[论文解读] Towards Incremental and Modular Context-Sensitive Analysis

Isabel Garcia-Contreras, José F. Morales+1 more|arXiv (Cornell University)|Jan 1, 2018

Software Testing and Debugging Techniques被引用 2

一句话总结

本文提出了一种新颖的模块化、增量式上下文敏感分析算法，能够在对大型模块化程序进行小范围、孤立的修改时，高效重用先前的分析结果。通过按模块计算局部不动点，仅使受影响部分失效，并在模块边界间传播分析信息，该方法在时间和内存使用方面相比非模块化和细粒度增量技术均有显著提升，同时通过形式化验证保持了正确性。

ABSTRACT

This is an extended abstract of [I. Garcia-Contreras et al., 2018].

研究动机与目标

• 为解决在交互式开发或发生小范围修改后，对大型代码库重新运行完整上下文敏感分析所导致的高成本问题。
• 弥合单体式增量分析与模块化分析之间的差距，目前二者无法相互发挥各自的优势。
• 通过重用先前结果并避免重新处理未受影响的组件，实现高效的重新分析。
• 形式化描述并证明一种支持增量更新的模块化分析算法的正确性。
• 证明所提出的方法在实践中优于传统模块化分析和非模块化增量技术。

提出的方法

• 在Hermenegildo等人（2000年）的增量全局不动点算法基础上，引入宽化（widening）机制，以处理上下文敏感分析中的无限格（infinite lattices）。
• 采用并形式化描述Puebla等人（2004年）的模块化分析框架，以支持对程序划分部分的独立分析。
• 基于每个模块计算局部不动点，将变更对特定组件的影响隔离。
• 识别、使失效并仅重新计算受细粒度程序变更影响的分析结果部分。
• 在模块边界之间传播更新后的分析信息，以保持一致性和精度。
• 在Ciao/CiaoPP系统中实现该算法，并在真实世界基准上进行评估。

实验结果

研究问题

• RQ1 能否使模块化分析算法具备增量性，以支持在小范围、局部程序修改后实现高效的重新分析？
• RQ2 在上下文敏感分析环境中，如何正确且精确地在模块边界之间传播增量更新？
• RQ3 将模块化与细粒度增量分析相结合，是否能在时间与内存消耗方面带来可测量的改进，优于现有方法？
• RQ4 所提出的算法是否能在实现显著性能提升的同时，保持正确性与精度？
• RQ5 在实践中，所提出的模块化增量算法与传统模块化分析及非模块化增量分析相比，性能表现如何？

主要发现

• 所提出的模块化增量算法相比非模块化、细粒度增量分析技术，显著降低了执行时间和内存消耗。
• 即使从零开始分析，该算法也优于传统模块化分析，原因在于模块间信息的高效传播。
• 通过重用先前的分析结果，并将重新处理限制在受影响的组件范围内，该方法实现了显著的性能提升。
• 实验评估证实了其良好的成本-性能权衡，使该方法适用于交互式开发和持续分析工作流。
• 形式化正确性结果确保了增量更新的可靠与精确，维护了分析在变更过程中的完整性。