第2章数据流分析（补充.pptVIP

中国科大 第2章 数据流分析 内容概述 数据流分析推导的是数据沿着程序执行路径流动的信息 过程内的分析：可用表达式分析、到达－定值分析等 过程间分析 Shape分析 理论基础 数据流方程的求解 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（Bit vector framework） Single-bit representation of each data flow property Separability of solution ? Data flow properties can be evaluated independently ? Merge operation is a bitwise AND or OR operation Monotonic bit function ? A bit function cannot negate any bit 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 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 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 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 Meet Over all Paths(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 Maximum Fixed Point(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)) 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