Statically Analyzing the Dataflow of R Programs

Florian Sihler

doi:10.1145/3763087

2025-10-01

PRE

Florian Sihler *

Matthias Tichy

DOI：10.1145/3763087

原文链接

原文求助

摘要

En 中文

R编程语言主要设计用于统计计算，主要由无计算机科学背景的研究者使用。R提供了广泛且难以进行静态分析的动态特性和特点，例如动态作用域和具有动态副作用的存在性评估。同时，R生态系统缺乏支持研究者理解并改进其代码的复杂分析工具。本文介绍了一种新颖的静态数据流分析框架，适用于R编程语言，能够处理R程序的动态特性，并生成给定R程序的数据流图。该图对于一系列分析至关重要，包括程序切片，我们将其作为概念验证加以实现。核心分析作为有状态折叠应用于R程序抽象语法树的归一化版本，跟踪（再）定义、值、函数调用、副作用、外部文件和动态控制流，以生成每个程序的数据流图。我们通过在手动整理的包含779个合理切片点的可执行真实世界R脚本数据集上进行输出等价性测试，评估了分析的正确性。此外，我们基于R语言能力和R解释器实现，使用一组系统性测试用例，并在R的包管理器CRAN上可用的4,230个真实世界R脚本和20,815个包的集合上测量运行时间和内存消耗。此外，我们评估了程序切片器的召回率、通过缩减实现的准确性及其对现有技术的改进。在等价测试套件中，我们正确分析了几乎所有程序，对于99.7%的手动整理切片点保持了相同的输出。平均而言，我们分析数据流需要576毫秒，存储一个研究脚本图约需213 KB。这表明我们的分析能够快速且正确地分析真实世界源代码。我们的切片器平均减少了84.8%的标记，表明其改善程序理解的潜力。

Keyword:

Static Analysis

Dataflow Analysis

R Programming Language