FuelTS 项目中合约工厂部署方法的存储槽集成问题分析
问题背景
在 FuelTS 项目中,当使用自动生成的合约工厂类(如 MyContractFactory
)进行合约部署时,存在一个关于存储槽(storage slots)集成的技术问题。存储槽是智能合约中用于持久化存储数据的关键机制,在合约部署时需要正确配置。
当前行为分析
目前系统存在三种部署方式,但表现不一致:
-
标准部署方式
使用factory.deploy()
方法时,存储槽能够被正确集成到部署过程中。 -
创建交易部署方式
使用factory.deployAsCreateTx()
方法时,存储槽不会被自动包含。 -
Blob交易部署方式
使用factory.deployAsBlobTx()
方法时,同样存在存储槽缺失的问题。
这种不一致性会导致开发者在使用不同部署方法时遇到意外的行为差异,特别是当合约依赖初始化存储状态时。
技术原因探究
问题的根源在于类型生成(typegen)系统对合约工厂类的实现方式。目前只有标准的 deploy
方法被特殊处理以包含存储槽信息,而其他两种部署方法则直接继承了基础 ContractFactory
类的默认实现,没有集成存储槽逻辑。
解决方案比较
项目团队提出了两种可能的解决方案:
方案一:方法级别重写
在类型生成的合约工厂类中,显式重写所有部署方法(deployAsCreateTx
和 deployAsBlobTx
),就像目前对 deploy
方法所做的那样。
优点:
- 实现直接明确
- 与现有模式一致
缺点:
- 需要在多个地方重复相似逻辑
- 增加类型生成系统的复杂性
方案二:属性集中管理
在基础 ContractFactory
类中引入一个受保护属性 _deployOptions
,由派生类(如类型生成的工厂类)覆盖此属性来提供默认部署选项。所有部署方法都会自动合并这些选项。
优点:
- 逻辑集中,减少重复
- 更符合面向对象设计原则
- 易于扩展新的部署选项
缺点:
- 需要修改基础类结构
- 改变现有设计模式
推荐实现方案
基于软件工程的最佳实践,方案二更为优雅和可维护。它通过以下方式改进系统设计:
- 在基础
ContractFactory
类中:
protected _deployOptions: DeployContractOptions = {};
private getDeployOptions(deployOptions) {
return mergeDeepRight(this._deployOptions, deployOptions);
}
- 所有部署方法统一使用合并后的选项:
async deploy(deployOptions) {
const options = this.getDeployOptions(deployOptions);
// 部署逻辑...
}
- 在生成的工厂类中简单覆盖默认选项:
export class MyContractFactory extends ContractFactory {
protected _deployOptions: DeployContractOptions = {
storageSlots: MyContract.storageSlots
};
}
这种设计不仅解决了当前问题,还为未来可能的部署选项扩展提供了良好的框架。
对开发者的影响
采用方案二后,开发者将获得以下好处:
- 所有部署方法行为一致
- 无需关心底层存储槽集成细节
- 统一的选项合并机制
- 清晰的扩展点用于自定义部署行为
总结
FuelTS 项目中合约工厂的存储槽集成问题揭示了类型生成系统与基础架构之间需要更好的协调。通过采用集中式的部署选项管理方案,不仅可以解决当前问题,还能为系统未来的演进奠定更坚实的基础。这种改进体现了良好的软件设计原则,包括DRY(不要重复自己)原则和开闭原则(对扩展开放,对修改关闭)。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~028CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava02GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- QQwen3-Coder-480B-A35B-InstructQwen3-Coder-480B-A35B-Instruct是当前最强大的开源代码模型之一,专为智能编程与工具调用设计。它拥有4800亿参数,支持256K长上下文,并可扩展至1M,特别擅长处理复杂代码库任务。模型在智能编码、浏览器操作等任务上表现卓越,性能媲美Claude Sonnet。支持多种平台工具调用,内置优化的函数调用格式,能高效完成代码生成与逻辑推理。推荐搭配温度0.7、top_p 0.8等参数使用,单次输出最高支持65536个token。无论是快速排序算法实现,还是数学工具链集成,都能流畅执行,为开发者提供接近人类水平的编程辅助体验。【此简介由AI生成】Python00
openHiTLS
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!C0265- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









