Serialización de prefijo de longitud recursiva (RLP)

Última edición: @MGETH(opens in a new tab), 8 de diciembre de 2023

La serialización de prefijo de longitud recursiva (RLP) se utiliza ampliamente en los clientes de ejecución de Ethereum. El RLP estandariza la transferencia de datos entre nodos en un formato de uso de espacio eficiente. El propósito de RLP es codificar matrices anidadas arbitrariamente de datos binarios, y RLP es el método de codificación principal utilizado para serializar objetos en la capa de ejecución de Ethereum. El único propósito del RLP es codificar la estructura; la codificación de tipos de datos específicos (por ejemplo, cadenas, flotantes) se deja a los protocolos de orden superior; pero los enteros RLP positivos deben representarse en forma binaria big-endian sin ceros a la izquierda (lo que hace que el valor entero cero sea equivalente a la matriz de bytes vacía). Los enteros positivos deserializados con ceros iniciales se tratan como no válidos. La representación de enteros de la longitud de la cadena también debe codificarse de esta manera, así como los enteros en la carga útil.

Más información en La hoja amarilla de Ethereum (Apéndice B)(opens in a new tab).

Para usar RLP para codificar un diccionario, las dos formas canónicas sugeridas son:

usar [[k1,v1],[k2,v2]...] con claves en orden lexicográfico
usar la codificación de Patricia Tree de nivel superior como lo hace Ethereum

Definición

La función de codificación RLP toma un elemento. Un elemento se define de la siguiente manera：

una cadena (es decir, una matriz de bytes) es un elemento
una lista de elementos es un elemento

Por ejemplo, todos los siguientes son elementos:

una cadena vacía;
la cadena que contiene la palabra "gato";
una lista que contiene cualquier número de cadenas;
y estructuras de datos más complejas como ["gato", ["cachorro", "vaca"], "caballo", [[]], "cerdo", [""], "oveja"].

Tenga en cuenta que en el contexto del resto de esta página, "cadena" significa "un cierto número de bytes de datos binarios"; no se utilizan codificaciones especiales, y no se implica ningún conocimiento sobre el contenido de las cadenas.

La codificación RLP se define de la siguiente manera:

Para un solo byte cuyo valor esté en el rango [0x00, 0x7f] (decimal [0, 127]), ese byte es su propia codificación RLP.
De lo contrario, si una cadena tiene una longitud de 0-55 bytes, la codificación RLP consta de un solo byte con el valor 0x80 (dec. 128) más la longitud de la cadena seguida de la cadena. Por lo tanto, el rango del primer byte es [0x80, 0xb7] (dec. [128, 183]).
Si una cadena tiene más de 55 bytes de largo, la codificación RLP consta de un solo byte con el valor 0xb7 (dec. 183) más la longitud en bytes de la longitud de la cadena en forma binaria, seguida de la longitud de la cadena, seguida de la cadena. Por ejemplo, una cadena de 1024 bytes de largo se codificaría como \xb9\x04\x00 (dec. 185, 4, 0) seguido de la cadena. Aquí, 0xb9 (183 + 2 = 185) como el primer byte, seguido de los 2 bytes 0x0400 (dec. 1024) que denotan la longitud de la cadena real. El rango del primer byte es, por lo tanto, [0xb8, 0xbf] (dec. [184, 191]).
Si la carga útil total de una lista (es decir, la longitud combinada de todos sus elementos codificados con RLP) es de 0-55 bytes, la codificación RLP consta de un solo byte con un valor 0xc0 más la longitud de la lista, seguida de la concatenación de las codificaciones RLP de los elementos. Por lo tanto, el rango del primer byte es [0xc0, 0xf7] (dec. [192, 247]).
Si la carga útil total de una lista tiene más de 55 bytes de longitud, la codificación RLP consta de un solo byte con un valor 0xf7 más la longitud en bytes de la longitud de la carga útil en forma binaria, seguida de la longitud de la carga útil, seguida de la concatenación de las codificaciones RLP de los elementos. Por lo tanto, el rango del primer byte es [0xf8, 0xff] (dec. [248, 255]).

En el código, esto es:

1def rlp_encode(input):
2    if isinstance(input,str):
3        if len(input) == 1 and ord(input) < 0x80:
4            return input
5        return encode_length(len(input), 0x80) + input
6    elif isinstance(input, list):
7        output = ''
8        for item in input:
9            output += rlp_encode(item)
10        return encode_length(len(output), 0xc0) + output
11
12def encode_length(L, offset):
13    if L < 56:
14         return chr(L + offset)
15    elif L < 256**8:
16         BL = to_binary(L)
17         return chr(len(BL) + offset + 55) + BL
18     raise Exception("input too long")
19
20def to_binary(x):
21    if x == 0:
22        return ''
23    return to_binary(int(x / 256)) + chr(x % 256)
Mostrar todo
 Copiar

Ejemplos

la cadena "dog" = [ 0x83, 'd', 'o', 'g' ]
la lista [ "cat", "dog" ] = [ 0xc8, 0x83, 'c', 'a', 't', 0x83, 'd', 'o', 'g' ]
la cadena vacía ("null") = [ 0x80 ]
la lista vacía = [ 0xc0 ]
el entero 0 = [ 0x80 ]
el entero codificado 0 ('\x00') = [ 0x00 ]
el entero codificado 15 ('\x0f') = [ 0x0f ]
el entero codificado 1024 ('\x04\x00') = [ 0x82, 0x04, 0x00 ]
la representación teórica de conjunto(opens in a new tab) de tres, [ [], [[]], [], [[]] ] ] = [ 0xc7, 0xc0, 0xc1, 0xc0, 0xc3, 0xc0, 0xc1, 0xc0 ]
la cadena "Lorem ipsum dolor sit amet, consectetur adipisicing elit" = [ 0xb8, 0x38, 'L', 'o', 'r', 'e', 'm', ' ', ... , 'e', 'l', 'i', 't' ]

Decodificación RLP

De acuerdo con las reglas y el proceso de codificación RLP, la entrada de la decodificación RLP se considera una matriz de datos binarios. El proceso de decodificación RLP es el siguiente:

de acuerdo con el primer byte (es decir, el prefijo) de los datos de entrada y la decodificación del tipo de datos, la longitud de los datos reales y el desplazamiento;
de acuerdo con el tipo y el desplazamiento de los datos, decodificar los datos en consecuencia;
continuar decodificando el resto de la entrada;

Entre ellos, las reglas de decodificación de tipos de datos y desplazamiento son las siguientes:

los datos son una cadena si el rango del primer byte (es decir, el prefijo) es [0x00, 0x7f], y la cadena es exactamente el primer byte en sí;
los datos son una cadena si el rango del primer byte es [0x80, 0xb7], y la cadena cuya longitud es igual al primer byte menos 0x80 sigue al primer byte;
los datos son una cadena si el rango del primer byte es [0xb8, 0xbf], y la longitud de la cadena cuya longitud en bytes es igual al primer byte menos 0xb7 sigue al primer byte, y la cadena sigue la longitud de la cadena;
los datos son una lista si el rango del primer byte es [0xc0, 0xf7], y la concatenación de las codificaciones RLP de todos los elementos de la lista cuya carga útil total es igual al primer byte menos 0xc0 sigue al primer byte;
los datos son una lista si el rango del primer byte es [0xf8, 0xff], y la carga útil total de la lista cuya longitud es igual al primer byte menos 0xf7 sigue al primer byte, y la concatenación de las codificaciones RLP de todos los elementos de la lista sigue la carga útil total de la lista;

En el código, esto es:

1def rlp_decode(input):
2    if len(input) == 0:
3        return
4    output = ''
5    (offset, dataLen, type) = decode_length(input)
6    if type is str:
7        output = instantiate_str(substr(input, offset, dataLen))
8    elif type is list:
9        output = instantiate_list(substr(input, offset, dataLen))
10    output += rlp_decode(substr(input, offset + dataLen))
11    return output
12
13def decode_length(input):
14    length = len(input)
15    if length == 0:
16        raise Exception("input is null")
17    prefix = ord(input[0])
18    if prefix <= 0x7f:
19        return (0, 1, str)
20    elif prefix <= 0xb7 and length > prefix - 0x80:
21        strLen = prefix - 0x80
22        return (1, strLen, str)
23    elif prefix <= 0xbf and length > prefix - 0xb7 and length > prefix - 0xb7 + to_integer(substr(input, 1, prefix - 0xb7)):
24        lenOfStrLen = prefix - 0xb7
25        strLen = to_integer(substr(input, 1, lenOfStrLen))
26        return (1 + lenOfStrLen, strLen, str)
27    elif prefix <= 0xf7 and length > prefix - 0xc0:
28        listLen = prefix - 0xc0;
29        return (1, listLen, list)
30    elif prefix <= 0xff and length > prefix - 0xf7 and length > prefix - 0xf7 + to_integer(substr(input, 1, prefix - 0xf7)):
31        lenOfListLen = prefix - 0xf7
32        listLen = to_integer(substr(input, 1, lenOfListLen))
33        return (1 + lenOfListLen, listLen, list)
34    raise Exception("input does not conform to RLP encoding form")
35
36def to_integer(b):
37    length = len(b)
38    if length == 0:
39        raise Exception("input is null")
40    elif length == 1:
41        return ord(b[0])
42    return ord(substr(b, -1)) + to_integer(substr(b, 0, -1)) * 256
Mostrar todo
 Copiar

Más información

Patricia merkle trie

back-to-top ↑