EOS 数据库RAM使用量的计算

       如果你是EOS的合约开发者，相信你很有可能跟我一样对内存（RAM）的使用量感到不解。在使用multi_index进行数据存储时，明明只存了一点数据，但区块链浏览器中显示的内存占用量却上升了不少。在这篇文章中，我们就来对内存用量一探究竟，精确计算出存储数据所需要的RAM。我们会首先编写一个简单的合约，用以向multi_index内存入数据。部署合约后，每次调用接口前后都查询一下RAM用量，并予以记录。

合约编写

新建合约目录：

$ mkdir addrow
$ cd addrow
$ touch addrow.cpp

这里是一份简单的合约，用户每次调用add时，数据库中都会多存一行记录

#include <eosiolib/eosio.hpp>  
  
class [[eosio::contract]] addrow : public eosio::contract  
{  
public:  
    addrow( eosio::name receiver, eosio::name code, eosio::datastream<const char*> ds )  
        : eosio::contract(receiver, code, ds),  _students(receiver, code.value)  
    {}  
  
    //添加学生  
    [[eosio::action]]  
    void add(eosio::name user)  
    {  
        require_auth(user);  
        eosio::print("Add student ", user);  
        _students.emplace(get_self(), [&](auto& p) {  
            p.id = _students.available_primary_key();  
        });  
    }  
  
    struct [[eosio::table]] students  
    {  
        uint64_t      id; // primary key  
  
        uint64_t primary_key() const { return id; }  
    };  
  
    //数据表根据age排序  
    typedef eosio::multi_index<"students"_n, students > studentstable;  
  
    //students数据库表  
    studentstable _students;  
};  
  
EOSIO_DISPATCH( addrow, (add) ) 

使用eosiocpp工具进行编译后，得到addrow.wasm与addrow.abi文件：

$ eosiocpp -o addrow.wast addrow.cpp
$ eosiocpp -g addrow.abi addrow.cpp

部署合约

cleos -u https://jungle2.cryptolions.io:443 set contract zmcheng12345 /root/github.com/addrow -p zmcheng12345@active
查账户内存使用情况：
cleos -u https://jungle2.cryptolions.io:443 get account zmcheng12345 -j

我查询到的数值为：

"ram_usage": 52665

这个数值可能根据你的编译工具和参数不同而有所变化。我们以查询到的数值为基础，进行后续的差值计算。

调用合约，新增一行数据：

$ cleos push action eosio.ramfee add '' -p eosio.ramfee

查询用量，得到的结果是：

"ram_usage": 52897

再新增一行并查询，这次的结果是：

"ram_usage": 53017

通过计算可以得出，新增第一行的内存占用量达到了232字节！而第二行的占用量也高达120字节！如果继续新增行数，你会发现后续的行占用量均为120字节。

也就是说，存储一个仅有一个uint64_t字段（大小为8字节）的数据表，首行占用232字节，后续行数占用120字节。

总结

在EOS合约内使用multi_index存储数据（不使用secondary index的情况下），需要承担以下RAM使用量：

• 首先，每新增一行记录，都会占用112字节+实际数据大小
• 如果这个数据表本身不存在，需要再额外收取112字节的RAM占用

可以看到，每行数据的overhead（112字节）还是相当大的。如果单纯地使用数据结构大小来计算，预期使用量与实际使用量的误差会非常大（本例中，首次存储8字节数据的实际用量是数据大小的29倍！）。而得知了精确的占用量算法之后，就可以更好地规划dApp所需要的内存量了。