Fuel Core项目中Gas价格算法的溢出风险分析与优化
2025-04-30 16:16:32作者:韦蓉瑛
在Fuel Core项目的开发过程中,我们最近对Gas价格算法进行了一项重要改进,即为DA区块添加了最终确认期(finalization period)。这项改进虽然提升了系统的安全性,但也带来了一个意料之外的问题:与模拟测试相关的成本计算功能出现了异常。
问题背景
在Fuel Core的Gas价格算法中,我们原本设计了一个名为_normalize_rewards_and_costs的函数,用于定期对奖励和成本进行归零处理,目的是防止数值溢出。这个机制在之前的版本中运行良好,但随着DA区块最终确认期的引入,成本计算的时间点发生了变化,导致模拟测试无法正确记录实际成本(actual_cost)。
技术分析
问题的核心在于时间窗口的错配:
- 最终确认期的引入意味着
actual_cost的统计被延迟 - 原有的归零函数会在不恰当的时间点重置数值
- 模拟测试无法适应这种新的时序关系
我们考虑了两种解决方案:
- 完全移除归零函数,评估是否真的存在溢出风险
- 修改模拟测试逻辑,使其适应新的时序
深入评估与决策
经过深入的技术评估,我们发现:
- u128类型的最大值约为340 undecillion(10^36)个wei单位
- 即使假设每个区块产生1 ETH的奖励(每秒一个区块)
- 需要约10万亿年才会发生溢出
基于这些计算,我们得出结论:
- 在实际应用中,数值溢出的风险几乎不存在
- 保留归零函数带来的复杂性超过了其实际价值
- 移除该函数可以简化代码并解决模拟测试的问题
实现方案
最终我们选择了移除_normalize_rewards_and_costs函数的方案,因为:
- 数值溢出的风险在现实场景中可以忽略不计
- 简化后的代码更易于维护和理解
- 不需要修改模拟测试的复杂逻辑
这项变更不仅解决了当前的问题,还使Gas价格算法的实现更加简洁高效。对于区块链系统来说,这种基于实际风险评估的简化是值得推荐的工程实践。
经验总结
这个案例给我们带来了宝贵的经验:
- 在引入新功能时,需要考虑其对现有测试框架的影响
- 安全机制的设计应该基于实际风险评估,而不是理论可能性
- 数值类型的选择需要平衡安全性和实用性
- 定期审查代码中的防御性编程,移除不必要的复杂性
通过这次优化,Fuel Core的Gas价格算法变得更加健壮和高效,为项目的持续发展奠定了更好的基础。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
225
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868