Solidity编译器性能优化:避免不必要的EVM JSON输出生成
2025-05-08 14:27:59作者:乔或婵
在Solidity编译器的最新开发过程中,开发者发现了一个影响编译性能的重要问题:即使没有明确请求某些EVM相关的JSON输出字段,编译器仍然会在内部生成这些数据,导致不必要的资源消耗。
问题背景
Solidity编译器在生成合约编译结果时,会根据用户指定的outputSelection配置来决定输出哪些内容。然而,在实际运行中发现,即使配置中只请求了部分EVM相关字段(如evm.bytecode.object),编译器仍然会完整生成包括generatedSources在内的所有EVM输出数据,然后再根据配置进行过滤。
这个问题在大型项目编译时尤为明显。例如在Foundry项目中,当开发者优化了outputSelection配置,仅保留必要的字段后,编译时间得到了显著改善。但进一步分析发现,编译器仍在后台生成那些被排除的字段数据,造成了资源浪费。
技术细节分析
问题的根源在于编译器的实现逻辑:
- 在
StandardCompiler组件中,当检测到任何evm.bytecode*输出请求时,会立即生成完整的EVM对象数据 - 这包括
generatedSources、sourceMap等可能并不需要的字段 - 生成完成后,再根据具体的
outputSelection配置进行过滤,丢弃不需要的字段
这种"先生成后过滤"的方式导致了不必要的计算开销,特别是对于generatedSources这样可能包含大量数据的字段。
性能影响
通过性能分析工具可以观察到:
- 在典型项目中,
generatedSources的生成过程可能占用总编译时间的4%左右 - 对于大型项目或包含复杂内联汇编的合约,这个比例会更高
- 当编译多个合约时,这种开销会被放大
解决方案与优化方向
理想的解决方案是改为"按需生成"模式:
- 解析
outputSelection配置时,精确识别实际需要的字段 - 只生成那些明确请求的EVM输出数据
- 对于未请求的字段,完全跳过相关计算过程
这种优化需要重构编译器的部分输出生成逻辑,特别是StandardCompiler与底层CompilerStack的交互方式。
对开发者的建议
虽然这个问题将在编译器层面解决,但开发者仍可以通过以下方式优化编译性能:
- 仔细配置
outputSelection,只包含实际需要的字段 - 避免请求不必要的大型数据字段(如
generatedSources) - 关注编译器更新,及时获取性能优化版本
总结
Solidity编译器的这一性能问题揭示了编译器内部实现细节对整体效率的重要影响。通过优化输出生成逻辑,可以显著减少不必要的计算开销,特别是在处理大型项目时。这也提醒我们,在编译器开发中,除了功能正确性外,资源使用效率同样值得关注。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
617
795
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++
1.01 K
1.01 K
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
433
395
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
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.18 K
152
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
403
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989