Foundry项目中重复合约名称导致构建大小显示不全的问题分析
2025-05-26 09:49:23作者:尤峻淳Whitney
问题背景
在使用Foundry工具链进行智能合约开发时,开发者经常会使用forge build --sizes命令来查看合约的编译大小信息。这个功能对于优化合约大小、确保不超过区块链平台的部署限制非常重要。然而,当项目中存在多个同名合约时,该命令的输出会出现显示不全的问题。
问题现象
在Foundry 1.0.0-nightly版本中,当项目代码库包含多个名称相同的合约时,forge build --sizes命令只会显示其中一个合约的大小信息,而其他同名合约则会被忽略。这种情况会给开发者带来困扰,特别是当需要比较不同实现但名称相同的合约大小时。
技术分析
这个问题本质上是一个显示逻辑的缺陷。在正常的Foundry构建流程中:
- 编译器会正确处理所有合约,包括同名合约
- 构建系统会为每个合约生成独立的字节码和ABI
- 但在汇总显示合约大小时,使用了合约名称作为唯一键,导致同名合约被覆盖
从技术实现角度看,这可能是由于:
- 大小统计模块使用了简单的哈希表来存储结果,键为合约名称
- 当遇到同名合约时,后续合约会覆盖前一个合约的统计结果
- 没有考虑合约路径或其他唯一标识符来区分同名合约
影响范围
这个问题会影响以下开发场景:
- 使用相同名称但不同实现的合约(如不同版本的升级合约)
- 在测试中使用与主合约同名的Mock合约
- 任何包含重复合约名称的项目结构
解决方案
虽然issue中已经标记为已修复,但从技术角度,这类问题的典型解决方案包括:
- 使用合约全路径(包括源文件路径)作为唯一标识符
- 在显示时添加源文件路径信息以区分同名合约
- 提供更详细的输出选项,允许用户选择显示方式
最佳实践
为避免类似问题,开发者可以:
- 尽量避免使用完全相同的合约名称
- 使用命名空间或前缀区分相似功能的合约
- 定期更新Foundry工具链以获取最新修复
- 对于关键合约,手动验证其实际编译大小
总结
Foundry作为强大的智能合约开发工具链,其forge build --sizes功能对于合约优化至关重要。这个问题的发现和修复体现了开源社区对工具质量的持续改进。开发者在使用过程中应当注意这类边界情况,并在遇到异常时及时反馈,共同完善工具生态。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217