Foundry项目测试中遇到的REVM状态不一致问题分析
2025-05-26 15:52:48作者:蔡怀权
问题背景
在Foundry项目的测试过程中,开发者在使用forge test --jobs 10命令时遇到了随机崩溃的问题。这个问题从Foundry v1.1版本开始出现,即使在升级到包含修复补丁的版本后仍然存在。崩溃表现为REVM(Rust Ethereum Virtual Machine)在执行过程中出现了Option::unwrap()在None值上的调用错误。
问题现象
当运行测试或覆盖率检查时,系统会随机崩溃并显示以下关键错误信息:
Message: called `Option::unwrap()` on a `None` value
Location: /Users/timepunk/.cargo/registry/src/index.crates.io-1949cf8c6b5b557f/revm-19.7.0/src/journaled_state.rs:402
崩溃回溯显示问题发生在REVM的状态处理过程中,特别是在跨分叉状态切换时。
根本原因分析
经过深入调查,发现这个问题是由一个回归性错误引起的,具体与跨分叉状态管理有关。当开发者将代币转移到持久性合约且交易最终回滚时,REVM的状态处理逻辑会出现不一致。
关键问题出现在状态扩展逻辑中:当从一个分叉切换到另一个分叉时,系统应该只扩展最后一个活动分叉的变更存储,但实际实现中却错误地处理了状态变更。
最小可重现示例
为了更好地理解这个问题,我们可以看一个简化的测试用例:
contract CounterTest is Test {
Counter public counter;
uint256 mainnetId;
uint256 opId;
function setUp() public {
counter = new Counter();
counter.setNumber(10);
vm.makePersistent(address(counter));
mainnetId = vm.createFork($MAINNET_URL);
opId = vm.createFork($OPTIMISIM_URL);
vm.selectFork(mainnetId);
counter.setNumber(100);
counter.increment();
assertEq(counter.number(), 101);
}
function test_change_fork_states() public {
vm.selectFork(opId);
counter.increment();
assertEq(counter.number(), 102); // 实际结果为11,断言失败
}
}
在这个例子中,当我们在不同的分叉间切换并操作同一个持久化合约时,状态没有正确保持,导致断言失败。
技术细节
REVM的状态管理机制在处理跨分叉操作时存在缺陷。具体来说:
- 当合约被标记为持久化(
makePersistent)后,理论上它的状态应该在所有分叉间保持一致 - 但实际上,当从一个分叉切换到另一个分叉时,状态变更没有正确传播
- 系统错误地保留了旧分叉的状态变更,而没有正确应用新分叉的状态
解决方案
修复这个问题的关键在于改进状态扩展逻辑:
- 当切换分叉时,应该只保留最后一个活动分叉的变更存储
- 需要确保持久化合约的状态变更在所有分叉间正确同步
- 改进REVM的状态回滚机制,确保在交易回滚时不会破坏状态一致性
总结
这个问题展示了在复杂的多分叉测试环境中状态管理的重要性。Foundry作为一个强大的智能合约开发工具,其底层虚拟机REVM需要精确处理各种状态变更场景。开发者在使用跨分叉测试功能时,应当注意状态一致性问题,特别是在处理持久化合约时。
对于遇到类似问题的开发者,建议:
- 检查是否使用了跨分叉测试
- 确认是否合理使用了持久化合约功能
- 关注Foundry的更新,及时应用相关修复补丁
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
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++
941
868
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
394
292
暂无简介
Dart
911
219
🎉 (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
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
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
1.07 K
557