区块链100讲：深入了解以太坊虚拟机的汇编代码基础

Solidity提供了很多高级语言的抽象概念，但是这些特性让人很难明白在运行程序的时候到底发生了什么。我阅读了Solidity的文档，但依旧存在着几个基本的问题没有弄明白。

string, bytes32, byte[], bytes之间的区别是什么？

• 该在什么地方使用哪个类型？

• 将 string 转换成bytes时会怎么样？可以转换成byte[]吗？

• 它们的存储成本是多少？

EVM是如何存储映射( mappings)的？

• 为什么不能删除一个映射？

• 可以有映射的映射吗？(可以，但是怎样映射？)

• 为什么存在存储映射，但是却没有内存映射？

编译的合约在EVM看来是什么样子的？

• 合约是如何创建的？

• 到底什么是构造器？

• 什么是 fallback 函数？

我觉得学习在以太坊虚拟机(EVM)上运行的类似Solidity 高级语言是一种很好的投资，有几个原因：

• Solidity不是最后一种语言。更好的EVM语言正在到来。（拜托？）

• EVM是一个数据库引擎。要理解智能合约是如何以任意EVM语言来工作的，就必须要明白数据是如何被组织的，被存储的，以及如何被操作的。

• 知道如何成为贡献者。以太坊的工具链还处于早期，理解EVM可以帮助你实现一个超棒的工具给自己和其他人使用。

• 智力的挑战。EVM可以让你有个很好的理由在密码学、数据结构、编程语言设计的交集之间进行翱翔。

在这个系列的文章中，我会拆开一个简单的Solidity合约，来让大家明白它是如何以EVM字节码(bytecode)来运行的。

我希望能够学习以及会书写的文章大纲：

• EVM字节码的基础认识

• 不同类型(映射，数组)是如何表示的

• 当一个新合约创建之后会发生什么

• 当一个方法被调用时会发生什么

• ABI如何桥接不同的EVM语言

我的最终目标是整体的理解一个编译的Solidity合约。让我们从阅读一些基本的EVM字节码开始。

EVM指令集（https://link.jianshu.com/?t=https://gist.github.com/hayeah/bd37a123c02fecffbe629bf98a8391df）将是一个比较有帮助的参考。

1

一个简单的合约

我们的第一个合约有一个构造器和一个状态变量：

// c1.solpragma solidity ^0.4.11;
contract C {
   uint256 a;    function C() {
     a = 1;
   }
}

用solc来编译此合约：

$ solc --bin --asm c1.sol

 ======= c1.sol:C =======

 EVM assembly:

    /* "c1.sol":26:94  contract C {... */

  mstore(0x40, 0x60)

    /* "c1.sol":59:92  function C() {... */

  jumpi(tag_1, iszero(callvalue))

  0x0

  dup1

  revert

 tag_1:

 tag_2:

    /* "c1.sol":84:85  1 */

  0x1

    /* "c1.sol":80:81  a */

  0x0

    /* "c1.sol":80:85  a = 1 */

  dup2

  swap1

  sstore

  pop

    /* "c1.sol":59:92  function C() {... */

tag_3:

    /* "c1.sol":26:94  contract C {... */

tag_4:

  dataSize(sub_0)

  dup1

  dataOffset(sub_0)

  0x0

  codecopy

  0x0

  return

stop

 sub_0: assembly {

        /* "c1.sol":26:94  contract C {... */ 

      mstore(0x40, 0x60) 

    tag_1: 

     0x0

      dup1

      revert

 auxdata: 0xa165627a7a72305820af3193f6fd31031a0e0d2de1ad2c27352b1ce081b4f3c92b5650ca4dd542bb770029

} Binary:60606040523415600e57600080fd5b5b60016000819055505b5b60368060266000396000f30060606040525b600080fd00a165627a7a72305820af3193f6fd31031a0e0d2de1ad2c27352b1ce081b4f3c92b5650ca4dd542bb770029

6060604052…这串数字就是EVM实际运行的字节码。

2

一小步一小步地来

上面一半的编译汇编是大多数Solidity程序中都会存在的样板语句。我们稍后再来看这些。现在，我们来看看合约中独特的部分，简单的存储变量赋值：

a = 1

代表这个赋值的字节码是6001600081905550。我们把它拆成一行一条指令：

60 01
60 00
81
90
55
50

EVM本质上就是一个循环，从上到下的执行每一条命令。让我们用相应的字节码来注释汇编代码(缩进到标签tag_2下)，来更好的看看他们之间的关联：

tag_2:  // 60 01
 0x1
 // 60 00
 0x0
 // 81
 dup2  // 90
 swap1  // 55
 sstore  // 50
 pop

注意0x1在汇编代码中实际上是push(0x1)的速记。这条指令将数值1压入栈中。

只是盯着它依然很难明白到底发生了什么，不过不用担心，一行一行的模拟EVM是比较简单的。

3

模拟EVM

EVM是个堆栈机器。指令可能会使用栈上的数值作为参数，也会将值作为结果压入栈中。让我们来思考一下add操作。

假设栈上有两个值：

[1 2]

当EVM看见了add，它会将栈顶的2项相加，然后将答案压入栈中，结果是：

[3]

接下来，我们用[]符号来标识栈：

// 空栈

stack: []

// 有3个数据的栈，栈顶项为3，栈底项为1

stack: [3 2 1]

用{}符号来标识合约存储器：

// 空存储

store: {}

// 数值0x1被保存在0x0的位置上

store: { 0x0 => 0x1 }

现在让我们来看看真正的字节码。我们将会像EVM那样来模拟6001600081905550字节序列，并打印出每条指令的机器状态：

// 60 01:将1压入栈中

0x1

  stack: [0x1]

// 60 00: 将0压入栈中

0x0

  stack: [0x0 0x1]

// 81: 复制栈中的第二项

dup2

  stack: [0x1 0x0 0x1]

// 90: 交换栈顶的两项数据

swap1

  stack: [0x0 0x1 0x1]

// 55: 将数值0x01存储在0x0的位置上

// 这个操作会消耗栈顶两项数据

sstore

  stack: [0x1]

  store: { 0x0 => 0x1 }

// 50: pop (丢弃栈顶数据)

pop

  stack: [] 

  store: { 0x0 => 0x1 }

最后，栈就为空栈，而存储器里面有一项数据。

值得注意的是Solidity已经决定将状态变量uint256 a保存在0x0的位置上。其他语言完全可以选择将状态变量存储在其他的任何位置上。

6001600081905550字节序列在本质上用EVM的操作伪代码来表示就是：

// a = 1

sstore(0x0, 0x1)

仔细观察，你就会发现dup2，swap1，pop都是多余的，汇编代码可以更简单一些：

0x1
0x0
sstore

你可以模拟上面的3条指令，然后会发现他们的机器状态结果都是一样的：

stack: []
store: { 0x0 => 0x1 }

4

两个存储变量

让我们再额外的增加一个相同类型的存储变量：

// c2.solpragma solidity ^0.4.11;
contract C {
   uint256 a;
   uint256 b;    function C() {
     a = 1;
     b = 2;
   }
}

编译之后，主要来看tag_2：

$ solc --bin --asm c2.sol

//前面的代码忽略了

tag_2:

    /* "c2.sol":99:100  1 */

   0x1

    /* "c2.sol":95:96  a */

  0x0

    /* "c2.sol":95:100  a = 1 */
  dup2

  swap1

  sstore

  pop

    /* "c2.sol":112:113  2 */

  0x2

    /* "c2.sol":108:109  b */

  0x1

    /* "c2.sol":108:113  b = 2 */

  dup2

  swap1

  sstore

  pop

汇编的伪代码：

// a = 1

sstore(0x0, 0x1)//

 b = 2

sstore(0x1, 0x2)

我们可以看到两个存储变量的存储位置是依次排列的，a在0x0的位置而b在0x1的位置。

5

存储打包

每个存储槽都可以存储32个字节。如果一个变量只需要16个字节但是使用全部的32个字节会很浪费。Solidity为了高效存储，提供了一个优化方案：如果可以的话，就将两个小一点的数据类型进行打包然后存储在一个存储槽中。

我们将a和b修改成16字节的变量：

pragma solidity ^0.4.11;
contract C {
   uint128 a;
   uint128 b;    function C() {
     a = 1;
     b = 2;
   }
}

编译此合约：

$ solc --bin --asm c3.sol

产生的汇编代码现在更加的复杂一些：

tag_2:

  // a = 1

  0x1

  0x0

  dup1

  0x100

  exp

  dup2

  sload

  dup2

  0xffffffffffffffffffffffffffffffff

  mul

  not

  and

  swap1

  dup4

  0xffffffffffffffffffffffffffffffff

  and

  mul

  or

  swap1

  sstore

  pop

  // b = 2

  0x2

  0x0

  0x10

  0x100

  exp

  dup2

  sload

  dup2

  0xffffffffffffffffffffffffffffffff

  mul

  not

  and

  swap1

  dup4

  0xffffffffffffffffffffffffffffffff

  and

  mul

  or

  swap1

  sstore

  pop

上面的汇编代码将这两个变量打包放在一个存储位置(0x0)上，就像这样：

[         b         ][         a         ]
[16 bytes / 128 bits][16 bytes / 128 bits]

进行打包的原因是因为目前最昂贵的操作就是存储的使用：

• sstore指令第一次写入一个新位置需要花费20000 gas

• sstore指令后续写入一个已存在的位置需要花费5000 gas

• sload指令的成本是500 gas

• 大多数的指令成本是3~10 gas

通过使用相同的存储位置，Solidity为存储第二个变量支付5000 gas，而不是20000 gas，节约了15000 gas。

6

更多优化

应该可以将两个128位的数打包成一个数放入内存中，然后使用一个’sstore’指令进行存储操作，而不是使用两个单独的sstore命令来存储变量a和b，这样就额外的又省了5000 gas。

你可以通过添加optimize选项来让Solidity实现上面的优化：

$ solc --bin --asm --optimize c3.sol

这样产生的汇编代码只有一个sload指令和一个sstore指令:

tag_2: 

   /* "c3.sol":95:96  a */

  0x0

    /* "c3.sol":95:100  a = 1 */

  dup1

  sload

    /* "c3.sol":108:113  b = 2 */

  0x200000000000000000000000000000000

  not(sub(exp(0x2, 0x80), 0x1)) 

   /* "c3.sol":95:100  a = 1 */

  swap1

  swap2

  and

    /* "c3.sol":99:100  1 */
  0x1

    /* "c3.sol":95:100  a = 1 */

  or

  sub(exp(0x2, 0x80), 0x1)

    /* "c3.sol":108:113  b = 2 */

  and
  or

  swap1

  sstore

字节码是：

600080547002000000000000000000000000000000006001608060020a03199091166001176001608060020a0316179055

将字节码解析成一行一指令：

// push 0x0

60 00

// dup1

80

// sload

54

// push17 将下面17个字节作为一个32个字的数值压入栈中

70 02 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00

/* not(sub(exp(0x2, 0x80), 0x1)) */

// push 0x1

60 01

// push 0x80 (32)

60 80

// push 0x80 (2)

60 02

// exp

0a

// sub

03

// not

19

// swap1

90

// swap2

91

// and

16

// push 0x1

60 01

// or

17

/* sub(exp(0x2, 0x80), 0x1) */

// push 0x1

60 01

// push 0x80

60 80

// push 0x02

60 02

// exp

0a

// sub

03

// and

16

// or

17

// swap1

90

// sstore

55

上面的汇编代码中使用了4个神奇的数值：

*   0x1(16字节)，使用低16字节

// 在字节码中表示为0x01

16:32 0x00000000000000000000000000000000

00:16 0x00000000000000000000000000000001

*   0x2(16字节)，使用高16字节

//在字节码中表示为0x200000000000000000000000000000000

 16:32 0x00000000000000000000000000000002

00:16 0x00000000000000000000000000000000

*   not(sub(exp(0x2, 0x80), 0x1))

// 高16字节的掩码

16:32 0x00000000000000000000000000000000 

00:16 0xFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF

*   sub(exp(0x2, 0x80), 0x1)

// 低16字节的掩码

16:32 0x00000000000000000000000000000000 

00:16 0xFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF

代码将这些数值进行了一些位的转换来达到想要的结果：

16:32 0x00000000000000000000000000000002 

00:16 0x00000000000000000000000000000001

最后，该32字节的数值被保存在了0x0的位置上。

7

Gas的使用

600080547002000000000000000000000000000000006001608060020a03199091166001176001608060020a0316179055

注意0x200000000000000000000000000000000被嵌入到了字节码中。但是编译器也可能选择使用exp(0x2, 0x81)指令来计算数值，这会导致更短的字节码序列。

但结果是0x200000000000000000000000000000000比exp(0x2, 0x81)更便宜。让我们看看与gas费用相关的信息：

• 一笔交易的每个零字节的数据或代码费用为 4 gas

• 一笔交易的每个非零字节的数据或代码的费用为 68 gas

来计算下两个表示方式所花费的gas成本：

• 0x200000000000000000000000000000000字节码包含了很多的0，更加的便宜。
  (1 * 68) + (32 * 4) = 196

• 608160020a字节码更短，但是没有0。
  5 * 68 = 340

更长的字节码序列有很多的0，所以实际上更加的便宜！

8

总结

EVM的编译器实际上不会为字节码的大小、速度或内存高效性进行优化。相反，它会为gas的使用进行优化，这间接鼓励了计算的排序，让以太坊区块链可以更高效一点。

我们也看到了EVM一些奇特的地方：

• EVM是一个256位的机器。以32字节来处理数据是最自然的

• 持久存储是相当昂贵的

• Solidity编译器会为了减少gas的使用而做出相应的优化选择

Gas成本的设置有一点武断，也许未来会改变。当成本改变的时候，编译器也会做出不同的优化选择。

内容来源：简书

原文作者： Lilymoana

原文链接：https://www.jianshu.com/p/1969f3761208

以下是我们的社区介绍，欢迎各种合作、交流、学习：）