区块链研究实验室｜在内存中影射Solidity存储变量

本文讨论了使用以太坊区块链的智能合约语言中的memory对Solidity的storage变量进行影射处理技术。

在Datona Labs的Solidity智能数据访问合同（S-DAC）模板的开发和测试过程中，我们需要对一些持久数据进行排序，例如：

import"DiSort.sol";contractSDAC100is...{uint[]fileKeys;functionsortFileKeys()internal{DiSort.quickSort(fileKeys);}//...

Solidity具有2个数据位置，即storage和memory。storage在多个智能合约调用之间是持久的，而memory是暂时的，只存在于每个调用中。第三个数据位置称为calldata，实际上与memory相同。

上面代码片段中的数组必须在多个协定调用之间是持久的，因此它必须驻留在storage中。

但是访问storage比memory消耗更多的气体，因此访问数据的算法都将非常昂贵。

任何一种传统的排序算法，如插入排序或快速排序，都需要大量的数据访问来进行元素比较和交换。非比较排序（如Counting_sort）可节省元素比较和交换的时间，但仅适用于已知的小范围数字。

必须重写排序算法，以便找到正确的数据位置，例如：

functionquickSort(uint[]storagedata)internal{//...

影射数据

减少耗气量是将持久性存储阵列复制到memory（影射原始数据），执行排序，然后再次将阵列复制回。

functionsortFileKeys()internal{uint[]memoryshadow=fileKeys;DiSort.quickSort(shadow);fileKeys=shadow;}

此函数消耗气体以便在数据位置之间复制阵列，但与排序成本相比，这是否微不足道？

让我们测量一些示例数据来找出答案。

我们将在storage和影射memory数据位置中测量不同的排序算法。元素值将使用伪随机数生成器生成，该生成器生成一个确定的值序列。

结果

运行所有合约并将数据整理到电子表格中以产生以下结果。

请注意，计数排序比存储中的快速排序和插入排序要快得多（图1）。

请注意，从storage复制到memory（S => M）并再次返回（M => S）的成本占了天然气的消耗量（图2）。

显示了组合曲线以进行比较（图3）。

计数排序在storage方面几乎与影射memory一样快（图3）。那是因为它跳过了所有昂贵的元素比较和交换。不幸的是，计数排序仅适用于元素值在较小已知范围内的情况。

另外，尽管由于在不同数据位置（图2中的S=>M和M=>S）之间复制阵列而导致额外的气体消耗，但使用影射memory的比较排序（此处的快速排序和插入排序）的气体消耗是使用storage的6倍（图3）。

顺便说一句，如果在调用排序例程之前数据可能处于排序状态，则只有在数据已更改的情况下，才将数组从内存复制回存储区将是有益的。

functionsortFileKeys()internal{uint[]memoryshadow=fileKeys;if(DiSort.quickSort(shadow))//ifdatahaschangedfileKeys=shadow;}

在这种情况下，排序例程将需要修改以指示数据是否已更改。

结论

在Solidity的存储数据位置使用排序非常昂贵，因此始终值得将数据影射在内存数据位置并在那里进行排序。

使用影射技术也可以使执行许多数据访问的其他算法受益。

至于排序算法，请使用“快速排序”或“插入排序”。后者是一种更简单的算法，因此产生的字节码更少。

------------------------------------------

原文作者：Julian Goddard

原文链接：https://medium.com/coinmonks/shadowing-solidity-storage-variables-in-memory-b56f471edd81

译者：链三丰

本文来源：陀螺财经
原文标题：区块链研究实验室｜在内存中影射Solidity存储变量

—-

编译者/作者：陀螺财经

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。