Towards Analyzing N-language Polyglot Programs

Sintesi Tecnica: Verso l'Analisi di Programmi Poliglotti a N-linguaggi

Definizione del Problema
Il documento affronta una lacuna critica nella ricerca sull'analisi statica: l'incapacità delle metodologie attuali di gestire efficacemente programmi poliglotti che coinvolgono tre o più linguaggi di programmazione. Mentre la ricerca esistente ha fatto progressi sull'interoperabilità tra due linguaggi (ad esempio, Java-C, Java-JavaScript), i sistemi moderni utilizzano sempre più catene complesse che coinvolgono tre linguaggi, come le applicazioni ibride Android (Java, JavaScript, WebAssembly) o i sistemi web (JavaScript, WebAssembly, Rust).

Gli autori sostengono che estendere le tecniche di analisi a due linguaggi a tre o più linguaggi non sia semplicemente un problema di scalabilità ingegneristica, ma un vuoto teorico e metodologico fondamentale. Nei sistemi a tre linguaggi, i flussi di dati attraversano molteplici astrazioni di runtime, creando dipendenze reciproche, interazioni cicliche e dipendenze "multi-hop" che i framework tradizionali non riescono a catturare. Nello specifico, la complessità deriva dalla necessità di calcolare punti fissi reciproci attraverso molteplici confini linguistici e dalla difficoltà di generare grafi di chiamate inter-procedurali precisi che tengano conto delle interazioni dinamiche attraverso la catena.

Metodologia e Framework Concettuale
Il documento propone un framework concettuale piuttosto che uno strumento implementato specifico. Categorizza i programmi multilingue in tre modelli di comunicazione:

1. Modello I (Runtime Diversi): Un linguaggio host invoca un linguaggio guest tramite un'interfaccia Foreign Function Interface (FFI), con il runtime del guest incorporato all'interno dell'host.
2. Modello II (IR Comune): Molteplici linguaggi compilano in una rappresentazione intermedia (IR) condivisa ed eseguono all'interno di un singolo runtime (es. GraalVM, Java/Scala/Kotlin).
3. Modello III (Librerie Condivise): Un linguaggio guest viene compilato in una libreria condivisa (es. JNI) e collegata all'host.

Gli autori si concentrano specificamente sulle catene a tre linguaggi, identificando due scenari primari:

• Un Host, Due Guest: Un singolo host invoca due distinti guest.
• Due Host, Due Guest (Il Focus): Una catena in cui il Linguaggio A (Entry) invoca il Linguaggio B (Middle), il quale a sua volta funge da host per il Linguaggio C (Bottom). Qui, il linguaggio intermedio agisce sia come guest che come host.

Per formalizzare ciò, gli autori introducono un MiniDSL (Mini Domain Specific Language) con due componenti astratte:

• Linguaggio Astratto per FFI: Include costrutti come eval(program) per l'esecuzione dinamica del guest e asmcall(program) per chiamate a basso livello che condividono l'IR dell'host. Introduce le BridgeVariables per modellare oggetti condivisi che espongono i metodi dell'host ai guest.
• Linguaggio Assemblaggio Astratto: Rappresenta il modello di esecuzione dell'IR comune.

Il documento analizza l'Analisi Statica Basata su Summary come approccio primario per la scalabilità. Suddivide le sfide in due categorie basate sul modello di comunicazione:

1. Con Bridge Variables: L'analisi deve propagare le summary delle funzioni attraverso i confini linguistici. Una sfida chiave è il problema del Punto Fisso Reciproco (Mutual Fixed Point), dove gli aggiornamenti incrementali dei flussi di dati in un linguaggio richiedono la rivalutazione dei linguaggi dipendenti, portando a una complessamente combinatoria nella convergenza.
2. Con IR Comune: Sebbene un IR condiviso semplifichi alcuni aspetti, la generazione di un Grafo di Chiamate (Call Graph) preciso rimane difficile. Richiede un'analisi del flusso di controllo che sia mutuamente ricorsiva con l'analisi del flusso di dati, in particolare quando si gestiscono callback e dispatch dinamici che alterano il flusso di controllo attraverso le semantiche dei linguaggi.

Contributi Principali
Il documento apporta tre contributi principali:

1. Caratterizzazione del Panorama: Definisce i modelli di comunicazione per i sistemi poliglotti a tre linguaggi, distinguendo tra chiamate FFI dirette, esecuzione di IR comune e integrazione di librerie condivise.
2. Identificazione delle Sfide: Identifica ostacoli specifici per l'analisi statica, tra cui:
   • La necessità di calcolo del punto fisso reciproco attraverso molteplici confini linguistici.
   • La difficoltà della propagazione incrementale dei flussi di dati risolti senza una ri-analisi completa.
   • La complessità della generazione di grafi di chiamate inter-procedurali che tengano conto delle dipendenze trans-confine (ad esempio, chiamate eval e invocazioni di metodi di bridge variables).
3. Roadmap di Ricerca: Propone una visione per l'analisi a n-linguaggi, sostenendo un passaggio da strumenti personalizzati per due linguaggi verso framework unificati e indipendenti dal linguaggio.

Risultati e Rivendicazioni
In quanto paper di posizione concettuale, il lavoro non presenta risultati sperimentali, benchmark o un prototipo funzionante. Al contrario, i suoi "risultati" sono l'identificazione di domande di ricerca aperte e l'articolazione di un necessario cambio di paradigma. Gli autori affermano che:

• I sistemi a tre linguaggi introducono fenomeni semantici emergenti (ad esempio, variabili condivise cicliche, trasformazioni di flusso dati emergenti) che i modelli esistenti a due linguaggi non possono catturare.
• Le attuali analisi a due linguaggi non scalano naturalmente perché si affidano a confini semantici isolati, che collassano nelle catene multi-hop.
• L'analisi futura deve muoversi verso rappresentazioni modulari delle summary che funzionino attraverso i confini, algoritmi di punto fisso incrementali per una convergenza efficiente e Rappresentazioni Intermedie (IR) che mantengano una forte provenienza del linguaggio.

Significatività
La significatività del documento risiede nella sua chiamata all'azione per la comunità di ricerca per affrontare il problema dei "n-linguaggi". Sostiene che il futuro dell'analisi del software dipenda dalla comprensione delle interazioni tra i linguaggi piuttosto che dall'analisi dei singoli linguaggi in isolamento. Evidenziando i vuoti teorici nella gestione delle dipendenze multi-hop e dei punti fissi reciproci, gli autori mirano a stimolare nuove direzioni di ricerca verso framework scalabili e indipendenti dal linguaggio, capaci di ragionare su interi ecosistemi multilingue. Il lavoro funge da mappa concettuale fondamentale per lo sviluppo della prossima generazione di strumenti di analisi statica per sistemi software poliglotti complessi.