139数据流分析

第2章数据流分析•数据流分析的用途–编译优化、程序维护–程序安全性的检查•和编译原理课程的区别–基于源代码的结构化分析方法，而不是基于基本块和程序流图的分析–从过程内讨论到过程间–强调理论基础第2章数据流分析•数据流分析的正确性数据流分析所得结论同程序运行时的情况一致–需要定义机器模型和操作语义，证明所得结论对操作语义可靠–由于数据流分析收集的信息同基本块和控制流有关，通常和变量值无关，因此不同于一般的可靠性证明，例如Hoare逻辑的赋值公理是可靠的{x=1}x:=x+1{x=2}活跃变量分析•活跃变量分析的正确性–需要将该正确性概念形式地表达出来–在活跃变量的初值相同的不同格局下S,1和S,2执行程序S的结果应该是一样的–再细化一下，程序每执行一步，得到的不同格局S,1和S,2中，活跃变量的值都相同第2章数据流分析•数据流分析的基础把各种数据流模式作为一个整体来抽象地研究，然后可以形式地回答数据流算法的下列几个基本问题：–在什么情况下数据流分析中使用的迭代算法是正确的？–该迭代算法所得解的精度如何？–该迭代算法是否收敛？–数据流方程的解的含义是什么？第2章数据流分析•为一类数据流模式建一个共同理论框架–总结已讨论过的四种数据流分析模式–整理出该框架的一些基本特征或原则–规范框架中的性质空间要满足的特征–规范框架中迁移函数要满足的性质–给出框架的定义–区分单调框架和分配框架的区别–常量传播数据流模式不是分配的第2章数据流分析•位向量框架（Bitvectorframework）–Single-bitrepresentationofeachdataflowproperty–SeparabilityofsolutionDataflowpropertiescanbeevaluatedindependentlyMergeoperationisabitwiseANDorORoperation–MonotonicbitfunctionAbitfunctioncannotnegateanybit第2章数据流分析•分配性蕴涵单调性的证明l1l2并且f(l1l2)=f(l1)f(l2)蕴涵f(l1)f(l2)证明因为f(l2)=f(l1l2)=f(l1)f(l2)所以f(l1)f(l2)第2章数据流分析•常量传播框架的非分配性说明常量传播框架没有分配性的例子B1EXITz=x+yx=2y=3B3B2x=3y=2第2章数据流分析•整数格–表示没有任何信息可用–表示可能不是常量…3210123…第2章数据流分析•用集合之间的包含关系来定义部分函数之间的偏序{0,1,1,1,2,1}常函数1阶乘函数{0,1,1,1,2,2}{0,1,1,1}{0,1}{0,5}........................第2章数据流分析•数据流方程的求解–IDEAL，基于程序所有可能执行路径的解，它少于或等于流图上的执行路径–MeetOverallPaths(MOP)，不仅汇集了所有可能路径的数据流值，而且还包括了那些不可能被执行路径的数据流值–MaximumFixedPoint(MFP)，由迭代算法得到的解–迭代算法得到的MFP解总是安全的MFPMOPIDEAL第2章数据流分析•MOP和MFP的比较–由MOP的定义，有MOPo[B4]=((fB3◦fB1)(fB3◦fB2))(vENTRY)–在迭代算法(MFP)中，如果按B1，B2，B3和B4的次序访问结点，那么MFPo[B4]=fB3(fB1(vENTRY)fB2(vENTRY))说明路径上较早汇合之影响的流图B1ENTRYB4B3B2第2章数据流分析•敏感性分析–路径敏感分析根据条件分支语句中的谓词来计算不同路径上的信息，它能够区分控制流图上不同路径的信息–路径不敏感分析先前讨论的都是路径不敏感分析–流不敏感分析语句的执行次序对分析来说无关紧要，S1;S2和S2;S1的分析结果肯定一样–流敏感分析先前讨论的都是流敏感分析第2章数据流分析•敏感性分析–上下文不敏感分析组合所有调用点的状态信息，对过程体仅分析一次，返回状态集合的信息用于所有的返回点–上下文敏感分析区分带不同上下文信息的不同调用第2章数据流分析•过程间分析的关注点–上下文敏感分析要注意调用和返回的匹配，注意上下文信息的传递–参数传递的方式仅考虑传值和传结果方式其他如传引用，会引起别名–过程作为参数在此不考虑