企业官网建设流程全解析

XMRig GhostRider（Raptoreum）挖矿实战：自动调优原理、线程配置与源码级解析

【免费下载链接】xmrigRandomX, KawPow, CryptoNight and GhostRider unified CPU/GPU miner and RandomX benchmark项目地址: https://gitcode.com/GitHub_Trending/xm/xmrig

本篇技术指南围绕 XMRig 对 GhostRider 算法（Raptoreum 链）的原生支持展开，覆盖从 v6.16.0 引入的算法支持、命令行与批处理模板的快速接入、线程配置的正确姿势，到"免调优自动配置"背后的性能原理与底层实现。读完本文，你将掌握如何在 XMRig 中正确启动 GhostRider 挖矿、理解其独特的"一个哈希批次由多线程协同计算"的调度模型，并能从源码层面定位相关实现路径。

GhostRider 算法与 XMRig 的支持方式

GhostRider 是 Raptoreum（RTM）采用的 PoW 算法，属于一种混合型算法：它由15 个经典哈希函数（Blake、BMW、Groestl、JH、Keccak、Skein、Luffa、Cubehash、Shavite、SIMD、Echo、Hamsi、Fugue、Shabal、Whirlpool）与6 个 Cryptonight 变体组合而成。XMRig 从v6.16.0版本开始原生支持该算法，无需任何外部依赖或插件。

在源码中，该算法被定义为GHOSTRIDER_RTM（别名ghostrider、ghostrider/rtm、gr），其内部使用的 6 个 Cryptonight 变体依次对应 Algorithm.h 中的枚举值：

以上内存大小对应 ghostrider.cpp 中的cn_sizes数组注释。在 CnAlgo.h 中还可以看到每个变体的迭代次数特化（CN_ITER / 4、CN_ITER / 2、CN_ITER / 8）以及cn/dark-lite、cn/turtle-lite的特殊掩码，这些细节决定了各变体在单次计算中的工作量差异。

从构建角度看，GhostRider 是一个可选的独立模块：CMake 通过WITH_GHOSTRIDER选项控制是否编译，开启后会定义XMRIG_ALGO_GHOSTRIDER宏并构建静态库ghostrider（见 cmake/ghostrider.cmake），其模块级 CMake 配置位于 src/crypto/ghostrider/CMakeLists.txt，其中对全部sph_*哈希源文件使用-Os（MSVC 下为/O1 /Oi /Os）编译，以控制二进制体积与缓存友好度。

快速上手：命令行与批处理模板

GhostRider 的启动方式与 XMRig 其他算法一致，只需要在命令行指定-a gr。官方 README（src/crypto/ghostrider/README.md）给出了两种典型场景的示例。

非 SSL 端口示例：

xmrig -a gr -o raptoreumemporium.com:3008 -u WALLET_ADDRESS -p x

SSL 端口示例：

xmrig -a gr -o rtm.suprnova.cc:4273 --tls -u WALLET_ADDRESS -p x

两者的区别仅在于池端口与是否追加--tls参数。字段含义为：

• -a gr：指定使用 GhostRider 算法（等价于--algo=ghostrider）；
• -o <host>:<port>：矿池的 stratum 地址与端口；
• -u <wallet>：矿池用户名，对大多数 Raptoreum 矿池而言就是你的 RTM 钱包地址；
• -p x：矿池密码，多数矿池填写x即可。

仓库同时提供了开箱即用的 Windows 批处理模板 scripts/rtm_ghostrider_example.cmd，其核心命令与 README 完全一致：

xmrig.exe -a gr -o raptoreumemporium.com:3008 -u WALLET_ADDRESS -p x

该脚本还包含一段注释，说明了pool address、pool port、pool username/wallet、pool password四个字段的填写规则，并建议选择排名靠后的矿池以帮助 Raptoreum 网络去中心化。实际使用时，只需把WALLET_ADDRESS替换为你自己的地址即可。

线程配置：为什么官方不建议使用 --threads

README 明确给出了一条重要建议：不要使用--threads（-t）参数，因为它会关闭 XMRig 内置的高级自动配置逻辑。如果你确实想调整 GhostRider 的线程数量，官方推荐的命令行方式是：

--cpu-max-threads-hint=N

其中N的取值范围是0 到 100，表示 CPU 线程使用率上限的百分比。例如设置--cpu-max-threads-hint=75即让自动配置最多使用约 75% 的可用线程。在源码中，该选项对应的配置键为max-threads-hint（见 CpuConfig.cpp），在config.json里位于"cpu"段下，与命令行等价。

如果需要进行更精细的线程规划（例如按 NUMA 节点或物理核心数精确控制），建议改用 config.json 而不是命令行，通过"cpu"段的threads配置手工指定线程拓扑——这样可以在保留自动调优结果的基础上做局部微调。

性能原理：自动配置与细粒度线程调度

GhostRider 的性能亮点在于其独特的调度模型。README 指出：尽管单个算法的实现并未做极致优化，XMRig 通过更好的自动配置与更细粒度的线程调度获得了更高的综合算力——核心思路是：对缓存需求不大的计算部分，可以用 2 个线程协同计算同一个哈希批次。

以典型的 Intel CPU（每个核心 2 MB 缓存）为例：cn/fast（2 MB 内存）需要完整占用核心缓存，因此每个核心只运行 1 个线程；而其他更小的 Cryptonight 变体（如 512 KB、256 KB、128 KB）缓存需求低，可以在同一批次中让每个核心运行 2 个线程分担计算，从而始终把 CPU 负载维持在 50% 以上。反过来，在 Ryzen 3000/5000 系列 CPU 上，如果系统检测到某些变体"每核心 1 线程"反而更快，XMRig 也允许 CPU 负载略低于 100%——这正是自动调优根据实测数据做出的取舍。

这一机制的源码实现集中在 ghostrider.cpp：

1. helper 线程（HelperThread）：create_helper_thread()通过 hwloc 在物理核心的剩余逻辑线程上创建辅助线程（ghostrider.cpp），主线程与辅助线程通过uv_mutex/uv_cond完成任务投递与同步（ghostrider.cpp）。
2. 运行时决策：hash_octa()每次计算 8 个哈希（N = 8）。当三个 Cryptonight 变体在调优表中都被标记为threads == 2时，会把 8 个哈希拆成前 4 个 + 后 4 个，分别交给主线程和 helper 线程并行计算（ghostrider.cpp）；否则退化为单线程逐部分计算。
3. 自动调优：benchmark()会在挖矿前对不同变体、不同 step（1/2/4）组合进行实测，维护tuneDefault与tune8MB两张调优表，并依据 CPU 的 L3 缓存容量（每核心是否达到 8 MB）选择最优参数（ghostrider.cpp）。这解释了 README 中"无需手动调优"的结论——调优动作在启动时已由程序自动完成。

调用链的入口位于 CpuWorker.cpp（创建 helper 线程）与 CpuWorker.cpp（对 GHOSTRIDER 家族算法调用ghostrider::hash_octa），接口声明见 ghostrider.h。

哈希流水线：15 个核心哈希与 6 个 CN 变体的组合

了解调度之外，GhostRider 的哈希构造也值得拆解。hash_octa()的流程如下（ghostrider.cpp）：

1. 选取算法组合：从 Blob 中[4; 36)字节（即 PrevBlockHash，GhostRider 的种子）逐 nibble 采样，通过select_indices()无重复地选出 15 个核心哈希索引（core_indices[15]）与 6 个 CN 变体索引（cn_indices[6]）。
2. 三段流水线：整批计算被分为 3 个 part，每个 part 依次执行5 个核心哈希 + 1 个 Cryptonight 变体——前一轮的输出（32 字节哈希 + 32 字节零填充）作为下一轮的输入，形成 64 字节的中间缓冲tmp[64 * N]。
3. 输出：最终得到每个输入的 32 字节结果，写入output。

15 个核心哈希函数由宏CORE_HASH批量生成（ghostrider.cpp），包括blake512、bmw512、groestl512、jh512、keccak512、skein512、luffa512、cubehash512、shavite512、simd512、echo512、hamsi512、fugue512、shabal512、whirlpool，对应源码目录下对应的sph_*.c/sph_*.h文件。由于每个 part 的 CN 变体由种子动态决定，同一批 8 个哈希可能混用不同内存大小的 scratchpad，hash_octa()会按step参数重新分配ctx内存区（见 ghostrider.cpp），这也是"细粒度调度"能够生效的物理前提。

需要说明的是，在未启用 hwloc（XMRIG_FEATURE_HWLOC）或 ARM/RISC-V 平台上，benchmark()与 helper 线程相关接口会退化为空实现，hash_octa()使用固定的 step 数组{4, 4, 1, 2, 4, 4}以单线程方式执行（ghostrider.cpp），此时将无法获得 x86 平台上的多线程协同加速。

性能测试数据

README 中附带了作者实测的性能对比表。以下为Windows 平台（XMRig v6.16.2 MSVC 构建 vs cpuminer-gr-avx2 1.2.4.1 调优版）的对比结果：

此外还有一组Linux 平台数据（XMRig v6.16.0 GCC 构建，由社区成员 Delgon 测试），README 已明确标注该组数据过时，仅供参考：

从数据可见，XMRig 在中小缓存 CPU 上的优势尤其明显（如 Ryzen 7 4700U 与 Core i7-2600 均超过 11%），这与前述"2 线程协同计算低缓存变体"的调度策略直接相关。需要强调的是，这些数字是特定版本、特定 CPU 上的历史实测值，实际算力会随 CPU 型号、编译选项（MSVC/GCC/Clang）、内存与散热环境而变化，请以你本机的实测结果为准。

相关源码索引

如需深入阅读，可按以下路径继续探索：

• 算法定义与别名：src/base/crypto/Algorithm.h、src/base/crypto/Algorithm.cpp
• Cryptonight 变体参数特化：src/crypto/cn/CnAlgo.h
• GhostRider 核心实现与自动调优：src/crypto/ghostrider/ghostrider.cpp、src/crypto/ghostrider/ghostrider.h
• 15 个核心哈希源码：src/crypto/ghostrider/ 下的sph_*.c/sph_*.h
• 模块构建开关：cmake/ghostrider.cmake、src/crypto/ghostrider/CMakeLists.txt
• 工作线程调用入口：src/backend/cpu/CpuWorker.cpp
• 启动模板：scripts/rtm_ghostrider_example.cmd
• 官方说明：src/crypto/ghostrider/README.md

【免费下载链接】xmrigRandomX, KawPow, CryptoNight and GhostRider unified CPU/GPU miner and RandomX benchmark项目地址: https://gitcode.com/GitHub_Trending/xm/xmrig