Lec 12数据流分析的理论基础（Foundations of Dataflow Analysis）

讲义完成更新于 2026-09-16

承接Lec 11 · 并行化（Parallelization）

后续

当前课程暂无后续已收录内容。

Lec 12 数据流分析的理论基础（Foundations of Dataflow Analysis）

内容：格论、偏序、传递函数、单调性/分配性、工作表算法、抽象函数与路径汇合解这是 L8 数据流分析的形式化数学基础

TL;DR

格用偏序表达分析信息的精度，join / meet 定义控制流汇合时如何安全地合并事实。
单调传递函数与有限升链使工作表算法收敛到最小不动点，到达定义、可用表达式和活跃性都是该框架的实例。
抽象函数解释了分析为何健全但可能不精确；分配性决定工作表解是否等于理想的路径汇合解，无限升链则需要 widening。

1. 基本思想

数据流分析是编译期对变量/表达式运行期值在不同程序点的推理。核心思路：用一个代数结构——格 (lattice) 的元素表示程序信息，分析为每个程序点产生一个格值。两种风味：前向 (forward) 与 后向 (backward) 数据流分析。

程序表示：CFG，节点 $N$ 是语句、边 $E$ 是控制流，pred(n)/succ(n) 为前驱/后继，起点 $n_0$ ，终点集 $N_{final}$ 。程序点：每节点前后各一个；汇合点 (join) 多前驱，分裂点 (split) 多后继。

前向分析：值随控制流前向传播，节点有传递函数 $f$ （输入=节点前的值，输出=节点后的值），在汇合点用合并函数组合。典型：到达定义。
后向分析：值逆控制流后向传播（输入=节点后的值，输出=节点前的值），在分裂点合并。典型：活跃变量。

2. 偏序与格（Partial Orders & Lattices）

定义（偏序 Partial Order）

集合 $P$ 上的偏序 $\le$ 满足对所有 $x,y,z$ ：自反 $x\le x$ 、反对称 $x\le y \wedge y\le x \Rightarrow x=y$ 、传递 $x\le y \wedge y\le z \Rightarrow x\le z$ 。

定义（上/下界、lub/glb）

对 $S \subseteq P$ ：

上界 $x$ ： $\forall y\in S.\ y\le x$ ；最小上界 (lub) 记 $\vee S$ （join、supremum）， $x\vee y$ 是 $\{x,y\}$ 的 lub。
下界 $x$ ： $\forall y\in S.\ x\le y$ ；最大下界 (glb) 记 $\wedge S$ （meet、infimum）， $x\wedge y$ 是 $\{x,y\}$ 的 glb。 :::

若对所有 $x,y\in P$ ， $x\wedge y$ 与 $x\vee y$ 都存在，则 $P$ 是格 (lattice)。若对所有 $S\subseteq P$ ， $\wedge S$ 与 $\vee S$ 都存在，则是完全格 (complete lattice)；所有有限格都完全。最大元为 top，最小元为 bottom ( $\bot$ )。

例：整数 $I$ 在 max/min 下是格但不完全（ $\vee I$ 不存在）， $I\cup\{+\infty,-\infty\}$ 完全。布尔超立方 $\{0,1\}^n$ （ $x\le y$ ⟺ 按位与 = $x$ ）是完全格，用 Hasse 图表示覆盖关系。

2.1 $\le$ 、 $\wedge$ 、 $\vee$ 的等价联系

定理（三者等价）

以下三条等价： $x\le y$ ⟺ $x\vee y = y$ ⟺ $x\wedge y = x$ 。

可反过来用 $\vee,\wedge$ 定义 $\le$ ：取满足结合、交换、幂等、吸收律的任意 $\vee,\wedge$ ，定义 $x\le y$ 当 $x\vee y=y$ ，可证 $\le$ 是偏序，且 $x\vee y=\sup\{x,y\}$ 、 $x\wedge y=\inf\{x,y\}$ 。这把格视作信息组合的代数结构（ $\vee$ 为"或/合并"， $\wedge$ 为"与"）。

2.2 链与升链条件

定义（链、升链条件 ACC）

$S$ 是链 (chain)： $\forall x,y\in S.\ x\le y \vee y\le x$ 。 $P$ 满足升链条件 (ascending chain condition)：对任意升序列 $x_1\le x_2\le\cdots$ ，存在 $n$ 使 $x_n = x_{n+1}=\cdots$ （即无限升链不存在）。

ACC 是数据流分析终止性的关键：解算法产生每点的递增值序列，ACC 保证有限步收敛。

3. 传递函数（Transfer Functions）

定义（传递函数族 F 的条件）

每个分析问题有一族传递函数 $f: P\to P$ ：

含恒等函数 $i\in F$ ；
对复合封闭： $f,g\in F \Rightarrow \lambda x.f(g(x))\in F$ ；
每个 $f$ 单调 (monotone)： $x\le y \Rightarrow f(x)\le f(y)$ ；
有时还分配 (distributive)： $f(x\vee y)=f(x)\vee f(y)$ 。 :::

若 $f(x\vee y)=f(x)\vee f(y)$ ，则由 $x\vee y=y$ 得 $f(y)=f(x\vee y)=f(x)\vee f(y)$ ，即 $f(x)\le f(y)$ 。故分配 ⟹ 单调（反之不然）。

4. 前向数据流分析框架

定义（前向数据流方程）

每节点 $n$ 有 $in_n$ （前）、 $out_n$ （后）、传递函数 $f_n$ 。解须满足： $out_n = f_n(in_n), \qquad in_n = \bigvee_{m\in pred(n)} out_m \ (n\ne n_0), \qquad in_{n_0} = I$ 其中 $I$ 概括程序起点的信息。

工作表算法（前向）：

for each n: out_n = f_n(⊥)
in_{n0} = I; out_{n0} = f_{n0}(I); worklist = N - {n0}
while worklist ≠ ∅:
    取出 n
    in_n = ⋁_{m∈pred(n)} out_m
    out_n = f_n(in_n)
    if out_n 改变: worklist ∪= succ(n)

定理（正确性与终止性）

正确性：每处理 $n$ 即令 $out_n=f_n(in_n)$ ；每当 $out_m$ 变就把 $succ(m)$ 入表，故最终解满足全部方程。 终止性： $in_n/out_n$ 取值序列是链，若停止增长则工作表清空；若格满足升链条件（如有限格）则必终止。无 ACC 时用加宽算子 (widening)——检测可能属无限升链的值，人为升到链的 lub（如把大小 ≥ n 的集合升到 TOP）。

5. 后向数据流分析框架

定义（后向数据流方程）

$in_n = f_n(out_n), \qquad out_n = \bigvee_{m\in succ(n)} in_m \ (n\notin N_{final}), \qquad out_n = O\ (n\in N_{final})$

工作表算法对称：沿后继求 $out_n$ ， $in_n$ 变化时把 $pred(n)$ 入表。

6. 三大经典分析作为格实例

定义（三大分析的格参数）

分析	P	∨(join)	序	⊥	初值
到达定义	定义集的幂集	∪	⊆	∅	I=∅（前向）
可用表达式	表达式集的幂集	∩	⊇	P	I=∅（前向）
活跃变量	变量集的幂集	∪	⊆	∅	O=∅（后向）

三者传递函数都是 GEN/KILL 形式： $f(x) = a\cup(x-b)$ （ $a$ =GEN， $b$ =KILL）。

定理（GEN/KILL 框架满足全部性质）

所有 $f(x)=a\cup(x-b)$ 形式的框架都满足恒等 ( $a=b=\varnothing$ )、分配 ( $f(x)\cup f(y)=a\cup((x\cup y)-b)=f(x\cup y)$ ) 与复合封闭 ( $f_1(f_2(x))=(a_1\cup(a_2-b_1))\cup(x-(b_2\cup b_1))$ ，仍是 GEN/KILL 形式）。

保守性 (Conservatism)：到达定义用 $\cup$ （沿任一路径到达即考虑），可用表达式用 $\cap$ （须沿所有路径可达）；优化须保守地考虑所有可能执行，分析结构随用途而变。

7. 分析结果的语义：抽象函数与正确性

定义（程序执行与抽象函数）

程序状态 $s$ 是变量到值的映射， $\langle s,n\rangle$ 表示状态 $s$ 在节点 $n$ 。执行是轨迹 $\langle s_0,n_0\rangle;\dots;\langle s_k,n_k\rangle$ 。抽象函数 (abstraction function) $AF: ST\to P$ 把具体状态映到格元素，赋予分析结果意义。

定理（正确性条件 / 健全性 Soundness）

对任意执行 $\langle s_0,n_0\rangle;\dots;\langle s_k,n_k\rangle$ 与其中 $s=s_i, n=n_i$ ，有 $AF(s) \le in_n$ 即分析在 $n$ 前产生的结果"安全地高估"了任意实际执行的抽象。可对执行长度归纳证明（用传递函数单调性）。

7.1 例：符号分析（Sign Analysis）

基础格是 $\{-,0,+\}$ 的平坦格（加 TOP/BOT）；实际格为"每变量一个符号"的映射格（ $f_1\le f_2$ ⟺ 逐变量 $\le$ ）。解释：BOT=无信息、TOP=可正可负可零。传递函数：v=c 置 v 为 c 的符号；v1=v2*v3 用符号乘表 $\otimes$ 。

例题（符号分析的两类不精确）

a=1; if(...) b=-1 else b=1; c=a*b;
两支汇合 b→TOP，故 c→TOP。

抽象不精确：把具体值 1 抽象成 +，格值比执行值粗。控制流不精确：用单个格值概括所有控制流路径（join 上移合并不同路径），任一具体执行中 b 其实非 TOP。不精确换取可解性（有限格、抽象无界值集、用 join 概括无界状态）。

8. 路径汇合解与分配性（Meet Over Paths & Distributivity）

定义（理想解：路径汇合解 MOP）

对到达 $n$ 的路径 $p = n_0,n_1,\dots,n_k,n$ ， $f_p(\bot) = f_{n_k}(\cdots f_{n_0}(\bot)\cdots)$ 。理想解应满足 $\bigvee\{f_p(\bot) : p\text{ 是到 }n\text{ 的路径}\} = in_n$

定理（工作表解 vs . MOP）

工作表算法总产生满足"对所有到 $n$ 的路径 $p$ ， $f_p(\bot)\le in_n$ "的解（归纳 + 单调性证明），即工作表解 ≤（不优于）MOP。
若框架分配，则工作表算法恰好产生 MOP 解（分配保持精度）。 :::

8.1 缺乏分配性的反例（常量计算器）

平坦整数格。考虑 c = a+b 的传递函数 $f$ ：

f([a→3,b→2]) ∨ f([a→2,b→3]) = [a→TOP,b→TOP,c→5]      （先算后并：c=5 精确）
f([a→3,b→2] ∨ [a→2,b→3]) = f([a→TOP,b→TOP]) = [...,c→TOP]  （先并后算：c=TOP 粗）

两者不等 ⟹ 不分配，工作表解（c→TOP）不如 MOP（c→5）精确。

补救：在不同路径上保留值的组合 {[a→2,b→3],[a→3,b→2]} 可恢复分配，但组合爆炸（指数）且无限升链致不终止；用加宽算子消爆炸（按变量粒度），但损失精度。

8.2 多个不动点

定理（最小不动点）

数据流分析生成最小不动点 (least fixed point)；方程可能有多个不动点（如可用表达式在含环 CFG 上既有全 0 解也有全 1 解），算法选最小（最保守安全）的那个。

我的理解

抽象分析的价值不在于完美还原运行时，而在于选择一个有限、可收敛且仍能证明所需性质的信息空间。精度与终止之间的取舍，是设计一个分析时最根本的工程选择。

9. 格、不动点与分析精度小结

数据流信息 = 格元素；偏序/lub/glb/完全格/Top-Bottom 是骨架，升链条件保证终止。
传递函数须含恒等、复合封闭、单调（有时分配，分配⟹单调）；前/后向框架对称，工作表迭代到最小不动点。
三大分析是 GEN/KILL 格实例（到达定义 ∪/可用表达式 ∩/活跃 ∪），GEN/KILL 自动满足恒等、分配、复合。
抽象函数 $AF$ 联系执行与分析，健全性 $AF(s)\le in_n$ ；不精确来自抽象与控制流合并，换取可解性。
理想是 MOP 解；分配框架下工作表 = MOP，非分配（如常量传播）则工作表更保守；解为最小不动点；无 ACC 时用加宽。