跟踪 sBPF 指令执行和计算成本

追踪 SBF 指令执行和计算成本

在上一篇文章中，我们介绍了 sBPF 虚拟机架构、寄存器约定和指令集。现在，我们将使用 agave-ledger-tool（Solana 工具链中附带的 CLI 工具）来分析实际的字节码执行，生成执行跟踪并手动计算程序消耗的计算单元。

尽管手动跟踪操作码具有挑战性，但我们可以自动生成一个可视化跟踪，显示每个寄存器如何随着每次操作码执行而更新。这使我们能够准确地看到哪些指令运行以及计算单元如何累积。

分析一个简单程序

让我们分析一个简单的 Anchor 程序的字节码，看看每个部分如何转换为 SBF 指令以及它们如何使用寄存器。这还将使我们能够手动计算计算单元成本。

项目设置

首先，使用以下命令初始化一个新项目：

Copyanchor init compute_unit
cd compute_unit

将 programs/compute_unit/src/lib.rs 中的代码替换为下面的最小程序。我们使用一个空的 initialize 函数，以便我们可以专注于测量基线计算成本，而不包含任何业务逻辑：

Copyuse anchor_lang::prelude::*;

declare_id!("CR33kP6d39mBZv1ryjufVXoRm6djnWW8uKoQXwU5kgDV");

##[program]
pub mod compute_unit {
    use super::*;

    pub fn initialize(ctx: Context<Initialize>) -> Result<()> {
        Ok(())
    }
}

##[derive(Accounts)]
pub struct Initialize {}

我们将在本地验证器上运行 initialize 函数（我们将在后续看到如何操作），并使用 solana logs 来查看它消耗的计算单元。然后我们将反汇编程序并生成执行跟踪以观察哪些 SBF 操作码运行。通过这样做，我们可以手动计算每条指令如何累加到总计算单元成本。

构建并启动一个本地验证器：

Copyanchor keys sync
anchor build

然后在一个新的终端中：

Copysolana-test-validator

这会启动一个本地验证器并创建一个 test-ledger/ 目录——agave-ledger-tool 使用此目录在生成程序跟踪时加载账本状态。

在另一个终端中运行 solana logs，然后在单独的终端中运行 anchor test --skip-local-validator，以准确查看 initialize 函数使用了多少计算单元。如果我们这样做，我们会得到 272 个计算单元。我们稍后会回到这一点。

反汇编程序

Solana 字节码分析的第一步是将可执行的 Solana 程序二进制文件（通常存储在 target/deploy/<project_name>.so 文件中）转换为我们可以更好地理解的字节码助记符。助记符只是二进制/十六进制操作码的人类可读表示，例如，对于 EVM，0x60 = PUSH1，0x52 = MSTORE 等。

我们需要项目根目录中包含 genesis.bin 文件的 test-ledger 文件夹。我们之抢跑的 solana-test-validator 会自动生成这些文件。agave-ledger-tool（Solana 工具链的一部分）使用此文件在反汇编程序时加载账本状态。

我们现在可以使用以下命令反汇编我们的程序：

Copyagave-ledger-tool program --ledger test-ledger disassemble target/deploy/compute_unit.so --output json > output.txt

这会将汇编助记符转储到 output.txt。你会看到类似这样的内容：

Copyfunction_0:
    mov64 r0, r2
    and64 r0, 1
    jeq r0, 0, lbb_32
    mov64 r0, 0
    jslt r5, 0, lbb_34
    stxdw [r10-0x8], r3
    jeq r5, 0, lbb_41
    ...
    ...

像 function_0: 这样的标签是字节码中的跳转目标，其他指令可以使用 call 指令跳转到这些目标。Rust 函数会编译成一系列指令，编译器会生成这些标签来标记函数入口或内部代码块。所以当你看到 call function_11561 这样的内容时，执行会跳转到字节码中的该偏移量并运行那里的指令。

这是我们的 Solana 程序的助记符。然而，我们无法用它做太多事情，它非常庞大且手动分析极其困难。

生成执行跟踪

要生成跟踪，我们需要告诉 agave-ledger-tool 调用我们程序中的哪个函数。我们通过创建一个 instructions.json 文件来做到这一点，我们很快就会看到如何将其传递给工具。

现在，在我们的项目根文件夹中创建一个 instructions.json 文件并粘贴以下代码：

Copy{
  "accounts": [],
  "program_id": <program_id>,
  "instruction_data": [175, 175, 109, 31, 13, 152, 155, 237]
}

上述参数表示：accounts 列表（此处为空，因为我们的 initialize 函数不带任何账户），要调用的 program_id（将 <program_id> 替换为你的真实程序 ID），以及指令数据。

instruction_data 字段仅包含 initialize 函数的 8 字节判别符（没有额外的参数，因为我们的函数不带任何参数）。Anchor 通过获取 sha256("<namespace>:<function_name>") 的前 8 字节来生成这些判别符。在我们的例子中，那是 sha256("global:initialize")。命名空间是 global，因为我们的程序包含在代码库的最外层作用域中。

现在让我们生成跟踪：

Copyagave-ledger-tool program run target/deploy/compute_unit.so --limit 200000 --trace trace.txt --ledger test-ledger --input instructions.json

这会使用我们的指令数据（initialize 函数）运行程序，并将执行跟踪输出到 trace.txt.0。--limit 标志设置了计算单元限制。它不是必需的，但对于测试很有用。

注意：如果出现错误 Err(JitNotCompiled)（例如，在使用 ARM MacBook 时），请将 --mode interpreter 添加到命令中，以使用解释器模式而不是默认的 JIT 编译模式。

阅读执行跟踪

trace.txt.0 文件看起来像这样。我们为了清晰起见标记了每个部分，并且只显示了前 6 条指令：

这为我们提供了足够的信息来分析和理解程序及其消耗的计算单元。

让我们看看每列显示了什么：

• 执行计数列（第一列）：执行计数器。
• r-前缀列（第 2-12 列）：显示 Solana VM 的 11 个寄存器（$r0 - r10$）中每个寄存器在执行其上方指令后的状态/值。
• 程序计数器列（第 13 列）：给定指令/操作码在程序二进制文件中的程序计数器 (PC) 或索引。
• 指令列（第 14 列）：要执行的下一条指令/操作码及其操作数。

现在让我们浏览跟踪输出的前 6 条指令，以熟悉执行期间寄存器值的变化。让我们将图像分割开，使寄存器的值更清晰可见：

![显示执行跟踪的图表。](https://img.learnblockchain.cn/2026/02/28/59b362208a49...