[论文解读] A Simple and Scalable Static Analysis for Bound Analysis and Amortized Complexity Analysis

Moritz Sinn, Florian Zuleger+1 more|arXiv (Cornell University)|Jan 23, 2014

Software Engineering Research被引用 3

一句话总结

本论文提出了一种可扩展的静态边界分析方法，用于指令式程序，通过直接从抽象程序模型中使用有损向量加法系统（VASS）推导边界，实现摊销复杂度分析。该方法创新性地运用字典序排名函数来捕捉组件之间的算术依赖关系，从而在无需昂贵推理工具的情况下实现精确的摊销边界分析。在大规模C语言基准测试中，该方法在性能和可扩展性方面均优于先前的工具。

ABSTRACT

We present the first scalable bound analysis that achieves amortized complexity analysis. In contrast to earlier work, our bound analysis is not based on general purpose reasoners such as abstract interpreters, software model checkers or computer algebra tools. Rather, we derive bounds directly from abstract program models, which we obtain from programs by comparatively simple invariant generation and symbolic execution techniques. As a result, we obtain an analysis that is more predictable and more scalable than earlier approaches. Our experiments demonstrate that our analysis is fast and at the same time able to compute bounds for challenging loops in a large real-world benchmark. Technically, our approach is based on lossy vector addition systems (VASS). Our bound analysis first computes a lexicographic ranking function that proves the termination of a VASS, and then derives a bound from this ranking function. Our methodology achieves amortized analysis based on a new insight how lexicographic ranking functions can be used for bound analysis.

研究动机与目标

• 开发一种可扩展且可预测的静态分析方法，用于指令式程序的资源边界与摊销复杂度分析。
• 克服依赖通用推理工具（如抽象解释器或计算机代数系统）的先前方法的局限性。
• 通过捕捉字典序排名函数各组件之间的算术依赖关系，实现摊销复杂度分析。
• 通过模块化、四阶段分析流水线，在真实世界C程序上实现高性能与可扩展性。
• 在大规模公开C程序基准上评估该方法，证明其在结果精度与运行速度方面均优于现有工具。

提出的方法

• 该分析通过简单的不变式生成与符号执行构建抽象程序模型，将程序表示为带状态的有损向量加法系统（VASS）。
• 通过一种新颖技术计算字典序排名函数以证明VASS的终止性，该技术追踪某一组件的变化如何影响其他组件。
• 通过分析字典序排名函数中各组件之间的算术依赖关系，直接推导出边界，从而实现摊销复杂度边界。
• 该方法被划分为四个明确定义的阶段：程序抽象、控制流抽象、字典序排名函数生成与边界计算。
• 通过轻量级路径压缩技术管理路径敏感性，避免指数级膨胀，与先前方法计算内层循环传递包络不同。
• 通过直接对VASS模型进行符号分析，避免使用昂贵的推理工具，从而提升可预测性与可扩展性。

实验结果

研究问题

• RQ1 是否能够不依赖通用推理工具（如抽象解释器或计算机代数系统）实现静态边界分析，并完成摊销复杂度分析？
• RQ2 如何利用字典序排名函数捕捉组件之间的算术依赖关系，以实现精确的边界计算？
• RQ3 是否能够通过简单且模块化的分析流水线，在真实世界C程序上实现比现有工具更快的速度与更高的精度？
• RQ4 该方法在具有嵌套循环、依赖计数器与复杂控制流的程序上，其可扩展性如何？
• RQ5 该方法在处理具有挑战性的循环类别（如外依赖、内依赖及多路径循环）时，效果如何？

主要发现

• 该工具在20分钟内分析了4,210个循环，涉及2,833个SCC，仅有27个SCC的分析时间超过10秒。
• 在证明终止的循环中，边界计算的成功率达到98%，显示出极高的可靠性。
• 在305个‘内依赖’类循环中，有107个循环的计算边界为摊销边界，表明该方法能够捕捉非平凡的复杂度行为。
• 与先前工具[27]相比，该方法在速度上提升了整整一个数量级，基准测试在20分钟内完成，而先前工具耗时近13小时。
• 在‘外依赖’和‘路径数 > 1’类别中，该方法实现了100%的成功率，而在最具有挑战性的类别中，成功率也达到约50%。
• 该分析成功计算出12个循环的精确边界，而其他工具因无法处理涉及多层循环计数器递增的摊销行为而失败。