Hyperledger Besu中eth_createAccessList的Hive测试问题分析
2025-07-10 23:42:01作者:侯霆垣
问题背景
在Hyperledger Besu项目的测试过程中,发现两个与eth_createAccessList RPC方法相关的Hive测试用例失败。这两个测试用例分别是:
- eth_createAccessList/create-al-contract
- eth_createAccessList/create-al-contract-eip1559
这两个测试用例的主要目的是验证Besu能否正确地为访问存储的合约调用创建访问列表(access list)。
问题表现
测试失败的主要差异表现在两个方面:
- 存储键(storageKey)排序问题:测试返回结果中的storageKeys数组顺序与预期不符
- gasUsed值不匹配:实际消耗的gas值与预期值存在差异
具体测试输出对比显示,storageKeys数组中两个键的顺序被交换了,同时gasUsed值从预期的0xca3c变成了0xd338。
问题分析与解决
存储键排序问题
存储键排序不一致的问题相对容易解决。这是由于Besu实现中对storageKeys数组的排序逻辑与测试预期不一致导致的。在区块链开发中,存储键的排序通常应该遵循确定的顺序(如按字典序),以确保不同客户端实现的一致性。
gasUsed值差异问题
gas计算差异的问题更为复杂。经过分析,这是由于Besu在计算访问列表相关操作的gas消耗时,实现逻辑与测试预期存在偏差。这个问题通过PR#8478得到了解决,该PR调整了gas计算逻辑以符合预期行为。
技术意义
eth_createAccessList是EIP-2930引入的一个重要RPC方法,它允许客户端在执行交易前获取该交易可能访问的地址和存储键列表。这对于:
- 优化gas费用计算
- 提高交易执行的确定性
- 支持EIP-2930类型的交易
都具有重要意义。因此,确保其实现的正确性对Besu的兼容性和功能性都至关重要。
结论
通过修复存储键排序和gas计算逻辑,Hyperledger Besu成功解决了这两个Hive测试用例的失败问题。这体现了Besu团队对协议兼容性和实现正确性的高度重视,也展示了开源社区通过持续集成测试保证软件质量的有效性。
对于区块链开发者而言,理解访问列表机制及其gas计算方式,对于优化DApp性能和成本具有重要意义。Besu对这些细节的持续改进,为开发者提供了更可靠的基础设施支持。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137