An alias relation between two expre

An alias relation between two expressions, e0 and e1,
in a source program is a relation such that e0 and e1 may
possibly refer to the same memory location during program
execution. Alias relations are generated by various situations
such as parameter passing, reference variables, and
indirect reference with pointer variables. We say that e0 is
an alias of e1 (and vice versa) when there is an alias relation
between e0 and e1. Also, we call the set of expressions in
which each element pair satisfies an alias relation, an alias
set. Alias analysis is a method for extracting alias sets by
static analysis. Alias analysis can be used for various purposes
such as compiler optimization and program slicing.
Alias analysis was first proposed for traditional procedural
languages such as C as part of the static analysis of
pointer variables [7, 11, 19]. Concepts such as class, inheritance,
dynamic binding, and polymorphism have been introduced
into object-oriented (OO) languages such as C++
and JAVA, and various alias analysis methods for OO programs
have been devised [5, 22]. These researches focus
mainly on analysis algorithms as compiler optimization, but
practicability and scalability of those algorithms as software
engineering tools have not been explored.
We are interested in developing a practical software engineering
tool for the alias analysis targeting JAVA; however,
simply using already proposed approaches remains difficulties
in scalability and usage as addressed by Hind et. al.
[10]. To resolve these difficulties, we have newly devised
an on-demand, incremental analysis approach for JAVA programs,
which can be used effectively in an interactive environment.
In this paper, “alias analysis” means to extract a single
set of expressions which are in alias relation to the userspecified
expression, although a traditional meaning would
be to extract all alias sets in a source program.
The alias analysis method proposed here is characterized
by a two-phase and on-demand algorithm, flow-sensitive
instance-based algorithm, and extensible algorithm.
We have implemented the proposed algorithm in a tool
named JAAT. The analysis time of 58,300 lines of JAVA programs
with 364,721 lines of the JDK library was 30 sec. in
Phase 1, and less than 1 milli-sec. in Phase 2. This result
shows that the user can immediately get the resulting
aliases on-demand for the user-specified analysis target after
the preparation of Phase 1. Also, the result was fairly
focused in the sense that for our sample programs, about 5 -
120 aliases were found due to the instance-based approach,
which are 30 – 97% smaller than the class-based approach.
JAAT does not provide whole alias relations as the compiler
optimization algorithm requires, but it produces the focused
or scoped results useful for the program maintainers.
An additional feature of JAAT is that it can save internal
syntactic and semantic information as an external XML
database, and restore the information, in order to improve
reusability of analysis results. Also, JAAT provides a useful

ผลลัพธ์ (ไทย) 1:

ความสัมพันธ์ระหว่างสองนิพจน์ e0 และ e1 นามแฝงตัวในแหล่ง โปรแกรมคือ ความสัมพันธ์อาจ e0 และ e1อาจจะอ้างถึงตำแหน่งหน่วยความจำเดียวกันระหว่างโปรแกรมการดำเนินการ ความสัมพันธ์ของนามแฝงจะถูกสร้างขึ้นตามสถานการณ์ต่าง ๆเช่นผ่านพารามิเตอร์ ตัวแปร การอ้างอิง และการอ้างอิงทางอ้อมกับตัวแปรตัวชี้ เราบอกว่า e0แฝง e1 (และในทางกลับกัน) เมื่อมีความสัมพันธ์เป็นนามแฝงe0 และ e1 ยัง เราเรียกชุดของนิพจน์ในซึ่งองค์ประกอบแต่ละคู่เป็นไปตามความสัมพันธ์นามแฝง นามแฝงตั้งค่า วิเคราะห์นามแฝงคือ วิธีการแยกชุดโดยนามแฝงการวิเคราะห์แบบคง วิเคราะห์นามแฝงที่สามารถใช้สำหรับวัตถุประสงค์ต่าง ๆคอมไพเลอร์ปรับให้เหมาะสมและโปรแกรมแบ่งวิเคราะห์นามแฝงถูกเสนอชื่อก่อนขั้นตอนดั้งเดิมภาษาเช่น C เป็นส่วนหนึ่งของการวิเคราะห์แบบคงตัวแปรชี้ [7, 11, 19] แนวคิดเช่นคลาส สืบทอดมีการแนะนำแบบผูก และโพลีมอร์ฟิซึมเป็นแบบเชิงวัตถุภาษา (ดา) เช่น c ++และจาวา และวิธีการวิเคราะห์นามแฝงต่าง ๆ สำหรับโปรแกรมดาได้คิดค้น [5, 22] เน้นงานวิจัยเหล่านี้หลักในการวิเคราะห์อัลกอริทึมเป็นคอมไพเลอร์ปรับให้เหมาะสม แต่ยาวและการขยายขนาดของอัลกอริทึมที่เป็นซอฟต์แวร์มีไม่ถูกสำรวจเครื่องมือวิศวกรรมเรามีความสนใจในการพัฒนาวิศวกรรมซอฟต์แวร์ปฏิบัติเครื่องมือสำหรับการวิเคราะห์นามแฝง JAVA การกำหนดเป้าหมาย อย่างไรก็ตามใช้เพียงวิธีนำเสนอแล้วยังคง ความยากลำบากในขนาดและการใช้งานเป็นการเดนไฮนด์ร้อยเอ็ด อัล[10] เมื่อต้องการแก้ไขปัญหาเหล่านี้ เราได้เพิ่งคิดค้นวิธีการวิเคราะห์ตามความต้องการ เพิ่มขึ้นสำหรับโปรแกรม JAVAซึ่งสามารถใช้ได้อย่างมีประสิทธิภาพในสภาพแวดล้อมแบบโต้ตอบในเอกสารนี้ "การวิเคราะห์นามแฝง" หมาย ถึงแยกเดียวตั้งค่าของนิพจน์ที่อยู่ในความสัมพันธ์นามแฝง userspecifiedนิพจน์ แม้ว่าความหมายดั้งเดิมจะสามารถแยกชุดนามแฝงทั้งหมดในโปรแกรมต้นฉบับลักษณะการนำเสนอที่นี่วิธีการวิเคราะห์นามแฝงโดย two-phase และตามความต้องการขั้นตอนวิธี กระแสความอัลกอริทึมที่ใช้อินสแตนซ์ และอัลกอริทึมสามารถเพิ่มความสามารถเราใช้อัลกอริทึมนำเสนอในเครื่องมือชื่อ JAAT เมื่อวิเคราะห์รายการ 58,300 ของโปรแกรม JAVAข้อ 364,721 ของ JDK ไลบรารีถูก 30 วินาทีในขั้นตอนที่ 1 และน้อยกว่า 1 วินาทีการที่ในระยะ 2 ผลลัพธ์นี้แสดงว่า ผู้ใช้ทันทีได้ผลการนามแฝงตามความต้องการเป้าหมายวิเคราะห์ระบุผู้ใช้หลังจากการเตรียมการระยะที่ 1 ผลเป็นธรรมเน้นในแง่ที่สำหรับตัวอย่างของโปรแกรม ประมาณ 5-พบนามแฝงที่ 120 จากวิธีตามตัวอย่างที่อยู่ 30 – 97% น้อยกว่าวิธีใช้คลาJAAT ให้ความสัมพันธ์ของนามแฝงทั้งหมดเป็นคอมไพเลอร์ต้องการปรับอัลกอริทึม แต่มันผลิตที่เน้นหรือครอบคลุมถึงผลประโยชน์สำหรับ maintainers โปรแกรมคุณลักษณะเพิ่มเติมของ JAAT ได้ว่า มันสามารถบันทึกภายในและความหมายข้อมูลเป็น XML ภายนอกฐานข้อมูล และการกู้คืนข้อมูล การปรับปรุงreusability ของผลการวิเคราะห์ ยัง JAAT ให้เป็นประโยชน์

ผลลัพธ์ (ไทย) 2:

ความสัมพันธ์ระหว่างสองนามแฝงสำนวน e0 และ e1,
ในโปรแกรมที่มาเป็นความสัมพันธ์ดังกล่าวที่ e0 และ e1 อาจ
อาจจะหมายถึงสถานที่ตั้งของหน่วยความจำเดียวกันในช่วงโปรแกรม
การดำเนินการ ความสัมพันธ์นามแฝงถูกสร้างโดยสถานการณ์ต่างๆ
เช่นการส่งผ่านพารามิเตอร์ตัวแปรอ้างอิงและ
ทางอ้อมอ้างอิงกับตัวแปรชี้ เรากล่าวว่า e0 เป็น
นามแฝงของ e1 (และในทางกลับกัน) เมื่อมีความสัมพันธ์นามแฝง
ระหว่าง e0 และ e1 นอกจากนี้เราเรียกชุดของการแสดงออกใน
ที่คู่แต่ละองค์ประกอบตอบสนองความสัมพันธ์นามแฝงนามแฝง
ชุด การวิเคราะห์นามแฝงเป็นวิธีการสำหรับการแยกชุดนามแฝงโดย
วิเคราะห์แบบคงที่ การวิเคราะห์นามแฝงสามารถนำมาใช้เพื่อวัตถุประสงค์ต่างๆ
เช่นการเพิ่มประสิทธิภาพคอมไพเลอร์และหั่นโปรแกรม.
วิเคราะห์นามแฝงถูกเสนอครั้งแรกสำหรับการดำเนินการแบบดั้งเดิม
ภาษาเช่น C เป็นส่วนหนึ่งของการวิเคราะห์คงที่ของ
ตัวแปรชี้ [7, 11, 19] แนวคิดเช่นระดับมรดก
แบบไดนามิกที่มีผลผูกพันและความแตกต่างได้รับการแนะนำ
เข้าสู่เชิงวัตถุ (OO) ภาษาเช่น C ++
และ Java และวิธีการวิเคราะห์นามแฝงต่างๆสำหรับโปรแกรม OO
ได้รับการวางแผน [5 22] งานวิจัยเหล่านี้มุ่งเน้น
หลักในการวิเคราะห์ขั้นตอนวิธีการเพิ่มประสิทธิภาพของคอมไพเลอร์ แต่
ความเหมาะสมและความยืดหยุ่นของอัลกอริทึมที่เป็นซอฟแวร์
วิศวกรรมเครื่องมือยังไม่ได้รับการสำรวจ.
เรามีความสนใจในการพัฒนาวิศวกรรมซอฟต์แวร์ในทางปฏิบัติ
เครื่องมือสำหรับการวิเคราะห์นามแฝงกำหนดเป้าหมาย JAVA; แต่
ก็ใช้วิธีการที่นำเสนอแล้วยังคงความยากลำบาก
ในการปรับขยายและการใช้งานในขณะที่การแก้ไขโดยหลังและ al.
[10] เมื่อต้องการแก้ไขปัญหาเหล่านี้เราได้คิดค้นขึ้นใหม่
ตามความต้องการที่เพิ่มขึ้นวิธีการวิเคราะห์สำหรับโปรแกรม JAVA,
ซึ่งสามารถนำมาใช้อย่างมีประสิทธิภาพในสภาพแวดล้อมแบบโต้ตอบ.
ในกระดาษนี้ "การวิเคราะห์นามแฝง" หมายถึงการดึงเดียว
ชุดของการแสดงออกที่อยู่ใน ความสัมพันธ์นามแฝงที่จะ userspecified
แสดงออกถึงแม้ว่าความหมายแบบดั้งเดิมจะ
เป็นสารสกัดจากทั้งหมดชุดนามแฝงในโปรแกรมต้นฉบับ.
วิธีการวิเคราะห์นามแฝงเสนอที่นี่เป็นลักษณะ
โดยสองเฟสและขั้นตอนวิธีการตามความต้องการในการไหลที่มีความอ่อนไหว
เช่นตามขั้นตอนวิธี และขั้นตอนวิธีการขยาย.
เราได้ดำเนินการขั้นตอนวิธีการที่นำเสนอเครื่องมือใน
ชื่อ JAAT เวลาวิเคราะห์ 58,300 เส้นของโปรแกรม JAVA
กับ 364,721 เส้นของห้องสมุด JDK เป็น 30 วินาที ใน
ขั้นตอนที่ 1 และน้อยกว่า 1 มิลลิวินาที ในขั้นตอนที่ 2. ผลที่ได้นี้
แสดงให้เห็นว่าผู้ใช้ทันทีจะได้รับผล
แทนตามความต้องการสำหรับการวิเคราะห์เป้าหมายที่ผู้ใช้ระบุหลังจาก
การจัดทำขั้นตอนที่ 1 นอกจากนี้ผลที่ได้รับเป็นธรรม
ที่มุ่งเน้นในแง่ที่ว่าสำหรับโปรแกรมตัวอย่างของเราเกี่ยวกับ 5 -
120 นามแฝงของเขาถูกพบเนื่องจากวิธีการเช่นตามที่
ที่ 30 -. 97% มีขนาดเล็กกว่าวิธีการเรียนตาม
JAAT ไม่ได้ให้ความสัมพันธ์นามแฝงทั้งหมดเป็นคอมไพเลอร์
ต้องใช้วิธีการเพิ่มประสิทธิภาพ แต่มันผลิตที่มุ่งเน้น
หรือกำหนดขอบเขตผล มีประโยชน์สำหรับผู้ดูแลโปรแกรม.
คุณลักษณะเพิ่มเติมของ JAAT ก็คือว่ามันสามารถบันทึกภายใน
ข้อมูลและความหมายของประโยคเป็น XML ภายนอก
ฐานข้อมูลและเรียกคืนข้อมูลเพื่อปรับปรุง
สามารถนำมาใช้ผลการวิเคราะห์ นอกจากนี้ JAAT มีประโยชน์

ผลลัพธ์ (ไทย) 3:

นามแฝงความสัมพันธ์ระหว่างสองสำนวน และ E0 E1
ในโปรแกรมที่มามีความสัมพันธ์เช่นว่า E0
E1 อาจอาจจะอ้างถึงและตำแหน่งหน่วยความจำเดียวกันในระหว่างการดำเนินการโปรแกรม

ความสัมพันธ์นามแฝงถูกสร้างขึ้นโดยสถานการณ์ต่างๆ
เช่นผ่านตัวแปร ตัวแปรอ้างอิงและ
การอ้างอิงทางอ้อมกับตัวแปรชี้ เราว่า E0
เป็นนามแฝงของ E1 ( และในทางกลับกัน ) เมื่อมีนามแฝงและความสัมพันธ์ระหว่าง E0
E1 นอกจากนี้ เราเรียกชุดของการแสดงออกใน
ซึ่งแต่ละองค์ประกอบคู่ตรงความสัมพันธ์นามแฝงนามแฝง
ชุด การวิเคราะห์ฉายาเป็นวิธีการแยกชุดนามแฝงโดย
การวิเคราะห์แบบคงที่ การวิเคราะห์ฉายาที่สามารถใช้สำหรับวัตถุประสงค์ต่างๆเช่นการเพิ่มประสิทธิภาพคอมไพเลอร์และ

โปรแกรม slicing .การวิเคราะห์ฉายาแรกเสนอแบบดั้งเดิมขั้นตอน
ภาษาเช่น C เป็นส่วนหนึ่งของการวิเคราะห์แบบคงที่ของตัวแปรชี้
[ 7 , 11 , 19 ) แนวคิดเช่นชั้น , มรดก ,
แบบไดนามิกผูกพันและจึงได้รับการแนะนำเป็นเชิงวัตถุ
( OO ) ภาษาเช่น C
และ Java และนามแฝงต่างๆการวิเคราะห์วิธีการโปรแกรม
OO ได้รับการวางแผน [ 5 / 22 ] งานวิจัยนี้มุ่งเน้น
หลักในการวิเคราะห์และขั้นตอนวิธีการเพิ่มประสิทธิภาพของคอมไพเลอร์ แต่ความเหมาะสมและ scalability ของขั้นตอนวิธีนั้น

เป็นวิศวกรรมซอฟต์แวร์เครื่องมือที่ยังไม่ได้สำรวจ
เรามีความสนใจในการพัฒนาทางวิศวกรรมซอฟต์แวร์เครื่องมือสำหรับการวิเคราะห์ฉายาเป้าหมาย

เพียงแค่ใช้จาวา อย่างไรก็ตาม เคยเสนอแนวทางในการขยายขีดความสามารถและการใช้งานยังคงความยากลำบาก
เป็น addressed โดยหลัง et al .
[ 10 ] เพื่อแก้ไขปัญหาเหล่านี้ เราเพิ่งได้วางแผน
ความต้องการ วิธีการวิเคราะห์เพิ่มสำหรับโปรแกรม Java ,
ซึ่งสามารถใช้งานได้อย่างมีประสิทธิภาพในสภาพแวดล้อมแบบโต้ตอบ .
ในกระดาษนี้ , " การวิเคราะห์ฉายา " หมายถึง การแยกเดี่ยว
ชุดของการแสดงออกซึ่งเป็นนามแฝงความสัมพันธ์กับ userspecified
การแสดงออกถึงความหมายดั้งเดิม จะ
จะแยกชุดนามแฝงในโปรแกรมแหล่งข้อมูล วิธีการเสนอการวิเคราะห์นามแฝง

ที่นี่คือลักษณะโดยการและขั้นตอนวิธีแบบไหลไว
ตัวอย่างขั้นตอนวิธีพื้นฐานและปรับอัลกอริทึม
เราได้ใช้วิธีที่เสนอในเครื่องมือ
ชื่อ jaat . การวิเคราะห์เวลา 58300 บรรทัดของโปรแกรม Java
กับ 364721 บรรทัดของ JDK ห้องสมุดคือ 30 วินาที ใน
เฟส 1และน้อยกว่า 1 มิลลิวินาที ใน เฟส 2 ผลดังกล่าวแสดงให้เห็นว่าผู้ใช้สามารถทันที

ได้ผลชื่อผู้ใช้ที่ระบุความต้องการการวิเคราะห์เป้าหมายหลังจากที่
การเตรียมการของเฟส 1 นอกจากนี้ ผลที่ได้ค่อนข้าง
มุ่งเน้นในความรู้สึกว่า สำหรับโปรแกรมตัวอย่างของเราประมาณ 5 -
120 นามแฝงที่พบจากตัวอย่างตามแนวทาง
ซึ่งเป็น 30 – 97% มีขนาดเล็กกว่าเข้าเรียนตาม
jaat ไม่ได้ให้ความสัมพันธ์ทั้งนามแฝงเป็นคอมไพเลอร์
ขั้นตอนวิธีการหาค่าต้องการ แต่มันสร้างผลประโยชน์เน้น
หรือขอบเขตของโปรแกรมรักษา .
คุณสมบัติเพิ่มเติมของ jaat คือมันสามารถบันทึกภายใน
ทางวากยสัมพันธ์และอรรถศาสตร์ข้อมูลเป็นฐานข้อมูล XML
ภายนอกและเรียกคืนข้อมูลเพื่อปรับปรุง
ใช้การวิเคราะห์ นอกจากนี้ jaat ให้เป็นประโยชน์