Rust 智能合約養成日記（7）-ODAILY_TOKEN

1.浮點數運算的精度問題

不同于常見的智能合約編程語言Solidity，Rust語言原生支持浮點數運算。然而，浮點數運算存在著無法避免的計算精度問題。因此，我們在編寫智能合約時，并不推薦使用浮點數運算(尤其是在處理涉及到重要經濟/金融決策的比率或利率時)。

目前主流計算機語言表示浮點數大多遵循了IEEE754標準，Rust語言也不例外。如下是Rust語言中有關雙精度浮點類型f64的說明與計算機內部二進制數據保存形式：

浮點數采用了底數為2的科學計數法來表達。例如可以用有限位數的二進制數0.1101來表示小數0.8125，具體的轉化方式如下：

然而對于另一個小數0.7來說，其實際轉化為浮點數的過程中將存在如下問題：

Trust Wallet發起Arweave整合提案:12月25日消息，Trust Wallet表示正在尋求增加對數據存儲協議Arweave的支持，該提案旨在整合原生代幣Arweave(AR)，目前AR代幣主要用于獎勵網絡礦工和支付網絡數據上傳費用。本次提案投票將于世界標準時間12月27日凌晨3點結束。

Arweave是一個數據存儲協議，可以直接在其原生區塊鏈上永久存儲數字資產，例如交易、智能合約、網頁、視頻、圖像等。[2021/12/25 8:03:13]

即小數0.7將表示為0.101100110011001100.....(無限循環)，無法用有限位長的浮點數來準確表示，并存在“舍入(Rounding)”現象。

假設在NEAR公鏈上，需要分發0.7個NEAR代幣給十位用戶，具體每位用戶分得的NEAR代幣數量將計算保存于result_0變量中。

執行該測試用例的輸出結果如下：

Penguin Finance從Avalanche Rush計劃獲得250萬美元獎勵:金色財經報道，據官方消息，Penguin Finance（PeFi）正式加入Avalanche Rush計劃，將獲得價值250萬美元的AVAX獎勵，用于其第二層流動性挖礦“Igloos”和Penguin Emperor游戲。[2021/10/23 20:50:16]

可見在上述浮點運算中，amount的值并非準確地表示了0.7，而是一個極為近似的值0.69999999999999995559。進一步的，對于諸如amount/divisor的單一除法運算，其運算結果也將變為不精確的0.06999999999999999，并非預期的0.07。由此可見浮點數運算的不確定性。

對此，我們不得不考慮在智能合約中使用其它類型的數值表示方法，如定點數。

根據定點數小數點固定的位置不同，定點數有定點整數和定點小數兩種。

小數點固定在數的最低位之后，則稱其為定點整數

在實際的智能合約編寫中，通常會使用一個具有固定分母的分數來表示某一數值，例如分數'x/N'，其中'N'是常數，'x'可以變化。

中幣（ZB）將于4 月19日上線CHZ（Chiliz）及CRU（Crust）:中幣（ZB）于2021年4月19日16:00開放CHZ（Chiliz）及CRU（Crust）充值。4月21日14:00開放CHZ/USDT和CHZ/QC交易；16:00開放CRU/USDT和CRU/QC交易。更多詳情等查看中幣官方公告。[2021/4/19 20:35:26]

若“N”取值為“1,000,000,000,000,000,000”，也就是:'10^18'，此時小數可被表示為整數，像這樣:

在NEARProtocol中，該N常見的取值為'10^24'，即10^24個yoctoNEAR等價于1個NEAR代幣。

基于此，我們可以將本小節的單元測試修改為如下方式進行計算：

Kingdom Trust首席執行官：比特幣是奧地利經濟學的數字體現:金融托管公司Kingdom Trust的首席執行官Ryan Radloff認為，比特幣(BTC)是奧地利經濟學的一種體現。Ryan Radloff第一次接觸比特幣是在2011年底，然后他很快就開始積累比特幣。與許多早期采用者不同，Radloff表示，吸引他使用加密技術的不是支撐比特幣的技術，而是這種新興加密貨幣所體現的經濟原則。他稱，“在我們這個時代，政府一直在印鈔，但過去幾代人不是這樣的。很多人都不了解金本位和奧地利基礎經濟和市場的概念，比特幣現在重新開啟了這種對話。”（Cointelegraph）[2020/6/1]

以此可獲得數值精算的運算結果:0.7NEAR/10=0.07NEAR

2.Rust整數計算精度的問題

從上文第1小節的描述中可以發現，使用整數運算可解決某些運算場景中浮點數運算精度丟失問題。

但這并非意味著使用整數計算的結果完全是準確可靠的。本小節將介紹影響整數計算精度的部分原因。

聲音 | Bitfury Russia總經理：加密貨幣有助于監控國有資產使用 避免公款盜用:據俄羅斯衛星通訊社消息，礦業巨頭Bitfury Group俄羅斯分公司總經理德米特里·烏法耶夫在東方經濟論壇期間對媒體表示，加密貨幣有助于監控國有資產使用，避免公款盜用。他指出，\"有別于無現金支付，使用加密貨幣能跟蹤觀察各種代幣，相應地你可以清楚地判斷，如果撥了一筆資金，這筆錢具體花在了哪。在這方面加密貨幣的主要優點是可以用來監管資金的分配。\"[2018/9/13]

2.1運算順序

同一算數優先級的乘法與除法，其前后順序的變化可能直接影響到計算結果，導致整數計算精度的問題。

例如存在如下運算：

執行單元測試的結果如下：

我們可以發現result_0=a*c/b及result_1=*c盡管它們的計算公式相同，但是運算結果卻不同。

分析具體的原因為：對于整數除法而言，小于除數的精度會被舍棄。因此在計算result_1的過程中，首先計算的(a/b)會率先失去計算精度，變為0；而在計算result_0時，會首先算得a*c的結果20_0000，該結果將大于除數b，因此避免了精度丟失的問題，可得到正確的計算結果。

2.2過小的數量級

該單元測試的具體結果如下：

可見運算過程等價的result_0和result_1運算結果并不相同，且result_1=13更加地接近于實際預期的計算值：13.3333....

3.如何編寫數值精算的Rust智能合約

保證正確的精度在智能合約中十分重要。盡管Rust語言中也存在整數運算結果精度丟失的問題，但我們可以采取如下一些防護手段來提高精度，達到令人滿意的效果。

3.1調整運算的操作順序

令整數乘法優先于整數的除法。

3.2增加整數的數量級

整數使用更大的數量級，創造更大的分子。

比如對于一個NEARtoken來說，如果定義其上文所描述的N=10，則意味著：若需要表示5.123的NEAR價值，則實際運算所采用的整數數值將表示為5.123*10^10=51_230_000_000。該值繼續參與后續的整數運算，可提高運算精度。

3.3積累運算精度的損失

對于確實無法避免的整數計算精度問題，項目方可以考慮記錄累計的運算精度的損失。

假設如下使用fndistribute(amount:u128,offset:u128)->u128為USER_NUM位用戶分發代幣的場景。

在該測試用例中，系統每次將給3位用戶分發10個Token。但是，由于整數運算精度的問題，第一輪中計算per_user_share時，獲得的整數運算結果為10/3=3，即第一輪distribute用戶將平均獲得3個token，總計9個token被分發。

此時可以發現，系統中還剩下1個token未能分發給用戶。為此可以考慮將該剩余的token臨時保存在系統全局的變量offset中。等待下次系統再次調用distribute給用戶分發token時，該值將被取出，并嘗試和本輪分發的token金額一起分發給用戶。

如下為模擬的代幣分發過程：

可見當系統開始第3輪地分發代幣時，此時系統積累的offset值已達到2，該值將再次與本輪所要分發的10個token累加在一起，發放給用戶。(本次計算per_user_share=token_to_distribute/USER_NUM=12/3=4將不存在精度損失。)

從整體上來看，在前3輪中，系統一共發放了30個Token。每個用戶在每一輪中分別獲得了3、3、4個token，此時用戶也總計獲得30個token，達到了系統足額發放獎金目的。

3.4使用RustCrate庫rust-decimal

該Rust庫適用于需要有效精度計算和沒有舍入誤差的小數金融計算。

3.5考慮舍入機制

在設計智能合約時，在舍入問題上，往往都采用“我要占便宜，他人不得薅我羊毛”的原則。根據這個原則，如果向下取整對我有利，則向下；如果向上取整對我有利，則向上；四舍五入不能確定是對誰有利，因此極少被采用。

Tags：USTTOKETOKTOKENtrustwallet錢包錢不見了Tribal TokenRouletteTokenChihua Mom Token

DOGE