Foundry项目中setUp与测试函数间的存储状态不一致问题解析
2025-05-26 05:49:16作者:冯梦姬Eddie
问题现象
在Foundry测试框架中,当开发者使用setArbitraryStorage作弊码设置合约存储为任意值后,如果在setUp函数中又将特定存储槽显式设置为0,会出现一个有趣的现象:在setUp函数中验证该值为0成功,但在实际测试函数中验证时,该值却恢复为随机数。
技术背景
Foundry测试框架提供了setArbitraryStorage作弊码,它可以将合约的整个存储空间设置为随机值。这个功能在测试合约对未知存储状态的兼容性时非常有用。同时,vm.store作弊码允许直接修改特定存储槽的值。
问题复现
通过以下测试用例可以复现该问题:
contract StorageContract {
uint256 public value;
}
contract ArbitraryStorageTest is Test {
uint256 constant DEFAULT_VALUE = 0;
StorageContract target;
function setUp() public {
target = new StorageContract();
vm.setArbitraryStorage(address(target));
bytes32 valueSlot = bytes32(uint256(0));
vm.store(address(target), valueSlot, bytes32(DEFAULT_VALUE));
emit log_named_uint("value in setUp", target.value());
}
function test_stored_value() public {
emit log_named_uint("value in test", target.value());
assertEq(target.value(), DEFAULT_VALUE);
}
}
测试结果会显示:
[FAIL: assertion failed: 36440280036344177981963967840477496355477405577495123809133350823800994840471 != 0]
根本原因
这个问题源于Foundry对存储状态的优化处理机制:
- 当存储被标记为"任意"时,Foundry会在首次访问冷存储时生成随机值
- 在
setUp中将值设为0后,由于0是EVM存储的默认值,Foundry会特殊处理 - 测试函数运行时,由于是新的交易,存储被视为"冷"状态
- 对于值为0的存储槽,Foundry会重新生成随机值,而非保留之前设置的0
解决方案
要解决这个问题,可以采用以下方法之一:
方法一:将存储设置逻辑移到测试函数中
function _initializeStorage() internal {
target = new StorageContract();
vm.setArbitraryStorage(address(target));
vm.store(address(target), bytes32(uint256(0)), bytes32(DEFAULT_VALUE));
}
function test_stored_value() public {
_initializeStorage();
assertEq(target.value(), DEFAULT_VALUE);
}
方法二:设置非零默认值
如果业务逻辑允许,可以将默认值设为非零值:
uint256 constant DEFAULT_VALUE = 1;
方法三:使用vm.assume限制随机范围
function test_stored_value() public {
vm.assume(target.value() == DEFAULT_VALUE);
assertEq(target.value(), DEFAULT_VALUE);
}
最佳实践建议
- 对于需要精确控制存储状态的测试,避免在
setUp中使用setArbitraryStorage - 如果必须使用任意存储,考虑在测试函数中重新设置需要的值
- 对于关键存储槽,使用显式的
vm.store设置而非依赖任意存储 - 在测试文档中明确记录存储状态的预期行为
总结
这个问题揭示了Foundry测试框架在处理存储状态时的一些内部机制。理解这些机制有助于开发者编写更可靠的测试用例。记住,测试框架的便利功能虽然强大,但也需要理解其底层行为才能正确使用。
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
热门内容推荐
最新内容推荐
绝杀 Tauri/Pake Mac 打包报错:`failed to run xattr` 的底层逻辑与修复方案避坑指南:Pake 打包网页为何“高级功能失效”?深度解析拖拽与下载的底层限制Tauri/Pake 体积极限优化:如何把 12MB 的应用无情压榨到 2MB 以内?受够了 100MB+ 的套壳 App?最强 Electron 替代方案 Pake 深度测评与原理解析告别臃肿积木!用 Pake 1 分钟把任意网页变成 3MB 桌面 App(附国内极速环境包)智能票务抢票系统:突破手动抢票瓶颈的效率革命方案如何利用Path of Building PoE2高效规划流放之路2角色构建代码驱动的神经网络可视化:用PlotNeuralNet绘制专业架构图whisper.cpp CUDA加速实战指南:让语音识别效率提升6倍的技术解析Windows 11系统PicGo高效解决安装与更新全流程指南
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