EVM-MLIR：以MLIR编写的EVM

news2024/7/7 16:52:09

1. 引言

EVM_MLIR：

以MLIR编写的EVM。

开源代码实现见：

https://github.com/lambdaclass/evm_mlir（Rust）
- 为使用MLIR和LLVM，将EVM-bytecode，转换为，machine-bytecode。
- LambdaClass团队在2周内，用5个新员工，借助编译器将VM opcode逻辑编译为原生机器码，实现了约75%的以太坊虚拟机功能，即实现了149个opcodes中的111个。
- 相比于revm，运行factorial和fibnacci程序，其性能提升了300%到600%。

有很多其它虚拟机会将bytecode编译为原生指令，但奇怪的是，以太坊虚拟机（EVM）的实现并没有做这种编译。LambdaClass在做Cairo Native时（见https://github.com/lambdaclass/cairo_native（Rust + Cairo）），学到了很多MLIR/LLVM的知识（详情见：LambdaClass 2023年5月3日博客 Exciting times at the intersection of Compilers and Applied Cryptography: Cairo and MLIR），为此，开启了EVM-MLIR项目，来实现比revm更快的替代方案。

2. 将MLIR用于EVM

EVM：

为基于栈的虚拟机
所编译的bytecode表示了一组指令，每个指令包含1-byte opcodes 及其参数。
Push操作可包含多达32字节的额外数据（即推送到栈上的数据量）

EVM的内存架构包含5大组件：

Stack：存储最多1024个256-bit宽整数。每个操作会从Stack上pop操作数，并（或）将结果推送到Stack上。若某程序run out of stack，则该程序终结。
Memory：为字节数组。支持按字节随机寻址。用于按顺序存储和访问可变数据。
Calldata：为与Memory类似的只读字节数组，作为每笔交易的输入发送。某些操作数支持从calldata拷贝到stack或memory。
Storage：为具有256-bit keys和values的字典。对其的修改是持久的，除非交易被revert。
Transient Storage：与Storage类似，但其修改会在交易结束时丢弃。

由此可知，EVM的执行模型非常简单。
指令序列上的naive interpreter loop很容易实现，但很难优化。有很多方法可实现bytecode interpreters ，但通过直接将每个操作码翻译成机器指令来消除interpreter开销是非常有效的。唯一的困难是：

需要一个编译器后端以及链接和调用所生成代码的方法。

LambdaClass团队决定利用其在MLIR方面的经验，编写一个库：

将每个操作转换为a sequence of MLIR blocks，每个MLIR block包含了实现每个opcode行为的MLIR操作，
并通过将每个操作码连接到下一个操作码来将其串起来
最后，这个表示可以转换为LLVM IR，并通过LLVM的optimizer传递。

为此：

不仅将每个opcode逻辑转换为了MLIR操作，

还需要转换内存架构：

Stack：在开始构建MLIR blocks sequence之前，预分配最大stack size（1024个元素）。当前指针和base指针，均用于维护该stack，并检查overflow或underflow。
Memory：在Rust中处理内存分配，扩展为所需的FFI callbacks。
Calldata：存储在Rust端，将其作为EVM的输入。
Storage/Transient storage：通过syscalls来处理，具有与revm类似的api。