Vyper编译器对瞬态存储优化的缺失分析
2025-06-09 12:37:09作者:庞眉杨Will
Vyper作为智能合约开发语言之一,其编译器在处理数据复制操作时存在一个值得注意的优化问题。本文将深入分析这一问题及其解决方案。
问题背景
在Vyper编译器的代码生成阶段,当处理数据从一个位置复制到另一个位置的操作时,编译器会对某些特定情况实施优化。特别是当源位置或目标位置涉及常规存储(STORAGE)时,编译器会采用特殊路径进行处理。
然而,编译器当前版本在处理瞬态存储(Transient Storage)时却缺少类似的优化路径。这一缺失主要体现在两个关键函数中:
make_byte_array_copier()函数中,通过has_storage = STORAGE in (src.location, dst.location)判断是否涉及存储操作_complex_make_setter()函数中,通过has_storage = STORAGE in (left.location, right.location)进行类似判断
技术影响
瞬态存储是EVM中一种特殊的数据存储方式,与常规存储相比具有不同的特性和使用场景。缺少针对瞬态存储的优化可能导致:
- 生成的字节码效率不高,增加gas消耗
- 未能充分利用瞬态存储的特性优势
- 在涉及瞬态存储操作时,合约执行性能可能达不到最优
解决方案
该问题已在Vyper编译器的后续版本中得到修复。修复方案主要包括:
- 扩展优化判断逻辑,将瞬态存储纳入考虑范围
- 为瞬态存储操作实现与常规存储类似的优化路径
- 确保两种存储类型的优化不会相互干扰
开发者建议
对于使用Vyper开发智能合约的开发者,建议:
- 关注编译器版本更新,及时获取性能优化
- 在合约设计时,根据数据特性合理选择存储类型
- 对于高频访问的临时数据,可考虑使用瞬态存储以提高效率
这一优化改进体现了Vyper编译器持续演进的过程,也展示了区块链开发工具链对性能优化的不断追求。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
211
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
481
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
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++
649
271
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
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
212