[論文レビュー] Handling Exceptions and Effects with Automatic Resource Analysis

Ethan D. Chu, Yiyang Guo+1 more|arXiv (Cornell University)|Feb 28, 2026

Logic, programming, and type systems被引用数 0

ひとこと要約

この論文は、例外と効果ハンドラを介した非局所制御転送をサポートする最初の自動リソース境界分析を提示し、AARAの健全性証明を拡張してStandard MLに実装し、実験的評価を行う。

ABSTRACT

There exist many techniques for automatically deriving parametric resource (or cost) bounds by analyzing the source code of a program. These techniques work effectively for a large class of programs and language features. However, non-local transfer of control as needed for exception or effect handlers has remained a challenge. This paper presents the first automatic resource bound analysis that supports non-local control transfer between exceptions or effects and their handlers. The analysis is an extension of type-based automatic amortized resource analysis (AARA), which automates the potential method of amortized analysis. It is presented for a simple functional language with lists and linear potential functions. However, the ideas are directly applicable to richer settings and implemented for Standard ML and polynomial potential functions. Apart from the new type system for exceptions and effects, a main contribution is a novel syntactic type-soundness theorem that establishes the correctness of the derived bounds with respect to a stack-based abstract machine. An experimental evaluation shows that the new analysis is capable of analyzing programs that cannot be analyzed by existing methods and that the efficiency overhead of supporting exception and effect handlers is low.

研究の動機と目的

• 自動アモルタイズド・リソース分析（AARA）を例外と効果ハンドラを介した非局所制御転送を扱えるよう拡張する。
• 例外および効果ハンドリングのバウンドコストを考慮するリソース注釈付き型システムを開発する。
• 型推論由来の境界とスタックベース抽象機械との健全性証明を提供する。
• このアプローチをStandard MLに実装し、ベンチマーク上での有効性と効率を評価する。

提案手法

• 例外と効果およびそのハンドラの型付け規則をAARAに拡張する。
• スタックベースの抽象機械と値と式のモーダル分離を用いた新しい小ステップ健全性証明を導入する。
• リソース使用を表すティックベースのコストモデルを用い、ハンドラコストがペイロードによって境界付けられることを保証する。
• 例外と効果ペイロードをハンドラが使用する潜在力を携える契約としてモデル化し、リソース多相性を可能にする。
• 非局所的制御転送がリソース使用に影響を与える例（delimited continuationsのone-shot continuationsを含む）で型付けを示す。
• Standard ML上での分析をMLtonを介して実装し、例外と効果を含むベンチマークで有効性を評価する。

実験結果

リサーチクエスチョン

• RQ1 例外と効果ハンドラを介した非局所転送があるとき、AARAを自動的にリソース境界を付与できるよう拡張するにはどうすればよいか。
• RQ2 例外および効果ハンドラのサイトでコストを正しく考慮するために必要な型付け規則と潜在力は何か。
• RQ3 導出された境界を、継続と区切られた制御をモデル化するスタックベースの抽象機械に対して健全性が証明できるか。
• RQ4 例外と効果を持つ現実的なSMLプログラムで新しい分析の性能影響と境界精度はどうか。

主な発見

• この研究は、例外ハンドラと関数間の例外転送を完全にサポートする最初のリソース境界分析を提供する。
• スタックベースの抽象機械と値/式のモーダル分離に基づく新しい合成的健全性証明を提示する。
• 例外と効果ペイロードに潜在力を結びつけることでハンドラのコストを正確に算出し、境界を厳密に導出する。
• 実験的評価は、従来の手法の到達不能であるプログラムを分析でき、オーバーヘッドも低いことを示す。
• Standard MLの実装は、例外と効果を使用するベンチマークで有効性を示し、既存手法では解析不能だったケースを含む。