Towards Analyzing N-language Polyglot Programs

Technische Samenvatting: Naar de Analyse van N-talige Polyglot Programma's

Probleemstelling
Het artikel adresseert een kritieke kloof in het onderzoek naar statische analyse: het onvermogen van huidige methodologieën om effectief om te gaan met polyglot programma's die drie of meer programmeertalen bevatten. Terwijl bestaand onderzoek vooruitgang heeft geboekt op het gebied van twee-talige interoperabiliteit (bijv. Java-C, Java-JavaScript), maken moderne systemen steeds vaker complexe ketens waarbij drie talen betrokken zijn, zoals Android hybride applicaties (Java, JavaScript, WebAssembly) of web-systemen (JavaScript, WebAssembly, Rust).

De auteurs stellen dat het uitbreiden van twee-talige analysetechnieken naar drie of meer talen niet louter een kwestie is van engineering-schaling, maar een fundamentele theoretische en methodologische kloof. In drie-talige systemen doorlopen dataflows meerdere runtime-abstracties, wat resulteert in wederzijdse afhankelijkheden, cyclische interacties en "multi-hop" afhankelijkheden die traditionele frameworks niet kunnen vatten. Specifiek komt de complexiteit voort uit de noodzaak om wederzijdse vaste punten (mutual fixed points) te berekenen over meerdere taalgrenzen heen, en de moeilijkheid bij het genereren van precieze inter-procedurele aanroepgrafen die rekening houden met dynamische interacties over de keten heen.

Methodologie en Conceptueel Kader
Het artikel stelt een conceptueel kader voor in plaats van een specifiek geïmplementeerde tool. Het categoriseert meertalige programma's in drie communicatiemodellen:

1. Model I (Verschillende Runtimes): Een host-taal roept een gast-taal aan via een Foreign Function Interface (FFI), waarbij de gast-runtime binnen de host is ingebed.
2. Model II (Gemeenschappelijke IR): Meerdere talen compileren naar een gedeelde Intermediate Representation (IR) en worden uitgevoerd binnen een enkele runtime (bijv. GraalVM, Java/Scala/Kotlin).
3. Model III (Gedeelde Bibliotheken): Een gast-taal wordt gecompileerd naar een gedeelde bibliotheek (bijv. JNI) en gekoppeld aan de host.

De auteurs richten zich specifiek op drie-talige ketens, waarbij zij twee primaire scenario's identificeren:

• Eén Host, Twee Gasten: Een enkele host roept twee verschillende gasten aan.
• Twee Hosts, Twee Gasten (De Focus): Een keten waarbij Taal A (Entry) Taal B (Middle) aanroept, die op haar beurt fungeert als host voor Taal C (Bottom). Hierin fungeert de middelste taal zowel als gast als host.

Om dit te formaliseren, introduceren de auteurs een MiniDSL (Mini Domain Specific Language) met twee abstracte componenten:

• Abstracte Taal voor FFI: Bevat constructen zoals eval(program) voor dynamische uitvoering van de gast, en asmcall(program) voor low-level aanroepen die de IR van de host delen. Het introduceert BridgeVariables om gedeelde objecten te modelleren die host-methoden blootstellen aan gasten.
• Abstracte Assembler-taal: Representeert het executiemodel van de gemeenschappelijke IR.

Het artikel analyseert Summary-Based Static Analysis als de primaire benadering voor schaalbaarheid. Het splitst de uitdagingen op in twee categorieën gebaseerd op het communicatiemodel:

1. Met Bridge Variables: De analyse moet functiesamenvattingen (function summaries) over taalgrenzen heen propageren. Een belangrijke uitdaging is het Mutual Fixed Point probleem, waarbij incrementele updates van dataflows in de ene taal een herwaardering van afhankelijke talen vereisen, wat leidt tot combinatorische complexiteit bij convergentie.
2. Met Gemeenschappelijke IR: Hoewel een gedeelde IR bepaalde aspecten vereenvoudigt, blijft het genereren van een precieze Call Graph moeilijk. Dit vereist controleflow-analyse die wederzijds recursief is met dataflow-analyse, met name bij het afhandelen van callbacks en dynamische dispatch die de controleflow over taal-semantics heen wijzigen.

Belangrijkste Bijdragen
Het artikel levert drie primaire bijdragen:

1. Landschapskarakterisering: Het definieert de communicatiemodellen voor drie-talige polyglot systemen, waarbij onderscheid wordt gemaakt tussen directe FFI-aanroepen, gemeenschappelijke IR-executie en gedeelde bibliotheek-integratie.
2. Identificatie van Uitdagingen: Het identificeert specifieke hindernissen voor statische analyse, waaronder:
   • De noodzaak van mutual fixed-point computation over meerdere taalgrenzen heen.
   • De moeilijkheid van incrementele propagatie van opgeloste dataflows zonder volledige heranalyse.
   • De complexiteit van het genereren van inter-procedural call graphs die rekening houden met grensoverschrijdende afhankelijkheden (bijv. eval aanroepen en bridge variable methode-invocaties).
3. Onderzoeksroadmap: Het stelt een visie voor voor n-talige analyse, waarbij wordt gepleit voor een verschuiving van op maat gemaakte twee-talige tools naar verenigde, taal-agnostische frameworks.

Resultaten en Claims
Als conceptueel positiepaper presenteert het werk geen experimentele resultaten, benchmarks of een werkend prototype. In plaats daarvan zijn de "resultaten" de identificatie van openstaande onderzoeksvragen en de formulering van een noodzakelijke paradigmaverschuiving. De auteurs beweren dat:

• Drie-talige systemen emergente semantische fenomenen introduceren (bijv. cyclische gedeelde variabelen, emergente dataflow-transformaties) die bestaande twee-talige modellen niet kunnen vatten.
• Huidige twee-talige analyses niet natuurlijk schalen omdat ze vertrouwen op geïsoleerde semantische grenzen, die instorten in multi-hop ketens.
• Toekomstige analyse moet bewegen naar modulaire samenvattingsrepresentaties die over grenzen heen werken, incrementele fixed-point algoritmen voor efficiënte convergentie, en Intermediate Representations die een sterke taal-provenance behouden.

Betekenis
De betekenis van het artikel ligt in de oproep aan de onderzoekscommunity om het "n-talige" probleem aan te pakken. Het argument is dat de toekomst van software-analyse afhangt van het begrijpen van interacties tussen talen, in plaats van het analyseren van talen in isolatie. Door de theoretische hiaten in het afhandelen van multi-hop afhankelijkheden en mutual fixed points te belichten, beogen de auteurs nieuwe onderzoeksrichtingen te stimuleren naar schaalbare, taal-agnostische frameworks die in staat zijn te redeneren over volledige meertalige ecosystemen. Het werk dient als een fundamentele conceptuele kaart voor de ontwikkeling van de volgende generatie statische analyse-tools voor complexe, polyglot softwaresystemen.