Inkrementalisierung Statischer Analysen in Datalog
| dc.contributor.author | Szabo, Tamas | |
| dc.contributor.editor | Hölldobler, Steffen | |
| dc.date.accessioned | 2022-12-02T12:57:51Z | |
| dc.date.available | 2022-12-02T12:57:51Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | Integrierte Entwicklungsumgebungen verwenden statische Analysen, um den Entwicklern bei der Bearbeitung ihrer Programme ein verwertbares Feedback zu geben. Im Gegenzug können die Entwickler ihren Code überarbeiten und potenzielle Laufzeitprobleme beseitigen, bevor der Code in Produktion geht. Die Entwicklung von Analysen für den Einsatz in IDEs ist ein komplexes Unterfangen, da die Analysen nach einer Programmänderung in Sekundenschnelle Ergebnisse liefern und gleichzeitig das Programmverhalten für alle möglichen Ausführungsarten präzise erfassen müssen. Diese beiden Anforderungen stehen im Widerspruch zueinander und stellen eine komplexe Herausforderung dar. Die vorliegende Dissertation untersucht, wie sich Inkrementalität zur Beschleunigung statischer Analysen nutzen lässt. Als Reaktion auf eine Programmänderung berechnet eine inkrementelle Analyse nur die Ergebnisse neu, die von der Änderung betroffen sind, und verwendet den Rest der vorherigen Ergebnisse wieder. Die Dissertation beschreibt dazu den Entwurf und die Realisierung eines neuen Frameworks, das statische Analysen automatisch inkrementell ausführen kann. Die Dissertation zeigt, dass sich mit diesem Framework erhebliche Leistungsgewinne erzielen lassen und so selbst anspruchsvolle interprozedurale Analysen auf großen Softwaresystemen in wenigen Millisekunden inkrementell ausgeführt werden können. | de |
| dc.identifier.isbn | 978-3-88579-980-1 | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/39850 | |
| dc.language.iso | de | |
| dc.publisher | Köllen Druck + Verlag GmbH | |
| dc.relation.ispartof | D22 | |
| dc.relation.ispartofseries | Ausgezeichnete Informatikdissertationen 2021 | |
| dc.title | Inkrementalisierung Statischer Analysen in Datalog | de |
| dc.type | Text/Conference Paper | |
| gi.citation.endPage | 280 | |
| gi.citation.publisherPlace | Bonn | |
| gi.citation.startPage | 271 | |
| gi.conference.date | 22.-25. Mai 2022 | |
| gi.conference.location | Schoss Dagstuhl, Deutschland |
Dateien
Originalbündel
1 - 1 von 1