Hardhat项目中的事件重载测试问题解析
2025-05-29 11:55:55作者:劳婵绚Shirley
事件重载在Solidity中的表现
在Solidity智能合约开发中,事件重载是一个常见的模式。当子合约继承父合约时,可能会出现同名事件但参数不同的情况。这种设计模式在Solidity中是合法的,但在测试环节却可能带来一些挑战。
问题现象
当使用Hardhat的Chai匹配器进行事件测试时,如果合约中存在重载事件,直接使用事件名称进行匹配会导致测试失败。例如,有以下合约结构:
contract Bar {
event MyEvent(string);
}
contract Foo is Bar {
event MyEvent(uint);
function f() public {
emit MyEvent(3);
}
}
在测试脚本中,如果简单地使用:
await expect(foo.f()).to.emit(foo, "MyEvent")
测试将会失败,提示找不到对应的事件。
问题根源
这个问题的根本原因在于Hardhat的Chai匹配器在查找事件时,默认只使用事件名称进行匹配,而没有考虑参数类型的差异。当存在重载事件时,这种简单的匹配方式就无法准确识别具体是哪个事件被触发。
解决方案
对于重载事件的测试,正确的做法是在匹配时指定完整的事件签名,包括参数类型:
await expect(foo.f()).to.emit(foo, "MyEvent(uint)")
这种写法明确指定了要匹配的事件版本,使得测试能够准确识别被触发的事件。
技术实现原理
在底层实现上,Hardhat的Chai匹配器通过合约的ABI来识别事件。当存在重载事件时:
- 合约的ABI中会包含多个同名但参数不同的事件定义
- 简单的事件名称匹配无法区分这些重载事件
- 完整的事件签名(包括参数类型)提供了足够的区分度
最佳实践建议
- 明确事件签名:在测试重载事件时,总是使用完整的事件签名
- 保持一致性:在合约设计和测试编写中保持一致的命名和参数类型
- 文档注释:为重载事件添加详细的注释,说明不同版本的区别
- 测试覆盖率:确保测试覆盖所有重载事件版本
总结
Hardhat项目中的这个特性提醒我们,在智能合约测试中需要特别注意事件重载的情况。通过使用完整的事件签名,我们可以确保测试的准确性和可靠性。理解这一机制不仅有助于解决测试问题,也能加深对Solidity事件系统和ABI的理解。
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 StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python07
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
767
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
866
1.95 K
Ascend Extension for PyTorch
Python
725
897
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.35 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
458
454
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++
1.09 K
1.12 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
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
152
238
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
629
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425