静态分析技术-数据流分析技术

这是南京大学《软件分析》课程的课程笔记，全部内容来自于课程网站

活跃变量分析（Live Variable Analysis）

定义：

对于数据流中点P上的变量v，活跃变量分析判断v是否在P后的任何一条数据流中被使用（作为右值）。活跃变量分析常用来为变量分配寄存器。

分析：

这是一个may analysis，因为允许假阳性。

domain为所有的变量，初始值为空。

简便起见，算法被设计为从下往上分析。

算法：

说明：

首先，给控制流图所有节点的IN置空。从exit节点开始，迭代更新每个节点的IN。

transfer function为：
$$\begin{gathered} OUT[B]={\cup }_{ssuccessorofB}IN[S] \\ IN[B]=use{}_b\cup (OUT[B]-de{f}_B) \end{gathered}$$
即

1. 节点 $B$ 的 $OUT$ 为所有后继节点的 $IN$ 的并。
2. 节点 $B$ 的 $IN$ 为 $OUT[B]$ 中kill掉state中被赋值的变量（赋值语句左边），再加上被使用的变量（赋值语句的右边）。

从exit节点，溯数据流图而上，直至enter节点称为一次迭代。数次迭代完成后，如在下一次迭代后，所有节点的 $IN$ 不在变化，活跃变量分析即完成。

可达性分析（Reaching Definitions Analysis）

定义：

数据流开端P处定义了d，若从数据流P→Q中d没有被killed（被重新赋值），则说在数据流点P处的定义d到点Q是可达的。

常用于检测未被声明的变量。

分析：

这是一个may analysis，因为允许假阳性。实际使用中，在enter处将所有变量定义为undefined，假设变量v在Q处被使用，若从enter到Q，v的定义是可达的，则发现一个未声明变量的语法错误。

domain为所有的赋值语句，初始值为空。

简便起见，算法被设计为从上往下分析。

算法：

说明：

将所有节点的 $OUT$ 置空。从entry节点开始，迭代更新每个节点。

transfer function为：
$$\begin{gathered} IN[B]={\cup }_{PpredecessorofB}OUT[P] \\ OUT[B]=gen{}_B\cup (IN[B]-kil{l}_B) \end{gathered}$$
即

1. 每个节点的 $IN$ 为所有前驱节点 $OUT$ 的交。
2. 每个节点的 $OUT$ 为当前节点的 $IN$ 除去被killed的部分（赋值语句的左边），再加上被killed之前被使用的部分（赋值语句的右边）。

从entry节点，顺数据流图而下，直至exit节点称为一次迭代。数次迭代完成后，如在下一次迭代后，所有节点的 $OUT$ 不再变化，可达性分析即完成。

可用表达式分析（Live Variable Analysis）

定义：

数据流中有表达式 x op y 和点P，若从entry到P处的所有路径都必须计算表达式 x op y，且最后一次计算 x op y 后，x 或 y 都未被重新赋值，则称表达式 x op y 在P处是可用的。

常用于编译优化中对表达式值的替换。

分析：

这是一个must analysis，因为不允许假阳性。

domain为所有的表达式的集合。

简便起见，算法被设计为从上往下分析。

算法：

说明：

将初始entry节点的 $OUT$ 置空。将其余节点的 $OUT$ 置满。从entry节点开始，迭代更新每个节点。

trans function为：
$$\begin{gathered} IN[B]={\cap }_{PpredecessorofB}OUT[P] \\ OUT[B]=gen{}_B\cup (IN[B]-kil{l}_B) \end{gathered}$$
即：

1. 将每个节点的 $IN$ 为所有前驱节点的 $OUT$ 的交。
2. 每个节点的 $OUT$ 为 当前节点的 $IN$ 除去被killed的部分（表达式中任意变量被重新赋值，左值），再加上被新计算的部分（右值）

从entry节点，顺数据流图而下，直至exit节点称为一次迭代。数次迭代完成后，如在下一次迭代后，所有节点的 $OUT$ 不再变化，可用表达式分析即完成。

总结：

加上被新计算的部分（右值）

从entry节点，顺数据流图而下，直至exit节点称为一次迭代。数次迭代完成后，如在下一次迭代后，所有节点的 $OUT$ 不再变化，可用表达式分析即完成。

总结：