Revm项目中bn254加密算法的性能优化实践
2025-07-07 12:34:31作者:冯梦姬Eddie
在区块链开发领域,加密算法的性能优化一直是关键课题。本文将深入分析Revm项目中bn254(又称altbn128)椭圆曲线加密算法的性能优化过程,探讨如何通过集成不同实现库来显著提升预编译合约的执行效率。
性能瓶颈的发现
在Revm项目的开发过程中,开发者注意到bn254曲线上的配对(pairing)操作存在明显的性能瓶颈。测试数据显示,使用substrate-bn库时,大小为2的配对操作需要约13毫秒,而使用matter-labs的实现则需要7毫秒。这一性能表现与预期存在较大差距,因为理论上这类操作在考虑解码和子群检查后应该只需要2-3毫秒。
考虑到大多数zk rollup方案都使用bn254/altbn128预编译合约,这一性能问题直接影响到了链同步和区块验证的整体效率。
解决方案探索
为了验证性能假设并寻找最优解,开发团队决定集成并测试多个活跃维护的加密库实现。这一过程涉及:
- 评估现有实现(substrate-bn和matter-labs)的性能表现
- 分析不同库的维护状态和社区支持情况
- 设计全面的基准测试方案
实现方案对比
在集成arkworks加密库后,性能测试显示出显著改善:
- 配对操作:从原来的13.9毫秒降至4.9毫秒(arkworks),相比matter-labs的7.9毫秒有更大幅提升
- 乘法操作:本地测试显示,使用substrate-bn时约103微秒,而arkworks实现仅需约62微秒,性能提升近40%
技术决策与实现
基于测试结果,团队做出了以下技术决策:
- 将arkworks设为默认实现,因其具有更好的性能表现和活跃的维护状态
- 保留substrate-bn作为可选特性(feature flag),作为经过审计的备用实现
- 完善基准测试体系,包括添加乘法操作测试和更全面的测试用例
优化经验总结
通过这一优化过程,我们获得了以下重要经验:
- 加密库选择:不同实现间的性能差异可能非常显著,需要实际测试验证
- 维护状态评估:选择加密库时不仅要考虑性能,还需评估其维护活跃度
- 基准测试设计:需要覆盖各种操作类型和边界情况,使用大量随机测试数据
- 兼容性考虑:在追求性能的同时保留经过审计的备用方案
这一优化工作显著提升了Revm项目中加密预编译合约的执行效率,为基于zk rollup的应用提供了更好的性能基础。未来还可以进一步探索输入生成工具的开发和更全面的性能测试方案。
登录后查看全文
热门项目推荐
相关项目推荐
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
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
674
4.31 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
626
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++
945
886
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
398
301
🎉 (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
1.56 K
908
暂无简介
Dart
920
225
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
昇腾LLM分布式训练框架
Python
142
169
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
133
212