南京大学 《软件分析》05 Data Flow Analysis - Foundations I

前言

抽象，晦涩，难懂

另一个视角下的迭代算法

回忆数据流分析里面的迭代算法

OUT没有变化时，迭代就结束了。

我们从另外一个角度来看，给定一个k个节点的CFG，迭代算法每次迭代对每个节点的OUT进行更新。

例子

假设值域是V，我们可以定义一个k元组：

(OUT[n ₁], OUT[n ₂], …, OUT[n _k]) 为V ^k 每次迭代都可以理解为对V ^k进行遍历，变成一个新的V ^k。转换函数和流控制处理可以抽象为一个函数F：V ^k->V ^k 算法迭代地输出k元组直到前一次迭代和后一次的结果是一样的。

初始化为空，用bottom（⊥）表示。

i和i+1的元组是一样的，所以结束。

此时X_i就是一个F的不动点（Fixed point）

思考

迭代算法对数据流分析生成一个算法

• 算法保证一定能停止或者达到不动点吗？或者说总有一个解吗？
• 假设可以停止，那只有一个解或者一个不动点吗？如果有超过一个，那我们的解答是最优的吗？
• 什么时候算法可以达到不动点？

为了解答这些问题，我们得开始学数学。

偏序

定义

设R是集合A上的一个二元关系，若R满足：
Ⅰ 自反性：对任意x∈A，有xRx；
Ⅱ 反对称性（即反对称关系）：对任意x,y∈A，若xRy，且yRx，则x=y；
Ⅲ 传递性：对任意x, y,z∈A，若xRy，且yRz，则xRz。 [1]
则称R为A上的偏序关系，通常记作≼。注意这里的≼不必是指一般意义上的“小于或等于”。
若然有x≼y，我们也说x排在y前面（x precedes y）

整数集上的小于等于关系就是一个偏序关系。

整数集上的小于关系不是一个偏序关系。

英文单词上的子串关系是一个偏序关系。

这也是一个偏序关系

上下界

定义

考虑一个偏序集 (P, ⊑)，集合S ⊆ P，如果对任何一个S中的x，x ⊑ u，u ∈ P是P的上界。
反过来，如果对任何一个S中的x，l ⊑ x，l ∈ P是P的下界。

一个例子。

对每个S的上界，如果⊔S ⊑ u，⊔S是最小上界。
对每个S的上界，如果l ⊑ ⊓S，⊓S是最大下界。

如果子集S仅包含两个元素a,b，那么：

• ⊔S能被写作 a ⊔ b（a join b）
• ⊓S能被写作 a ⊓ b（a meet b）

一些性质

• 不是每个偏序集都有最小上界和最大下界
• 如果有最小上界或最大下界，则是唯一的
  
  假设有两个最小上界，根据反对称性，这两个上界是同一个。

格

定义

如果偏序集(P, ⊑)，∀a, b ∈ P，如果 a ⊔ b 和 a ⊓ b 都存在，那么这个偏序集(P, ⊑)被称作一个格。
格可能是描述这种上下都有边界的抽象格子。

半格

定义

给定偏序集(P, ⊑)，∀a, b ∈ P,
如果只有 a ⊔ b 存在，则称偏序集为一个join 半格
如果只有 a ⊓ b 存在，则称偏序集为一个meet 半格

全格

定义

给定一个格(P, ⊑)，对于P的任意子集S，如果S的最小上界⊔S(lub)和最大下界⊓S(glb)都存在，这个格就是一个全格。

性质

全格一定有一个最大元素T和最小元素⊥
任意有限的格都是全格

所以大部分时候我们在数据流分析中关注全格。

乘积格

定义

给定n个格，L₁ = (P₁, ⊑₁), L₂ = (P₂, ⊑₂), …, L_n = (P_n, ⊑_n)，如果每个格都有对应的⊔_i(最小上界)和⊓_i(最大下界)，那么我们得到一个乘积格 L_n = (P, ⊑)并有以下四个定义：

1. P = P₁ × … × P_n
2. (x₁, …, x_n) ⊑ (y₁, …, y_n) ⟺ (x₁ ⊑ y₁) ∧ … ∧ (x_n ⊑ y_n)
3. (x₁, …, x_n) ⊔ (y₁, …, y_n) = (x₁ ⊔₁ y₁, …, x_n ⊔_n y_n)
4. (x₁, …, x_n) ⊓ (y₁, …, y_n) = (x₁ ⊓₁ y₁, …, x_n ⊓_n y_n)

• 乘积格也是格
• 如果L是一系列全格的乘积，那么L也是全格。

基于格的数据流分析框架

数据流分析框架（D, L, F）包含：

• D: 数据流方向：前向或者后向
• L: 包含值域V和一个meet或join操作符的格
• F：一系列V到V的传递函数
  
  数据流分析可以被认为是迭代地在格上使用转换函数和meet/join操作。

回忆我们之前的问题

迭代算法对数据流分析生成一个算法

• 算法保证一定能停止或者达到不动点吗？或者说总有一个解吗？（回忆输出永远不缩水，和单调性有关）
• 假设可以停止，那只有一个解或者一个不动点吗？如果有超过一个，那我们的解答是最优的吗？
• 什么时候算法可以达到不动点？

单调性

如果对于∀x, y ∈ L，x ⊑ y ⟹ f(x) ⊑ f(y)，函数f：L->L(L是一个格)是单调的。

不动点定理

对于全格 (L, ⊑)，如果1）f: L->L是单调的 2）L是有限的，则f的最小不动点可以通过迭代f(⊥), f(f(⊥)), …, f^k(⊥) ,最大不动点可以通过迭代f(T), f(f(T)), …, f^k(T) 来获得。

证明不动点存在

证明最小/最大不动点