百度360必应搜狗淘宝本站头条
当前位置:网站首页 > IT知识 > 正文

WEB3系列教程之入门篇——5. 以太坊虚拟机(EVM)

liuian 2025-03-01 14:38 6 浏览

以太坊网络的存在仅仅是为了保持状态机(即以太坊区块链)的单一、连续、不间断和不可变的操作。它是所有以太坊账户、智能合约和数据所在的环境。在任何给定的区块中,以太坊都有一个也是唯一一个全球公认的“状态”。以太坊虚拟机 (EVM) 定义了从块到块计算新的有效状态的规则。

先决条件

理解 EVM 需要对字节[1]内存[2]堆栈[3]有一些基本的了解。

熟悉一些密码学(如散列函数[4])也可能会有所帮助。

以太坊作为状态机

像比特币这样的区块链通常被描述为“分布式账本”,它使用密码学的基本工具来实现去中心化货币的存在。

加密货币的行为可以像“正常”货币一样,因为规则规定了人们可以做什么和不可以做什么来修改这个分类帐。例如,一个比特币地址不能花费比它之前收到的更多的比特币。这些规则支持在比特币以及类似的其他区块链上发生的所有交易。

虽然以太坊也有其原生加密货币以太币,但它还支持我们已经看到的更强大的功能——智能合约。对于这个更复杂的功能,我们需要一个比“分布式账本”更强大的类比。

以太坊可以描述为分布式状态机[5],而不是分布式账本。状态机本质上是可以响应某些输入而从一种状态变为另一种状态的任何机器。

简单的状态机是一种投币式旋转门[6],常见于地铁或火车站,用于防止人们进入,除非他们使用硬币支付或有票。

旋转门的初始状态是锁定的。在锁定状态下,如果你继续推动它,它会保持锁定状态。如果您插入硬币,它会进入解锁状态。如果您继续插入硬币,它会保持解锁状态。一旦您进入解锁状态(有人通过),它就会再次锁定。

对于以太坊来说,状态要复杂得多。它使用包含区块链所有状态的大型数据结构来描述。状态如何从一个块到另一个块的变化的具体规则由 EVM 定义。

以太坊状态转换

在高层次上,EVM 的行为类似于数学状态转换函数。给定当前状态和一组新的有效交易,它会产生一个新状态。输出是确定性的,这意味着对于相同的输入,它总是会产生相同的输出。

Y(S, T) = S'

给定旧的有效状态S和一组新的有效交易T,状态转换函数Y产生新的有效状态S

以太坊中的状态存储为一个非常大的数据结构,称为Merkle Patricia Trie。您不需要确切了解它的结构,但如果您愿意,可以阅读给定的链接。

EVM层

EVM 作为以太坊软件堆栈中的一个层存在。

以太坊节点包含 EVM 的实现,然后 EVM 可以在其上执行 EVM 代码。EVM 代码是编译后的可以执行的智能合约字节码。

EVM 代码生成

EVM 指令(操作码)

EVM 本身就像一个堆栈机器[7],堆栈上的最大深度为 1024 个项目。堆栈中的每一项都是一个 256 位(32 字节)的字。

在执行期间,EVM 维护一个临时内存,作为一个 32 字节寻址的字节数组,它不会在事务之间持续存在。执行新事务时清除瞬态内存。

然而,智能合约确实在区块链中维护自己的状态。该状态也被建模为Merkle Patricia Trie[8]。这通常被称为事务执行期间的 EVM存储。

EVM 具有允许其执行EVM Opcodes[9]的逻辑,这些操作码在堆栈上执行标准操作,例如、 、 、XOR等ADD。EVMAND还实现了许多区块链特定的堆栈操作,例如和。SUBMULBALANCEBLOCKHASH

当智能合约被编译成字节码(以十六进制表示)时,它会编译成 EVM 操作码。这些操作码是在 EVM 上执行的。

EVM 实现

EVM 的所有实现都必须遵守以太坊黄皮书[10]中描述的规范。在以太坊的历史上,EVM 经历了多次修订,现在存在多种编程语言的 EVM 实现。

所有以太坊客户端都包含一个 EVM 实现。除此之外,还有多个独立的实现。

Ethereum 客户端 (with EVM)

  • ? Geth[11] | Programming Language = Go
  • ? OpenEthereum[12] | Programming Language = Rust
  • ? Nethermind[13] | Programming Language = C# (.NET)
  • ? Besu[14] | Programming Language = Java
  • ? Erigon[15] | Programming Language = Go

独立的EVM实现

  • ? Py-EVM [16]| Programming Language = Python
  • ? evmone[17] | Programming Language = C++
  • ? ethereumjs-evm[18] | Programming Language = Javascript
  • ? Enclave EVM[19] | Programming Language = C++

资料

以下是推荐的,但可选择的阅读/观看内容,以了解更多关于EVM的信息。

  • ? Ethereum EVM: Illustrated[20]
  • ? EVM Opcodes[21]
  • ? Ethereum Yellowpaper[22]
  • ? Understanding EVM[23]
  • ? Merkle Patricia Trie[24]

引用链接

[1] 字节: https://en.wikipedia.org/wiki/Byte
[2] 内存:
https://en.wikipedia.org/wiki/Computer_memory
[3] 堆栈:
https://en.wikipedia.org/wiki/Stack_(abstract_data_type)
[4] 散列函数:
https://en.wikipedia.org/wiki/Cryptographic_hash_function
[5] 状态机:
https://en.wikipedia.org/wiki/Finite-state_machine
[6] 旋转门:
https://i.imgur.com/Uh7m6jN.png
[7] 堆栈机器:
https://en.wikipedia.org/wiki/Stack_machine
[8] Merkle Patricia Trie:
https://eth.wiki/en/fundamentals/patricia-tree
[9] EVM Opcodes:
https://ethereum.org/en/developers/docs/evm/opcodes/
[10] 以太坊黄皮书:
https://ethereum.github.io/yellowpaper/paper.pdf


[11] Geth:
https://geth.ethereum.org/
[12] OpenEthereum:
https://github.com/openethereum/openethereum
[13] Nethermind:
https://nethermind.io/
[14] Besu:
https://consensys.net/quorum/developers/
[15] Erigon:
https://github.com/ledgerwatch/erigon
[16] Py-EVM :
https://github.com/ethereum/py-evm
[17] evmone:
https://github.com/ethereum/evmone
[18] ethereumjs-evm:
https://github.com/ethereumjs/ethereumjs-monorepo
[19] Enclave EVM:
https://github.com/microsoft/eevm
[20] Ethereum EVM: Illustrated:
https://takenobu-hs.github.io/downloads/ethereum_evm_illustrated.pdf


[21] EVM Opcodes:
https://www.ethervm.io/
[22] Ethereum Yellowpaper:
https://ethereum.github.io/yellowpaper/paper.pdf
[23] Understanding EVM:
https://www.youtube.com/watch?v=RxL_1AfV7N4
[24] Merkle Patricia Trie:
https://www.youtube.com/watch?v=OxofT39TJgg

相关推荐

GANs为何引爆机器学习?这篇基于TensorFlow的实例教程为你解惑!

「机器人圈导览」:生成对抗网络无疑是机器学习领域近三年来最火爆的研究领域,相关论文层出不求,各种领域的应用层出不穷。那么,GAN到底如何实践?本文编译自Medium,该文作者以一朵玫瑰花为例,详细阐...

高丽大学等机构联合发布StarGAN:可自定义表情和面部特征

原文来源:arXiv、GitHub作者:YunjeyChoi、MinjeChoi、MunyoungKim、Jung-WooHa、SungKim、JaegulChoo「雷克世界」编译:嗯~...

TensorFlow和PyTorch相继发布最新版,有何变化

原文来源:GitHub「机器人圈」编译:嗯~阿童木呀、多啦A亮Tensorflow主要特征和改进在Tensorflow库中添加封装评估量。所添加的评估量列表如下:1.深度神经网络分类器(DNNCl...

「2022 年」崔庆才 Python3 爬虫教程 - 深度学习识别滑动验证码缺口

上一节我们使用OpenCV识别了图形验证码躯壳欧。这时候就有朋友可能会说了,现在深度学习不是对图像识别很准吗?那深度学习可以用在识别滑动验证码缺口位置吗?当然也是可以的,本节我们就来了解下使用深度...

20K star!搞定 LLM 微调的开源利器

LLM(大语言模型)微调一直都是老大难问题,不仅因为微调需要大量的计算资源,而且微调的方法也很多,要去尝试每种方法的效果,需要安装大量的第三方库和依赖,甚至要接入一些框架,可能在还没开始微调就已经因为...

大模型DeepSeek本地部署后如何进行自定义调整?

1.理解模型架构a)查看深度求索官方文档或提供的源代码文件,了解模型的结构、输入输出格式以及支持的功能。模型是否为预训练权重?如果是,可以在预训练的基础上进行微调(Fine-tuning)。是否需要...

因配置不当,约5000个AI模型与数据集在公网暴露

除了可访问机器学习模型外,暴露的数据还可能包括训练数据集、超参数,甚至是用于构建模型的原始数据。前情回顾·人工智能安全动态向ChatGPT植入恶意“长期记忆”,持续窃取用户输入数据多模态大语言模型的致...

基于pytorch的深度学习人员重识别

基于pytorch的深度学习人员重识别Torchreid是一个库。基于pytorch的深度学习人员重识别。特点:支持多GPU训练支持图像的人员重识别与视频的人员重识别端到端的训练与评估简单的re...

DeepSeek本地部署:轻松训练你的AI模型

引言:为什么选择本地部署?在AI技术飞速发展的今天,越来越多的企业和个人希望将AI技术应用于实际场景中。然而,对于一些对数据隐私和计算资源有特殊需求的用户来说,云端部署可能并不是最佳选择。此时,本地部...

谷歌今天又开源了,这次是Sketch-RNN

前不久,谷歌公布了一项最新技术,可以教机器画画。今天,谷歌开源了代码。在我们研究其代码之前,首先先按要求设置Magenta环境。(https://github.com/tensorflow/magen...

Tensorflow 使用预训练模型训练的完整流程

前面已经介绍了深度学习框架Tensorflow的图像的标注和训练数据的准备工作,本文介绍一下使用预训练模型完成训练并导出训练的模型。1.选择预训练模型1.1下载预训练模型首先需要在Tensorf...

30天大模型调优学习计划(30分钟训练大模型)

30天大模型调优学习计划,结合Unsloth和Lora进行大模型微调,掌握大模型基础知识和调优方法,熟练应用。第1周:基础入门目标:了解大模型基础并熟悉Unsloth等工具的基本使用。Day1:大模...

python爬取喜马拉雅音频,json参数解析

一.抓包分析json,获取加密方式1.抓包获取音频界面f12打开抓包工具,播放一个(非vip)视频,点击“媒体”单击打开可以复制URL,发现就是我们要的音频。复制“CKwRIJEEXn-cABa0Tg...

五、JSONPath使用(Python)(json数据python)

1.安装方法pipinstalljsonpath2.jsonpath与Xpath下面表格是jsonpath语法与Xpath的完整概述和比较。Xpathjsonpath概述/$根节点.@当前节点...

Python网络爬虫的时候json=就是让你少写个json.dumps()

大家好,我是皮皮。一、前言前几天在Python白银交流群【空翼】问了一个Python网络爬虫的问题,提问截图如下:登录请求地址是这个:二、实现过程这里【甯同学】给了一个提示,如下所示:估计很多小伙伴和...