FuelTS项目中的ABI模块重构与架构设计
2025-05-02 05:11:42作者:裘旻烁
FuelTS项目近期对其ABI(应用二进制接口)模块进行了全面的重构工作,旨在建立一个更加健壮、可扩展的基础架构。本文将深入剖析这次重构的技术细节与设计思路。
架构概览
FuelTS团队重新设计了ABI模块的整体架构,将其划分为三个核心组件层:
- AbiParser层:负责解析ABI规范,支持多版本规范(v1/v2)的解析能力
- AbiCoder层:处理类型编码/解码逻辑,同样支持多版本编码方案
- AbiGen层:实现类型生成功能,为开发者提供类型安全的开发体验
这种分层设计遵循了单一职责原则,每个层专注于特定的功能领域,同时通过清晰的接口进行交互。
目录结构优化
重构后的目录结构体现了模块化的设计思想:
abi/
├── coder/ # 编码解码实现
├── gen/ # 类型生成相关
├── parser/ # ABI解析逻辑
└── test/ # 测试相关资源
特别值得注意的是,团队将测试资源进行了统一管理,特别是将原本分散在各个子模块中的测试用例和示例合约进行了整合,放置在test/fixtures/forc-projects目录下。这种做法不仅提高了测试代码的可维护性,也确保了各层实现的一致性。
技术实现细节
编码层(AbiCoder)
编码层采用了版本化设计,支持不同版本的编码方案:
// v1编码实现示例
export function encodeArrayV1(items: any[], typeInfo: TypeInfo): Uint8Array {
// v1特定的数组编码逻辑
}
// v2编码实现示例
export function encodeArrayV2(items: any[], typeInfo: TypeInfo): Uint8Array {
// v2改进后的数组编码逻辑
}
类型生成层(AbiGen)
类型生成层采用了模板引擎(Handlebars)来生成类型定义代码,支持多种输出格式:
// 类型生成示例
const template = compile(`
export interface {{contractName}} {
{{#each functions}}
{{name}}(...args: {{inputType}}): {{returnType}};
{{/each}}
}
`);
解析层(AbiParser)
解析层实现了ABI规范的版本适配器模式,可以灵活地支持不同版本的ABI规范:
interface AbiParser {
parse(abiJson: string): AbiDefinition;
}
class V1Parser implements AbiParser { ... }
class V2Parser implements AbiParser { ... }
设计原则与最佳实践
FuelTS团队在重构过程中遵循了几个关键原则:
- 函数式优先:内部实现尽可能采用函数式编程风格,保持无状态和纯函数特性
- 面向接口设计:对外暴露的API采用面向对象的方式,提供更好的开发者体验
- 合约测试优先:使用功能完整的合约作为测试用例,而非最小化示例,确保覆盖真实场景
- 版本化支持:从设计之初就考虑多版本支持,为未来扩展预留空间
总结
FuelTS项目的ABI模块重构展示了如何将一个复杂的系统分解为可管理的组件,同时保持系统的灵活性和可扩展性。通过清晰的架构分层、严格的接口定义和全面的测试覆盖,新的ABI模块不仅解决了当前的需求,也为未来的功能演进奠定了坚实的基础。这种架构设计思路值得其他TypeScript项目借鉴,特别是在处理复杂领域逻辑和需要长期维护的项目中。
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-1.5暂无简介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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 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 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 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 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
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
480
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
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210