Foundry项目中setUp与测试函数间存储状态不一致问题分析
2025-05-26 23:11:32作者:宣聪麟
问题现象
在Foundry测试框架中,当开发者使用setArbitraryStorage作弊码结合store操作时,可能会遇到一个特殊现象:在setUp函数中成功设置为0的存储槽值,在测试函数执行时却恢复为随机值。而当设置为非零值时,则能保持预期状态。
技术背景
Foundry测试框架提供了setArbitraryStorage作弊码,用于将合约存储设置为随机值。这一特性在模糊测试中特别有用,可以模拟合约存储的各种可能状态。同时,store作弊码允许直接修改特定存储槽的值。
问题复现
通过以下测试合约可以复现该问题:
pragma solidity ^0.8.25;
import "../lib/forge-std/src/Test.sol";
contract StorageContract {
uint256 public value;
}
contract ArbitraryStorageTest is Test {
uint256 constant DEFAULT_VALUE = 0;
StorageContract target;
function setUp() public {
target = new StorageContract();
vm.setArbitraryStorage(address(target));
bytes32 valueSlot = bytes32(uint256(0));
vm.store(address(target), valueSlot, bytes32(DEFAULT_VALUE));
emit log_named_uint("value in setUp", target.value());
}
function test_stored_value() public {
emit log_named_uint("value in test", target.value());
assertEq(target.value(), DEFAULT_VALUE);
}
}
当DEFAULT_VALUE为0时,测试会失败,日志显示:
value in setUp: 0
value in test: 36440280036344177981963967840477496355477405577495123809133350823800994840471
而当DEFAULT_VALUE改为1时,测试则能通过。
原因分析
Foundry内部处理存储状态时有一个特殊机制:当存储处于"冷"状态(即未被访问过)且值为0时,系统会生成一个随机值。由于setUp和测试函数在不同的交易中执行,在测试函数中访问存储时,系统会认为存储是"冷"的,如果值为0就会重新生成随机值。而当值为非零时,系统能够识别出该值已被修改过,因此不会覆盖。
解决方案
针对这一问题,开发者可以采用以下两种解决方案:
- 将存储设置逻辑移至测试函数内部:
function _setMyTest() internal {
target = new StorageContract();
vm.setArbitraryStorage(address(target));
vm.store(address(target), bytes32(uint256(0)), bytes32(DEFAULT_VALUE));
}
function test_stored_value() public {
_setMyTest();
assertEq(target.value(), DEFAULT_VALUE);
}
- 使用非零初始值:如果业务逻辑允许,可以考虑使用非零值作为初始状态,这样可以避免存储被重新随机化。
最佳实践建议
-
对于需要精确控制存储状态的测试,建议直接在测试函数中设置存储,而不是依赖
setUp函数。 -
当确实需要在
setUp中设置存储状态时,考虑使用非零值作为标记,或者确保在测试函数中重新确认存储状态。 -
理解Foundry的存储模拟机制对于编写可靠的测试非常重要,特别是在涉及存储状态变化的复杂场景中。
通过理解这一机制,开发者可以更好地利用Foundry的存储操作功能,编写出更加健壮和可靠的智能合约测试用例。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
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
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
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++
941
868
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
394
292
暂无简介
Dart
911
219
🎉 (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
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557