Towards Analyzing N-language Polyglot Programs

Resumo Técnico: Rumo à Análise de Programas Poliglotas de N-linguagens

Declaração do Problema
O artigo aborda uma lacuna crítica na pesquisa de análise estática: a incapacidade das metodologias atuais de lidar efetivamente com programas poliglotas envolvendo três ou mais linguagens de programação. Embora a pesquisa existente tenha progredido na interoperabilidade de duas linguagens (ex: Java-C, Java-JavaScript), os sistemas modernos utilizam cada vez mais cadeias complexas envolvendo três linguagens, como aplicações híbridas Android (Java, JavaScript, WebAssembly) ou sistemas web (JavaScript, WebAssembly, Rust).

Os autores argumentam que estender as técnicas de análise de duas linguagens para três ou mais não é meramente uma questão de escalonamento de engenharia, mas sim uma lacuna teórica e metodológica fundamental. Em sistemas de três linguagens, os fluxos de dados atravessam múltiplas abstrações de tempo de execução, criando dependências mútuas, interações cíclicas e dependências de "múltiplos saltos" (multi-hop) que os frameworks tradicionais não conseguem capturar. Especificamente, a complexidade surge da necessidade de computar pontos fixos mútuos através de múltiplas fronteiras de linguagem e da dificuldade de gerar grafos de chamadas interprocedurais precisos que deem conta de interações dinâmicas através da cadeia.

Metodologia e Estrutura Conceitual
O artigo propõe um framework conceitual em vez de uma ferramenta implementada específica. Ele categoriza programas multilíngues em três modelos de comunicação:

1. Modelo I (Runtimes Diferentes): Uma linguagem hospedeira invoca uma linguagem convidada via Interface de Função Estrangeira (FFI), com o runtime da convidada incorporado ao da hospedeira.
2. Modelo II (IR Comum): Múltiplas linguagens compilam para uma Representação Intermediária (IR) compartilhada e executam dentro de um único runtime (ex: GraalVM, Java/Scala/Kotlin).
3. Modelo III (Bibliotecas Compartilhadas): Uma linguagem convidada é compilada em uma biblioteca compartilhada (ex: JNI) e vinculada à hospedeira.

Os autores focam especificamente em cadeias de três linguagens, identificando dois cenários primários:

• Um Hospedeiro, Dois Convidados: Uma única linguagem hospedeira invoca dois convidados distintos.
• Dois Hospedeiros, Dois Convidados (O Foco): Uma cadeia onde a Linguagem A (Entrada) invoca a Linguagem B (Meio), que por sua vez atua como hospedeira para a Linguagem C (Base). Aqui, a linguagem do meio atua tanto como convidada quanto como hospedeira.

Para formalizar isso, os autores introduzem uma MiniDSL (Mini Linguagem de Domínio Específico) com dois componentes abstratos:

• Linguagem Abstrata para FFI: Inclui constrções como eval(program) para execução dinâmica de convidada e asmcall(program) para chamadas de baixo nível que compartilham a IR da hospedeira. Introduz BridgeVariables para modelar objetos compartilhados que expõem métodos da hospedeira para as convidadas.
• Linguagem de Assembly Abstrata: Representa o modelo de execução de IR comum.

O artigo analisa a Análise Estática Baseada em Sumários como a principal abordagem para escalabilidade. Ele divide os desafios em duas categorias baseadas no modelo de comunicação:

1. Com Variáveis de Ponte (Bridge Variables): A análise deve propagar sumários de funções através das fronteiras de linguagem. Um desafio fundamental é o problema do Ponto Fixo Mútuo, onde atualizações incrementais de fluxos de dados em uma linguagem exigem a reavaliação das linguagens dependentes, levando a uma complexidade combinatória de convergência.
2. Com IR Comum: Embora uma IR compartilhada simplifique alguns aspectos, gerar um Grafo de Chamadas preciso continua sendo difícil. Isso requer uma análise de fluxo de controle que seja mutuamente recursiva com a análise de fluxo de dados, particularmente ao lidar com callbacks e despacho dinâmico que alteram o fluxo de controle através das semânticas das linguagens.

Principais Contribuições
O artigo apresenta três contribuições principais:

1. Caracterização do Cenário: Define os modelos de comunicação para sistemas poliglotas de três linguagens, distinguindo entre chamadas diretas de FFI, execução de IR comum e integração de bibliotecas compartilhadas.
2. Identificação de Desafios: Identifica obstáculos específicos da análise estática, incluindo:
   • A necessidade de computação de ponto fixo mútuo através de múltiplas fronteiras de linguagem.
   • A dificuldade de propagação incremental de fluxos de dados resolvidos sem reanálise completa.
   • A complexidade de gerar grafos de chamadas interprocedurais que deem conta de dependências transfronteiriças (ex: chamadas eval e invocações de métodos de variáveis de ponte).
3. Roteiro de Pesquisa: Propõe uma visão para a análise de n-linguagens, defendendo uma mudança de ferramentas customizadas para duas linguagens para frameworks unificados e agnósticos a linguagem.

Resultos e Alegações
Como um artigo de posição conceitual, o trabalho não apresenta resultados experimentais, benchmarks ou um protótipo funcional. Em vez disso, seus "resultados" são a identificação de questões de pesquisa em aberto e a articulação de uma mudança de paradigma necessária. Os autores alegam que:

• Sistemas de três linguagens introduzem fenômenos semânticos emergentes (ex: variáveis compartilhadas cíclicas, transformações de fluxo de dados emergentes) que os modelos de duas linguagens existentes não conseguem capturar.
• As análises atuais de duas linguagens falham em escalar naturalmente porque dependem de fronteiras semânticas isoladas, que colapsam em cadeias de múltiplos saltos.
• A análise futura deve avançar em direção a representações de sumário modulares que funcionem através das fronteiras, algoritmos de ponto fixo incrementais para convergência eficiente e Representações Intermediárias que preservem uma forte procedência de linguagem.

Significância
A significância do artigo reside no seu chamado à ação para a comunidade de pesquisa para abordar o problema da "n-linguagem". Os autores argumentam que o futuro da análise de software depende da compreensão das interações entre linguagens, em vez de analisá-las isoladamente. Ao destacar as lacunas teóricas no tratamento de dependências de múltiplos saltos e pontos fixos mútuos, os autores visam estimular novas direções de pesquisa rumo a frameworks escaláveis e agnósticos a linguagem, capazes de raciocinar sobre ecossistemas de software poliglotas complexos. O trabalho serve como um mapa conceitual fundamental para o desenvolvimento da próxima geração de ferramentas de análise estática para sistemas de software poliglotas complexos.