Space and Time 项目中的测试类型重构实践
2025-06-06 05:42:23作者:咎竹峻Karen
在 Space and Time 项目的 proof-of-sql 模块中,近期进行了一项重要的代码重构工作,主要针对基础目录下的测试代码进行优化。这项工作的核心目标是减少测试代码对特定加密类型的直接依赖,提高代码的通用性和可维护性。
重构背景
在 proof-of-sql 模块的 base 目录中,测试代码原本直接使用了三种特定的加密类型:Curve25519Scalar、RistrettoPoint 和 InnerProductProof。这种硬编码方式虽然直观,但带来了几个问题:
- 测试代码与具体实现耦合度过高
- 难以扩展支持新的加密算法
- 测试用例复用性差
重构方案
为了解决这些问题,开发团队决定将这些具体类型替换为通用的测试类型:
- Curve25519Scalar → TestScalar
- RistrettoPoint → NaiveCommitment
- InnerProductProof → TestEvaluationProof
这种替换策略遵循了"依赖抽象而非实现"的设计原则,使得测试代码能够更加专注于验证功能逻辑,而不是特定加密算法的实现细节。
实施策略
重构工作采用了分阶段实施的策略:
- Scalar 类型替换:首先处理所有使用 Curve25519Scalar 的测试用例
- Commitment 类型替换:接着处理 RistrettoPoint 相关的测试
- Proof 类型替换:最后处理 InnerProductProof 相关的测试
- 整体调整:进行必要的调整确保所有测试通过
这种分阶段的方式使得重构过程更加可控,也便于代码审查。
技术考量
在实施过程中,开发团队特别注意了几个关键点:
- 区分测试目的:只修改那些使用这些类型来测试其他功能的测试代码,保留那些专门测试这些类型本身的测试用例
- 类型转换处理:对于涉及类型转换的测试用例,需要谨慎处理,确保测试逻辑不受影响
- 模块化修改:采用小范围、模块化的修改方式,便于验证和回滚
重构效果
这项重构工作带来了几个显著的改进:
- 提高测试代码的通用性:测试不再依赖特定加密库的实现
- 增强可维护性:未来加密算法升级时,测试代码不需要大规模修改
- 更好的测试隔离:测试更加专注于验证业务逻辑而非加密细节
经验总结
这项重构工作为类似项目提供了宝贵的实践经验:
- 测试代码应该尽可能使用抽象类型而非具体实现
- 大规模重构应该采用分阶段、模块化的策略
- 保留专门测试具体实现的测试用例同样重要
- 清晰的提交历史和PR描述有助于团队协作和代码审查
通过这次重构,Space and Time 项目的代码质量得到了显著提升,为后续的功能开发和维护奠定了更好的基础。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0191
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 Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 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++
857
1.93 K
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++
683
1.33 K
Ascend Extension for PyTorch
Python
719
882
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
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
457
439
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
261
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
151
253
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
998
609