[論文レビュー] Structural Analysis: Shape Information via Points-To Computation

Mark Marron|arXiv (Cornell University)|Jan 5, 2012

Logic, programming, and type systems参考文献 35被引用数 3

ひとこと要約

この論文は、構造的解析（Structural Analysis）を紹介する。これは、形状解析の表現力とポイントツ解析の効率性を組み合わせたハイブリッド型ヒープ解析であり、集合ベースの弱更新型転送関数と、実地的なヒープ構造に基づく正規形を用いる。高い精度とスケーラビリティを達成し、30,000バイトコードを超える大規模な .NET プログラムを65秒未塔、130MB未塔のメモリで解析可能である。

ABSTRACT

This paper introduces a new hybrid memory analysis, Structural Analysis, which combines an expressive shape analysis style abstract domain with efficient and simple points-to style transfer functions. Using data from empirical studies on the runtime heap structures and the programmatic idioms used in modern object-oriented languages we construct a heap analysis with the following characteristics: (1) it can express a rich set of structural, shape, and sharing properties which are not provided by a classic points-to analysis and that are useful for optimization and error detection applications (2) it uses efficient, weakly-updating, set-based transfer functions which enable the analysis to be more robust and scalable than a shape analysis and (3) it can be used as the basis for a scalable interprocedural analysis that produces precise results in practice. The analysis has been implemented for .Net bytecode and using this implementation we evaluate both the runtime cost and the precision of the results on a number of well known benchmarks and real world programs. Our experimental evaluations show that the domain defined in this paper is capable of precisely expressing the majority of the connectivity, shape, and sharing properties that occur in practice and, despite the use of weak updates, the static analysis is able to precisely approximate the ideal results. The analysis is capable of analyzing large real-world programs (over 30K bytecodes) in less than 65 seconds and using less than 130MB of memory. In summary this work presents a new type of memory analysis that advances the state of the art with respect to expressive power, precision, and scalability and represents a new area of study on the relationships between and combination of concepts from shape and points-to analyses.

研究の動機と目的

• 表現力のある形状解析と効率的なポイントツスタイルの転送関数を組み合わせることで、ヒープ解析におけるスケーラビリティと精度のトレードオフを解消すること。
• 現代のオブジェクト指向プログラムのヒープ構造における実地的知見（例：主に機能的動作、標準コンテナの使用）を活用し、解析設計を支援すること。
• 強更新や物性化を避ける複雑さを回避しつつ、弱更新を用いながらも精度を維持するハイブリッド解析を開発すること。
• 複雑なデータ構造、再帰、動的ディスpatchを含む実世界プログラムに対するスケーラブルでインタープロシスカルな解析を可能にすること。
• 弱更新型、集合ベースの転送関数が、実際の形状、共有、接続性の性質において高精度な結果を達成できることを示すこと。

提案手法

• 抽象的ヒープドメインは、データ構造の形状と共有（単射性）情報を付加したストレージ形状グラフに基づく。
• 同値関係を実地的なヒープパターンから導出し、O((N+E) log N) 時間で合同閉包を用いて正規形を計算する。
• 割り当ては新規ノードを生成し、その後、接続性および同値関係を用いて構造にグループ化する。
• 転送関数は集合演算と弱更新を用い、物性化やケース分割を伴わずに、プログラムステートメントを効率的にシミュレートする。
• コンテキストセンシティブなインタープロシスカル解析では、ローカル形状グラフをクローンとマージにより統合し、精度を保持する。
• 解析は局所的にフローセンシティブだが、全体的にはコンテキストセンシティブであり、スケーラビリティと精度を両立する。

実験結果

リサーチクエスチョン

• RQ1 複雑な形状解析演算を用いずに、弱更新型の集合ベースの転送関数のみでハイブリッドヒープ解析が高精度を達成できるか？
• RQ2 現代のオブジェクト指向ヒープ構造の実地的特性（例：主に機能的動作、標準コンテナの使用）は、より単純でスケーラブルな解析を可能にする程度はどの程度か？
• RQ3 形状スタイルのドメインで弱更新を使用しても、実際には顕著な精度の損失が生じるか、それとも構造的正規形と不交差性の性質によって緩和可能か？
• RQ4 このようなハイブリッド解析は、再帰や複雑なデータ構造、動的ディスパッチを含む大規模な実世界プログラムにスケーラブルに適用可能か？
• RQ5 強更新や物性化を用いずに、形状、接続性、共有の追跡を高精度で実現することは可能か？

主な発見

• 実世界のオブジェクト指向プログラムに見られる接続性、形状、共有性の大部分を、解析が正確に捉えている。
• 弱更新を用いながらも、ドメイン内の強い不交差性と隔離性のおかげで、理想結果に近い精度を達成しており、不正確性は最小限に抑えられている。
• 実装は、30,000バイトコードを超える大規模な .NET プログラムを65秒未塔、130MB未塔のメモリで処理可能である。
• 実地的なヒープパターンに基づく正規形は、関係のない詳細を削減しながらも、重要な構造的情報を損なわず、高速な収束を可能にする。
• 再帰や複雑なデータ構造を含むプログラムに対して、既存の形状解析よりもスケーラビリティに優れている。
• 動的ディスパッチや再帰的トラバーサルを効果的に処理できており、多くの先行手法が困難とする課題に対しても成功している。