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
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust016
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
518
630
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
🎉 (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
1.57 K
910
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++
947
888
暂无简介
Dart
922
228
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
399
303
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
634
217
openGauss kernel ~ openGauss is an open source relational database management system
C++
183
260