restart docker
А затем попробуй команду из начала
Если у тебя не установлен docker, для начала попробуй установить из офф источника через .deb файл. Или качаешь последнюю версию:
sudo apt-get remove -y docker docker-engine docker.io docker-compose docker-compose-plugin containerd runc || true sudo apt-get purge -y docker-ce docker-ce-cli containerd.io || true sudo rm -rf /var/lib/docker /var/lib/containerd
Добавь официальный GPG-ключ Docker
sudo install -m 0755 -d /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | \ sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg sudo chmod a+r /etc/apt/keyrings/docker.gpg
Подключаешь официальный репозиторий Docker
echo \ "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] \ https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable" | \ sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
Установка Docker Engine + Compose plugin
sudo apt-get update sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin
Проверка, что Docker работает
docker --version docker compose version sudo systemctl status docker --no-pager
Запусти тестовый контейнер
docker run hello-world
Если вывод совпадает с изображением, то подключаем к docker доступ к видеокартам
sudo nvidia-ctk runtime configure --runtime=docker sudo systemctl restart docker
После этого выполняем первую команду из начала раздела
к началу статьи | к началу раздела
2.4) Hugginface - модели для Gonka.ai
Для того чтобы получать/майнить монеты Gonka(#GNK). Нужно чтобы твои карты держали в VRAM одну из поддерживаемых ИИ-моделей. Для того чтобы к тебе на серв прилетали запросы от "сервиса/пользователя", а получали ответ от ИИ-модели(инференс). Ты же, за это получаешь награду согласно количеству сгенерированных токенов. А так же, за генерацию "weght" для поддержания блокчейна. Я не особо в это вдавался, если интересна токеномика - https://gonka.ai/tokenomics.pdf
О чем это Я? По хорошему, перед тем как разворачивать контейнеры сервиса Gonka. Надо бы скачать "веса" пары моделей, ну на всякий случай. Список поддерживаемых сейчас(06.01.2026)
Qwen/Qwen2.5-7B-InstructQwen/Qwen3-235B-A22B-Instruct-2507-FP8Qwen/Qwen3-32B-FP8Qwen/QwQ-32BRedHatAI/Qwen2.5-7B-Instruct-quantized.w8a16
Я скачал Qwen/Qwen2.5-7B-Instruct, Qwen/Qwen3-32B-FP8, Qwen/QwQ-32B
Суммарно они сожрали около 135 Гб. Однако надо выбирать исходя из того, какое количество VRAM доступно на твоем сервер. Себе сейчас оставил только - Qwen/Qwen3-32B-FP8 (3 RTX 5090 = 96 Гб VRAM, Модель в работе жрет 80 Гб).
Качать модели нужно с а-ля гитхаба для ИИ - https://huggingface.co/
Регистрироваться там не обязательно, но наличие токена аккаунта, не режет скорость скачивания. Регистрируешься любым удобным способом, затем создай токен как показано на скринах ниже:
Когда получил токен, приступаем к установке cli для скачивания. Предварительно у тебя должен был установиться python, на самом первом шаге. Если нет, то выполни:
apt update apt install -y python3 python3-pip
Устанавливаем cli
pip3 install --upgrade huggingface-hub
Проверка
hf --help
Логин и качаем модель
hf auth login
Далее надо вставить токен который получали ранее. Вводимые данные не будет видно в терминале во имя конспирации(наверное). Дальше если увидел свой username с сайта - все ок.
Создаем папку, которую будет видеть config.env который будем делать позже.
export HF_HOME=/mnt/shared/hf_cache mkdir -p "$HF_HOME" echo 'export HF_HOME=/mnt/shared/hf_cache' >> /root/.bashrc source /root/.bashrc
Проверяем
echo "$HF_HOME" ls -la "$HF_HOME"
Если директория создалась и индексируется, качаем нужную модель. Я советую качать в сессии screen, чтобы можно было закрыть на время.
screen -S hf_download hf download Qwen/Qwen3-32B-FP8 --cache-dir "$HF_HOME"
Выходим из screen через комбинацию - Ctrl+A+D
Зайти в сессию можно через команду - screen -r hf_download
Лог будет примерно такой по завершении
cache-dir "$HF_HOME" Fetching 17 files: 100%|█████████████████████████████████████████████| 17/17 [06:51<00:00, 24.21s/it] Download complete: 100%|█████████████████████████████████████████| 4.88G/4.88G [06:51<00:00, 222MB/s]/mnt/shared/hf_cache/models--Qwen--Qwen3-32B-FP8/snapshots/aa55da1ecc13d006e8b8e4f54579b1ea8c3db2df Download complete: 100%|████████████████████████████████████████| 4.88G/4.88G [06:51<00:00, 11.8MB/s]
У ребят из gonka вообще есть раздел с бенчмарком для подбора лучшего конфига модели и параметров для твоего сервера. Но есть нюанс, чтобы тестировать, все равно нужна скачанная модель. Для ознакомления вот ссылка - https://gonka.ai/host/benchmark-to-choose-optimal-deployment-config-for-llms/#4-compare-performance-results-across-configurations_1
к началу статьи | к началу раздела
2.5) FRP - если нет белого IP
Как упоминалось в самом начале, для работы Gonka нужен белый/публичный ip адрес, для входящих запросов на инференс и PoC. А еще надо отрыть 3 порта:
- 5000 - Tendermint P2P communication
- 26657 - Tendermint RPC (querying the blockchain, broadcasting transactions)
- 8000 - Application service (configurable)
Если у тебя есть публичный ip - красава, иди к следующему разделу, потому что. У меня нет публичного ip и я не умею пробрасывать порты в роутерах и NAT. По этому воспользовался крутой штукой, которую когда то подсказал дядя @Shatll
А именно - FRP . Все предельно просто: арендуем VPS за три сухарика, ставим туда FRP Service, ставим Client на свой сервер где будет работать Gonka, прописываем порты. Вуаля! У нашего сервера появляется публичный ip
Себя я ставил на VPS с таким конфигом: Ubuntu 24.04, 1 Core, 1 Gib RAM, 10 GiB HDD - за 2$ в месяц.
В терминале VPS
sudo apt update sudo apt install -y curl wget tar ca-certificates ufw nano
Открываем нужные порты
sudo ufw allow OpenSSH sudo ufw allow 7000/tcp sudo ufw allow 5000/tcp sudo ufw allow 26657/tcp sudo ufw allow 8000/tcp sudo ufw enable sudo ufw status
Скачиваем frps
cd ~
FRP_VER=$(curl -s https://api.github.com/repos/fatedier/frp/releases/latest | grep tag_name | cut -d'"' -f4)
wget -O frp.tar.gz https://github.com/fatedier/frp/releases/download/${FRP_VER}/frp_${FRP_VER#v}_linux_amd64.tar.gz
tar xzf frp.tar.gz
cd frp_*_linux_amd64
sudo install -m 755 frps /usr/local/bin/frps
sudo mkdir -p /etc/frp
Конфиг и сервис для frps
nano /etc/frp/frps.ini
Заполняем
[common] bind_port = 7000 token = ТУТ_ПРИДУМАЙ_ПАРОЛЬ tls_enable = true
Теперь создаем sysmctl для автономной работы
nano /etc/systemd/system/frps.service
Заполняем
[Unit] Description=frps (FRP Server) After=network.target [Service] ExecStart=/usr/local/bin/frps -c /etc/frp/frps.ini Restart=always RestartSec=3s [Install] WantedBy=multi-user.target
Сохранить - CTRL+S Выйти - CTRL+X
Запуск
sudo systemctl daemon-reload sudo systemctl enable --now frps sudo systemctl status frps --no-pager
Теперь идешь на сервер на котором будешь поднимать Gonka и качаешь клиент
cd ~
FRP_VER=$(curl -s https://api.github.com/repos/fatedier/frp/releases/latest | grep tag_name | cut -d'"' -f4)
wget -O frp.tar.gz https://github.com/fatedier/frp/releases/download/${FRP_VER}/frp_${FRP_VER#v}_linux_amd64.tar.gz
tar xzf frp.tar.gz
cd frp_*_linux_amd64
sudo install -m 755 frpc /usr/local/bin/frpc
sudo mkdir -p /etc/frp
Конфиг для frpс (замени VPS_IP и тот же token)
nano /etc/frp/frpc.ini
Заполняем
[common] server_addr = VPS_IP server_port = 7000 token = SUPER_SECRET_ПАРОЛЬ tls_enable = true [ssh] type = tcp local_ip = 127.0.0.1 local_port = 22 remote_port = 2222 [gonka_p2p] type = tcp local_ip = 127.0.0.1 local_port = 5000 remote_port = 5000 [gonka_rpc] type = tcp local_ip = 127.0.0.1 local_port = 26657 remote_port = 26657 [gonka_api] type = tcp local_ip = 127.0.0.1 local_port = 8000 remote_port = 8000
Сохранить - CTRL+S Выйти - CTRL+X
Теперь создаем sysmctl для автономной работы
nano /etc/systemd/system/frpc.service
Заполняем
[Unit] Description=frpc (FRP Client) After=network-online.target Wants=network-online.target [Service] ExecStart=/usr/local/bin/frpc -c /etc/frp/frpc.ini Restart=always RestartSec=3s [Install] WantedBy=multi-user.target
Сохранить - CTRL+S Выйти - CTRL+X
Запуск
sudo systemctl daemon-reload sudo systemctl enable --now frpc sudo systemctl status frpc --no-pager
Быстрый тест:
На сервере подними временный HTTP на 8000
python3 -m http.server 8000 --bind 127.0.0.1
Теперь с любого места (компа/терминала - не сервер)
curl -I http://VPS_IP_ВПИШИ_СЮДА:8000
Должен прийти 200 OK (или 200/301 — главное, чтобы ответ есть)
А ТЕПЕРЬ СРОЧНО СЮДА - https://t.me/secret_guid/35
к началу статьи | к началу раздела
3) Gonka - создаем ключ
"Легкие" шаги закончились, приступаем к "средним".
Гонка использует двух-ступенчатую систему ключей/адресов.
cold_key - Получает награду и является "лицом" твой ноды.
warm_key - Работает в контейнере и подписывает транзакции твоей ноды.
Разработчики настоятельно рекомендуют создавать cold_key на сторонней машине, не на той где будешь разворачивать основное ПО.
Я генерировал в WSL2, не знаю может и под винду есть бинарь. Идешь по ссылке - https://github.com/gonka-ai/gonka/releases
Ищешь актуальный релиз
Скачал - распаковал. Затем дай права бинарю
chmod +x inferenced ./inferenced --help
Должен вылезти перечень CLI команд
Start inference node
Usage:
inferenced [command]
Available Commands:
comet CometBFT subcommands
completion Generate the autocompletion script for the specified shell
config Utilities for managing application configuration
create-client Add a key to the keychain and then add a participant
debug Tool for helping with debugging your application
Создаем cold_key. gonka-account-key - можно назвать как хочешь, это имя кошелька
./inferenced keys add gonka-account-key --keyring-backend file
Ожидаемый лог
❯ ./inferenced keys add gonka-account-key --keyring-backend file
Enter keyring passphrase (attempt 1/3):
Re-enter keyring passphrase:
- address: gonka1rk52j24xj9ej87jas4zqpvjuhrgpnd7h3feqmm
name: gonka-account-key
pubkey: '{"@type":"/cosmos.crypto.secp256k1.PubKey","key":"Au+a3CpMj6nqFV6d0tUlVajCTkOP3cxKnps+1/lMv5zY"}'
type: local
**Important** write this mnemonic phrase in a safe place
It is the only way to recover your account if you ever forget your password.
pyramid sweet dumb critic lamp various remove token talent drink announce tiny lab follow blind awful expire wasp flavor very pair tell next cable
Запиши: address, "key" и seed фразу. Частично они нам понадобится далее.
к началу статьи | к началу раздела
3.1) Gonka - качаем исходники с github
Переходим к терминалу нашей машины. Если у тебя hive_os, то наверное лучше всего все исходники качать прям в корень. Просто выполни в терминале
cd
чтобы у тебя был примерно такой путь: root@hive39384:~#
Клонируем репозиторий проекта
git clone https://github.com/gonka-ai/gonka.git -b main && \ cd gonka/deploy/join
Копируем исходный config
cp config.env.template config.env
После этого проверь наличие файлов в директории, через команду
ls
config.env - переменные для Network ноды
node-config.json - конфигурация сервера
docker-compose.yml - файл сборки основного стека контейнеров
docker-compose.mlnode.yml - файл сборки, который будет запускать ИИ модели
к началу статьи | к началу раздела
3.2) Настройка /gonka/deploy/join/config.env
Открыть файл для редактирования
nano config.env
Разработчики предлагают менять только эти параметры: 1) Идентификация и ключи
- KEY_NAME — вручную задайте уникальный идентификатор (имя) вашей ноды.
- KEYRING_PASSWORD — задайте пароль для шифрования ML Operational Key, который хранится на сервере в keyring backend (в файловом хранилище keyring).
2) Доступ к API (порт и публичный адрес)
- API_PORT — укажите порт, на котором нода будет доступна на машине (по умолчанию 8000).
- PUBLIC_URL — укажите публичный URL, по которому ваша нода будет доступна извне (например,
http://your-domain.com:8000илиhttp://your-ip:8000).
3) P2P-сеть (внешний адрес)
- P2P_EXTERNAL_ADDRESS — укажите внешний P2P-адрес вашей ноды (например,
tcp://your-domain.com:5000илиtcp://your-ip:5000).
4) Ключ аккаунта
- ACCOUNT_PUBKEY — используйте публичный ключ из Account Key, созданного ранее (значение после
"key":— без кавычек).
5) Кэш моделей Hugging Face
- HF_HOME — путь, куда будут кэшироваться модели Hugging Face. Укажите локальную директорию с правами на запись (например,
~/hf-cache).
Ты можешь поменять так как это предлагают они. Я же, приведу как изменил у себя
export KEY_NAME=my_cool_node export KEYRING_PASSWORD=123456 export API_PORT=8000 export API_SSL_PORT=8443 export PUBLIC_URL=http://VPS_IP:8000 export P2P_EXTERNAL_ADDRESS=tcp://VPS_IP:5000 export ACCOUNT_PUBKEY=Ap8.....................Jb export NODE_CONFIG=./node-config.json export HF_HOME=/mnt/shared export SEED_API_URL=http://node3.gonka.ai:8000 export SEED_NODE_RPC_URL=http://node3.gonka.ai:26657 export SEED_NODE_P2P_URL=tcp://node3.gonka.ai:5000 export DAPI_API__POC_CALLBACK_URL=http://api:9100 export DAPI_CHAIN_NODE__URL=http://node:26657 export DAPI_CHAIN_NODE__P2P_URL=http://node:26656 export RPC_SERVER_URL_1=http://node3.gonka.ai:26657 export RPC_SERVER_URL_2=http://node1.gonka.ai:26657 export PORT=8080 export INFERENCE_PORT=5050 export KEYRING_BACKEND=file
Пару пояснений
"ACCOUNT_PUBKEY=" надо указать свой "key" из генерации cold_key
VPS_IP - поменяй на адрес ip через который мы пробросили FRPS
"KEYRING_PASSWORD" это passphrase для “keyring-backend file”, который применяется в момент создания ML Operational Key (warm key) внутри api контейнера. Понадобится при генерации warm_key
http://node3.gonka.ai - тут надо будет поиграться. Когда я первый раз запускал, node2 была недоступна. В момент написания статьи, node3 не доступна. А node2 прекрасно работает. Но это нужно для первого запуска, потом все будет подтягиваться самостоятельно.
к началу статьи | к началу раздела
3.3) Настройка node-config
Вот тут начинаются сложности и веселуха. Я не могу подсказать что конкретно тебе, на конкретно твоем железе тут прописать. Именно тут указано, какую модель должен подхватить mlnode контейнер и какие какие именно запросы может принимать твой сервер. По хорошему есть полезный раздел с бенчмарками:
https://gonka.ai/host/benchmark-to-choose-optimal-deployment-config-for-llms/#4-compare-performance-results-across-configurations_1
Так же есть отличный телеграм канал https://t.me/gonka_docs с постами, где автор хорошо расписал с примерами, какие параметры за что отвечают и какие конфиги бывают.
Начинать читать от сюда - https://t.me/gonka_docs/8
Для своего сервера, я подобрал такой конфиг
"id": "node1",
"host": "inference",
"inference_port": 5000,
"poc_port": 8080,
"max_concurrent": 600,
"models": {
"Qwen/Qwen3-32B-FP8": {
"args": [
"--tensor-parallel-size", "1",
"--pipeline-parallel-size", "3",
"--max-model-len", "8192",
"--gpu-memory-utilization", "0.80"
к началу статьи | к началу раздела
3.4) Настройка /gonka/deploy/join/.inference/config/config.toml
В идеале этот файл лучше не трогать и переходить к следующему пункту. Config.toml - отвечает за работу node и синхронизацию с блокченом. Так что если в результате запуска, ты обнаружишь что у тебя застопорилась синхронизация, 2-4 ребута с нуля не помогли... В таком случае качаешь мой вариант файла и далее либо редактируешь свой, переписывая частично те или иные параметры. Либо копируешь с заменой и смотришь на результат.
Открыть свой файл
nano /gonka/deploy/join/.inference/config/config.toml
мой вариант файла https://disk.yandex.ru/d/ProdKsG5R1H_OQ
к началу статьи | к началу раздела
3.5) Настройка docker-compose.mlnode.yml для RTX 5090 (sm120)
Чтобы сэкономить тебе 3 недели, а именно столько я потратил на то чтобы понять. Что, ни один базовый образ mlnode, не будет работать с 5000й линейкой карт. Надо просто подтянуть мой кастомный образ mlnode из dockerhub.
nano nano docker-compose.mlnode.yml
Параметры которые я отметил в скрине, обязательны для работы моей сборки mlnode
Строчки для копирования
image: vasyagun/gonka:mlnode-3.0.11-sm120-post8 hostname: mlnode-308 volumes: - /mnt/shared/hf_cache:/root/.cache/hub environment: - HF_HOME=/root/.cache - HUGGINGFACE_HUB_CACHE=/root/.cache/hub - VLLM_ATTENTION_BACKEND=FLASHINFER - TRANSFORMERS_CACHE=/root/.cache/hub - PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True - NVIDIA_DRIVER_CAPABILITIES=compute,utility
Сохранить - CTRL+S Выйти - CTRL+X
Теперь мы можем подтянуть все наши docker образы и пробовать запуститься.
В директории cd ~/gonka/deploy/join выполни команду
docker compose -f docker-compose.yml -f docker-compose.mlnode.yml pull
Когда образы будут скачаны, переходи к следующему шагу.
к началу статьи | к началу раздела
3.6) Создаем warm key и регистрация
Все в той же директории cd ~/gonka/deploy/join выполни команду
source config.env && \ docker compose up tmkms node -d --no-deps
Это стартанет блокчейн часть стека. Например в контейнере node, можно будет увидеть начало синхронизации.
посмотреть логи ноды, можно через команду (Выйти CTRL+C)
docker logs -f --tail=200 node
Пока идет синхронизация, а нода не подана в participants. Нужно сгенерировать warm_key и дать контейнерам права на подписание транзакций.
Нужно зайти в контейнер api. Для этого выполни
docker compose run --rm --no-deps -it api /bin/sh
Через вставку с помощью ПКМ(правой кнопки мыши), выполни
printf '%s\n%s\n' "$KEYRING_PASSWORD" "$KEYRING_PASSWORD" | inferenced keys add "$KEY_NAME" --keyring-backend file
Ожидаем вот такой вывод
~ # printf '%s\n%s\n' "$KEYRING_PASSWORD" "$KEYRING_PASSWORD" | inferenced keys add "$KEY_NAME" --keyring-backend file
- address: gonka1gyz2agg5yx49gy2z4qpsz9826t6s9xev6tkehw
name: node-702105
pubkey: '{"@type":"/cosmos.crypto.secp256k1.PubKey","key":"Ao8VPh5U5XQBcJ6qxAIwBbhF/3UPZEwzZ9H/qbIA6ipj"}'
type: local
**Important** write this mnemonic phrase in a safe place.
It is the only way to recover your account if you ever forget your password.
again plastic athlete arrow first measure danger drastic wolf coyote work memory already inmate sorry path tackle custom write result west tray rabbit jeans
Сохрани себе: address, key, seed
Сразу же в этом контейнере, следующей командой, выполни "регистрацию" своего сервера
inferenced register-new-participant \ $DAPI_API__PUBLIC_URL \ $ACCOUNT_PUBKEY \ --node-address $DAPI_CHAIN_NODE__SEED_API_URL
Должен будешь получить что то вроде такого вывода
Должный совпасть параметры
Account Address: твой cold адрес кошелька
Account Public Key: твой cold "key"
Validator Consensus Key: "key" из warm кошелька
Выходи из контейнера через команду
exit
Можешь сразу проверить опубликовался твой сервер или нет, на агрегаторе https://gonka.gg/
Просто вбей там свой cold address и выбери первый пункт participants
Помнишь в шаге 3) создаем ключ мы генерировали cold_key на отдельной машине? Возвращаемся туда где лежит скачанный бинарь .inferenced
Нужно выдать права warm_key с помощью команды
./inferenced tx inference grant-ml-ops-permissions \ gonka-account-key \ <ml-operational-key-address-from-step-3.1> \ --from gonka-account-key \ --keyring-backend file \ --gas 2000000 \ --node <seed_api_url from server's config.env>/chain-rpc/
Только замени в команде строчки
<ml-operational-key-address-from-step-3.1> - address из пункта 3.6
seed_api_url from - то что прописал у себя в config.env в поле SEED_API_URL=
Должен в ответ получить такой вывод
Transaction sent with hash: FB9BBBB5F8C155D0732B290C443A0D06BC114CDF43E8EE8FB329D646C608062E Waiting for transaction to be included in a block... Transaction confirmed successfully! Block height: 174
к началу статьи | к началу раздела
К СОЖАЛЕНИЮ ВСЕ НЕ УМЕСТИЛОСЬ В ЭТУ СТАТЬЮ, ДЛЯ ПРОДОЛЖЕНИЯ - СЮДА