Plutus项目中的goldenBudget测试改进:整合执行单元与脚本大小信息
2025-07-10 17:07:59作者:秋泉律Samson
背景介绍
在Plutus智能合约开发中,性能评估是至关重要的环节。Plutus项目目前使用两种独立的测试方法来评估合约性能:goldenBudget测试和goldenSize测试。goldenBudget测试专注于记录合约执行时的计算资源消耗(CPU和内存),而goldenSize测试则专门测量编译后脚本的字节大小。
当前问题分析
现有的测试体系存在一个明显的不足:这两种测试是分离的。当开发者修改编译器或调整脚本时,他们需要同时运行两种测试才能全面了解变更对性能的影响。这不仅增加了测试的复杂性,也容易导致开发者遗漏某些关键指标。
goldenBudget测试生成的示例文件仅包含执行单元信息,而goldenSize测试则单独提供脚本大小数据。这种分离在实际开发中带来了不便,因为几乎所有的性能优化都需要同时考虑执行成本和脚本大小两个维度。
改进方案
建议对goldenBudget测试进行扩展,使其能够同时输出执行单元信息和脚本大小。这种整合将带来以下优势:
- 一站式性能评估:开发者通过单一测试即可获取全面的性能数据
- 减少测试冗余:避免重复运行相似的测试用例
- 提高开发效率:变更影响一目了然,无需交叉比对多个测试结果
值得注意的是,goldenSize测试仍应保留其独立存在价值。对于某些特殊情况,如无参数的非可执行脚本函数,开发者可能仅关心脚本大小而不需要执行单元数据。
技术实现考量
实现这一改进需要考虑几个技术细节:
- 数据格式兼容性:需要在现有goldenBudget输出格式中优雅地加入大小信息
- 测试框架扩展:修改测试框架以同时收集两种性能指标
- 向后兼容:确保现有测试用例和自动化流程不受影响
预期收益
这项改进虽然看似简单,但对Plutus开发流程将产生积极影响:
- 更全面的性能监控:开发者可以更全面地了解代码变更的影响
- 更高效的开发流程:减少测试运行次数和结果分析时间
- 更好的决策支持:执行成本和脚本大小的关联分析有助于做出更明智的优化决策
总结
在Plutus智能合约开发中,执行成本和脚本大小是衡量合约质量的两个关键指标。将这两个指标整合到goldenBudget测试中,不仅符合实际开发需求,也能提升整体开发体验。这一改进体现了"开发者体验优先"的思想,通过优化工具链来支持更高效的智能合约开发实践。
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
182
196
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
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
274
94
暂无简介
Dart
623
140
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
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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