Comparing points-to static analysis with runtime recorded profiling data

Stancu, Codruţ; Wimmer, Christian; Brunthaler, Stefan; Larsen, Per; Franz, Michael

doi:10.1145/2647508.2647524

Cited by 8 publications

(6 citation statements)

References 26 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Any unsoundness is, in principle, bad, so a quantification is treacherous. However, following the example of other work Lhoták 2012, 2013;Li et al 2014;Stancu et al 2014], we quantify the unsoundness of the static analysis in terms of missing callgraph edges, compared to a dynamic call-graph. We consider only call-graph edges originating from application code, since library classes contain a fair amount of non-analyzable native methods.…”

Section: Discussionmentioning

confidence: 99%

“…Our experiments are substantially more representative in regards to the actual empirical soundness of a joint reflection and pointer analysis. Stancu et al [2014] present an empirical study that compares profiling data with a pointsto static analysis, but do not support reflection. They target only the most reflection-light benchmarks of the DaCapo 9.12-Bach suite (avrora, luindex, and lusearch), and patch the code to avoid reflection entirely.…”

Section: Related Workmentioning

confidence: 95%

See 1 more Smart Citation

More Sound Static Handling of Java Reflection

Smaragdakis

Balatsouras

Kastrinis

et al. 2015

Lecture Notes in Computer Science

View full text Add to dashboard Cite

Reflection is a highly dynamic language feature that poses grave problems for static analyses. In the Java setting, reflection is ubiquitous in large programs. Any handling of reflection will be approximate, and overestimating its reach in a large codebase can be catastrophic for precision and scalability. We present an approach for handling reflection with improved empirical soundness (as measured against prior approaches and dynamic information) in the context of a points-to analysis. Our approach is based on the combination of string-flow and points-to analysis from past literature augmented with (a) substring analysis and modeling of partial string flow through string builder classes; (b) new techniques for analyzing reflective entities based on information available at their use-sites. The resulting analysis is general, without any need for hand-tuning. In experimental comparisons with prior approaches, we demonstrate a combination of both improved soundness (recovering the majority of missing call-graph edges) and increased performance.

show abstract

Section: Discussionmentioning

confidence: 99%

Section: Related Workmentioning

confidence: 95%

More Sound Static Handling of Java Reflection

Smaragdakis

Balatsouras

Kastrinis

et al. 2015

Lecture Notes in Computer Science

View full text Add to dashboard Cite

show abstract

“…The LLVMbased backend works in several phases. In the first phase, it performs points-to analysis [30] to discover all the code it will possibly have to compile. Then, an ahead-of-time inlining phase is performed.…”

Section: Proposed Approachmentioning

confidence: 99%

Execution Migration of Managed Languages Programs Among Heterogeneous-ISA Processing Units

Khordadi

2020

Proceedings of the 21st International Middleware Conference Doctoral Symposium

View full text Add to dashboard Cite

“…Call-graph construction is one of the best-known clients of points-to analysis [2,3,80] and has the added benefit of quantifying how much code the analysis truly reaches. We compare the call-graph edges found by our static analysis to a dynamic call-graph-a comparison also found in other recent work [126]. For a sound static analysis, no edge should occur dynamically but not predicted statically.…”

Section: Rq2: Do the Presented Techniques Have Reasonable Running Times?mentioning

confidence: 60%

“…Reflection is one of their examples but they only apply it to small benchmarks. Stancu et al [126] empirically compare profiling data with a points-to static analysis. However, they target only the most reflection-light benchmarks of the DaCapo 9.12-Bach suite (avrora, luindex, and lusearch), and patch the code to avoid reflection entirely.…”

Section: Static Analysis and Reflectionmentioning

confidence: 99%

Recovering structural information for better static analysis

Balatsouras¹,

Μπαλατσούρας²

View full text Add to dashboard Cite

Η στατική ανάλυση στοχεύει στην κατανόηση της συμπεριφοράς του προγράμματος, μέσω αυτοματοποιημένων τεχνικών συμπερασμού που βασίζονται καθαρά στον πηγαίο κώδικα του προγράμματος, αλλά δεν προϋποθέτουν την εκτέλεσή του. Για να πετύχουν αυτές οι τεχνικές μία ευρεία κατανόηση του κώδικα, καταφεύγουν στη δημιουργία ενός αφηρημένου μοντέλου της μνήμης, το οποίο καλύπτει όλες τις πιθανές εκτελέσεις. Αφηρημένα μοντέλα τέτοιου τύπου μπορεί γρήγορα να εκφυλιστούν, αν χάσουν σημαντική δομική πληροφορία των αντικειμένων στη μνήμη που περιγράφουν. Αυτό συνήθως συμβαίνει λόγω χρήσης συγκεκριμένων προγραμματιστικών ιδιωμάτων και χαρακτηριστικών της γλώσσας προγραμματισμού, ή λόγω πρακτικών περιορισμών της ανάλυσης. Σε αρκετές περιπτώσεις, ένα σημαντικό μέρος της χαμένης αυτής δομικής πληροφορίας μπορεί να ανακτηθεί μέσω σύνθετης λογικής, η οποία παρακολουθεί την έμμεση χρήση τύπων, και να χρησιμοποιηθεί προς όφελος της στατικής ανάλυσης του προγράμματος.Στη διατριβή αυτή παρουσιάζουμε διάφορους τρόπους ανάκτησης δομικής πληροφορίας, πρώτα (1) σε προγράμματα C/C++, κι έπειτα, σε προγράμματα γλωσσών υψηλότερου επιπέδου που δεν προσφέρουν άμεση πρόσβαση μνήμης, όπως η Java, όπου αναγνωρίζουμε δύο βασικές πηγές απώλειας δομικής πληροφορίας: (2) χρήση ανάκλασης και (3) ανάλυση μερικών προγραμμάτων. Δείχνουμε πως, σε όλες τις παραπάνω περιπτώσεις, η ανάκτηση τέτοιας δομικής πληροφορίας βελτιώνει άμεσα τη στατική ανάλυση του προγράμματος.Παρουσιάζουμε μία ανάλυση δεικτών για C/C++, η οποία βελτιώνει το επίπεδο της αφαίρεσης, βασιζόμενη σε πληροφορία τύπου που ανακαλύπτει κατά τη διάρκεια της ανάλυσης. Παρέχουμε μία υλοποίηση της ανάλυσης αυτής, στο cclyzer, ένα εργαλείο στατικής ανάλυσης για LLVM bitcode. Έπειτα, παρουσιάζουμε επεκτάσεις σε ανάλυση δεικτών για Java, κτίζοντας πάνω σε σύγχρονες τεχνικές χειρισμού μηχανισμών ανάκλασης. Η βασική αρχή είναι παραπλήσια με την περίπτωση της C/C++: καταγράφουμε τη χρήση των ανακλαστικών αντικειμένων, κατά τη διάρκεια της ανάλυσης δεικτών, ώστε να ανακαλύψουμε βασικά δομικά τους στοιχεία, τα οποία μπορούμε να χρησιμοποιήσουμε έπειτα για να βελτιώσουμε τον χειρισμό των εντολών ανάκλασης στην τρέχουσα ανάλυση, με αμοιβαία αναδρομικό τρόπο. Τέλος, ως προς την ανάλυση μερικών προγραμμάτων Java, ορίζουμε το γενικό πρόβλημα της ((συμπλήρωσης προγράμματος)): δοθέντος ενός μερικού προγράμματος, πως να εφεύρουμε ένα υποκατάστατο του κώδικα που λείπει, έτσι ώστε αυτό να ικανοποιεί τους περιορισμούς των στατικών και δυναμικών τύπων που υπονοούνται από τον υπάρχοντα κώδικα. Ή διαφορετικά, πως να ανακτήσουμε τη δομή των τύπων που λείπουν. Πέραν της ανακάλυψης των μελών (πεδίων και μεθόδων) των κλάσεων που λείπουν, ηικανοποίηση των περιορισμών υποτυπισμού μας οδηγεί στον ορισμό ενός πρωτότυπου αλγοριθμικού προβλήματος: τη συμπλήρωση ιεραρχίας τύπων. Παρέχουμε αλγορίθμους που λύνουν το πρόβλημα αυτό σε διάφορα είδη κληρονομικότητας (μονής, πολλαπλής, μεικτής) και τους υλοποιούμε στο JPhantom, ένα νέο εργαλείο συμπλήρωσης Java bytecode κώδικα.

show abstract

Comparing points-to static analysis with runtime recorded profiling data

Cited by 8 publications

References 26 publications

More Sound Static Handling of Java Reflection

More Sound Static Handling of Java Reflection

Execution Migration of Managed Languages Programs Among Heterogeneous-ISA Processing Units

Recovering structural information for better static analysis

Contact Info

Product

Resources

About