以太坊虚拟机(EVM)
以太坊虚拟机（Ethereum Virtual Machine，简称EVM）是一个基于栈的虚拟机，基于特定的环境数据，执行一系列的字节代码形式的指令，以修改系统状态。EVM目前提供了11类，140个指令。
EVM是一个准图灵机，这个“准”的限定来源于其中的运算是通过参数gas来限制的，也就是限定了可以执行的运算总量。EVM的具体逻辑定义为代码执行函数(Ξ)：
\((\boldsymbol{\sigma}', g', A, \mathbf{o}) \equiv \Xi(\boldsymbol{\sigma}, g, I)\)
其中，函数的参数部分，σ表示状态，g表示可用gas，I表示执行环境数据；函数的返回值部分，σ'表示计算后的状态，g'表示剩余gas，A表示累积子状态，o表示结果输出。
EVM的具体实现逻辑包含：
- 基本定义： 对环境、指令集、EVM状态的定义
- 合约代码执行： 将合约字节代码解析为一系列指令及其参数，并循环执行。
- 指令执行： 根据执行环境和EVM状态，对单条指令进行解析、计费、执行
- 指令解析： 获取将字节码解析为指令及参数
- GAS计费： 计算指令执行所要消耗的gas数量，并校验gas是否充足
- 栈操作： 出入栈操作，及其校验
- 内存操作： 读写内存操作，内存分配等
- 指令运算： 执行指令的具体逻辑
- 异常停止： 因Gas不足、栈溢出等问题导致的程序执行终止。
- 正常停止： 按照代码逻辑完成指令的执行，并正常退出和输出结果。
- 指令执行： 根据执行环境和EVM状态，对单条指令进行解析、计费、执行
- 状态修改： 基于执行前的状态数据，完成gas支付、空账户清除（及其补贴用于抵扣部分gas）等状态修改操作。
基本定义
指令集
目前，EVM提供了140个指令。其中，以太坊黄皮书中定义了135个，包含特定的无效指令INVALID；以太坊改进提案（Ethereum Improvement Proposals，下文中简称EIPs）中定义了5个。
指令定义
每个指令的定义信息包括：
- 字节码 ：或称指令编号，数值范围0x00 - 0xff。
- 助记符 ：或称指令名称
- 出栈数量
- 入栈数量
- 指令含义 ：指令的基本描述、Gas费用、运算逻辑，以及机器状态（栈、内存）的操作
//OpCode.java:L618
private final byte opcode;//字节码
private final int require;//出栈数量
private final Tier tier;//gas费用级别
private final int ret;//入栈数量
private final EnumSet callFlags;//消息调用类型集合，用于标注CALL类指令，如是否静态调用
//OpCode.java:L636
private OpCode(int op, int require, int ret, Tier tier, CallFlags ... callFlags) ...
指定定义示例
下面以加法算术指令ADD指令为例，其指令定义为：
- 字节码：
0x01 - 出栈数量：
2，即ADD指令参数，被加数与加数 - 入栈数量：
1，即ADD指令运算结果，被加数与加数之和 - Gas费用级别：
VeryLowTier，对应gas数量为3
//OpCode.java:L45
ADD(0x01, 2, 1, VeryLowTier),
指令类别
以太坊黄皮书中将指令划分为11个类别，且每类指令的编号的数值范围不同。比如，停止和算术运算类指令编号的数组区间为0x00 - 0x0f（表示为0s）。
指令类别及其部分指令：
- 0s：停止和算术运算
- 停止指令：
STOP - 算术类（部分）：
ADD（加）、SUB（减）、MUL（乘）、DIV（除）、MOD（取模）、EXP（指数）
- 停止指令：
- 10s：比较和按位逻辑运算
- 比较逻辑运算（部分）：
LT（小于）、GT（大于）、EQ（等于）、ISZERO（否，结合EQ指令实现不等于） - 按位逻辑运算：
AND（与）、OR（或）、NOT（非）、XOR（异或）
- 比较逻辑运算（部分）：
- 20s：SHA3运算，
SHA3（Keccak-256哈希） - 30s：环境信息（部分），
ADDRESS（获取Ia）、GASPRICE（获取Ip）、BALANCE（获取给定账户余额） - 40s：区块信息
BLOCKHASH：获取指定高度的祖先区块的头部哈希COINBASE：获取该区块的矿工账户地址TIMESTAMP：获取该区块的时间戳NUMBER：获取区块的号码DIFFICULTY：获得区块的难度GASLIMIT：获得区块的gas上限
- 50s：栈，内存，存储和流程操作
- 栈：
POP（出栈） - 内存：
MLOAD（从内存中加载字）、MSTORE（将字保存到内存）、MSTORE8（将字节保存到内存）、MSIZE（获取活动内存的大小） - 存储：
SLOAD（从存储加载字）、SSTORE（将字保存到存储） - 流程控制：
JUMP（跳转）、JUMPI（有条件的跳转）、JUMPDEST（μpc加1）、PC（获取μpc）、GAS（获取μg）
- 栈：
- 60s & 70s: 入栈（Push）操作，
PUSH1-PUSH32 - 80s: 复制（Duplicate）操作，
DUP1-DUP16 - 90s: 替换（Exchange）操作，
SWAP1-SWAP16 - a0s: 日志操作，
LOG0-LOG4 - f0s: 系统操作（部分）
CREATE：创建合约CALL：消息调用合约CALLCODE：使用指定帐户的代码对当前帐户进行消息调用RETURN：停止执行，返回输出数据DELEGATECALL：使用指定帐户的代码对当前帐户进行消息调用，但保留sender和value属性现有的值。INVALID：保留的无效指令SELFDESTRUCT：销毁合约
此外，还在EIPs中定义了如下指令：
- EIP-145中定义了3个按位逻辑运算（10s）
SHL：0x1b，左移 (shift left)SHR：0x1c，逻辑右移 (logical shift right)SAR：0x1d，算术右移 (arithmetic shift right)
- EIP-1014中定义了1个系统操作指令（f0s）
CREATE2：0xf5，创建指定地址的合约账户
- EIP-1052中定义了1个环境信息获取指令（30s）
EXTCODEHASH：0x3f，获取合同代码的keccak256哈希
执行环境
执行环境数据，表示为I，包含属性:
Ia，拥有正在执行的代码的账户地址，一般是指交易的发送方账户S(T)，在合约调用合约的情况下则不同。Io，触发这次执行的初始交易的发送者地址，初始交易是指由外部账户发起的交易S(T)。Ip，触发这次执行的初始交易的 gas 价格。Id，这次执行的输入数据字节数组；如果执行代理是一个交易，这就是交易数据。Is，触发这次执行的账户地址；如果执行代理是一个交易，则为交易发送者地址。Iv，作为这次执行的一部分传到当前账户的转账金额，以 Wei为单位；如果执行代理是一个交易, 这就是交易的转账金额。Ib，所要执行的EVM字节码数组。IH，当前区块的区块头。Ie，当前消息调用或合约创建的深度（也就是当前已经被执行的CALL或CREATE的数量）。Iw，修改状态的许可。
这里我们来回顾一下交易数据与待执行代码的对照关系：
- 消息调用交易
Ib：即交易的被调用合约Tt，存储在世界状态树中的合约代码σ[Tt]cId：交易的消息调用输入数据Td，存储在交易附言(Transaction.data)属性。- 合约创建交易
Ib：即交易的合约初始化代码Ti，也存储在交易附言(Transaction.data)属性。Id：此类交易无输入数据
EVM状态
EVM状态，也称机器状态（Machine State），表示为μ。
- 可用Gas
可用gas，表示为μg，根据交易gas上限和已用gas数量计算：gasLimit - gasUsed。
//ProgramResult.java:L40
private long gasUsed;//已用gas数量
//Program.java:L745，计算剩余可用gas，对应黄皮书的125公式
public long getGasLong() {
return invoke.getGasLong() - getResult().getGasUsed();
}
- 程序计数器
程序计数器，表示为μpc，初始值为0。
//Program.java:L98
private int pc; //程序计数器，初始值为0，对应黄皮书的126公式
- 内存
内存，表示为μm，内存模型是基于字寻址(word-addressed)的字节数组，所有内存中的数据都会初始化为0。
//Program.java:L89
private Memory memory;
//Memory.java:L33
public class Memory ... {//内存模型是简单地基于字寻址(word-addressed) 的字节数组
private static final int CHUNK_SIZE = 1024;//内存块大小，内存按块进行扩展(1 chunk = 32 word = 1024 byte)
private static final int WORD_SIZE = 32;//字的大小(1 word = 32 byte)，对应黄皮书的9.1章节中的约定
private List chunks = new LinkedList<>();//内存块数据列表
...
}
- 内存已激活字数
内存已激活字数，表示为μi，初始值为0。
//Memory.java:L39
private int softSize; //μi，内存已激活的字数，初始值为0，对应黄皮书
- 栈
栈，表示为μs，其中栈中数据项的大小（即字长）是256位，最大深度为1024，初始值为空序列。
//Program.java:L88
private Stack stack;
//Stack.java:L24
public class Stack extends java.util.Stack ... //栈的字大小为256位，对应黄皮书9.1章节的约定
- 结果数据
主要是指消息调用指令的结果输出数据，表示为μo，初始值为空序列。
//Program.java:L91
private byte[] returnDataBuffer;//μo，机器状态中的指令输出，对应黄皮书的130公式
交易子状态
交易执行过程中会产生一些特定的信息，记录交易相关的账户、日志等内容，也称为交易子状态或累积子状态。
- 自销毁账户集合
合约代码执行过程中，通过SELFDESTRUCT指令销毁账户的地址的集合，表示为As，初始值为空集合。
//ProgramResult.java:L45
private Set deleteAccounts;//自毁账户集合(As)：一组应该在交易完成后被删除的账户
- 接触账户集合
交易执行过程中所接触账户的地址的集合，表示为At，初始值为空集合。此集合的特征是交易执行过程中账户状态发生过变化，包含新创建的合约账户、消息调用接收方账户、销毁账户余额的继承账户等，交易执行完成时将删除其中的空账户。
//ProgramResult.java:L46
private ByteArraySet touchedAccounts = new ByteArraySet(); //接触账户集合(At)，其中的空账户可以在交易结束时删除
- 日志集合
合约代码执行中，输出的一系列带有主题和数据内容的日志，并且记录了输出日志的账户地址，表示为Al，初始值为空。其中，日志的所属账户地址和主题可以作为检索条件，通过区块头部和交易收据中的Bloom过滤器，实现区块、交易二级索引的信息查询。
合约开发者通过日志，可以获取合约执行的详细状态，方便合约的上层应用实现一些类似于异步通知或回调功能，为应用最终用户提供更加友好的体验。
//ProgramResult.java:L48
private List logInfoList;//日志集合(Al)：这是一些列针对VM代码执行的归档的、可索引的‘检查点’，允许以太坊世界的外部旁观者(例如去中心化应用的前端)来简单地跟踪合约调用。
- 返还Gas数量
以太坊为了鼓励合约开发者尽可能少的占用计算资源，对于释放已占用资源的操作给予一定的gas补贴以抵扣部分交易费用，如通过SSTORE指令释放合约存储资源，通过SELFDESTRUCT指令清空指定账户的状态数据。合约代码执行中，将根据约定计算返还gas数量，表示为Ar，初始值为0。
//ProgramResult.java:L49
private long futureRefund = 0;//返还gas数量(Ar)：与SSTORE、SUICIDE（黄皮书中为SELFDESTRUCT）指令相关