{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2866399"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2866399","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Performance optimization on Declarative Points-to Analysis using the Souffle Datalog Engine","abstract":"To CClyzer είναι ένα εργαλείο το οποίο έχει σκοπό να παρέχει μια ολοκληρωμένη ανάλυση δεικτών σε κώδικα LLVM και σε συνάρτηση με μεταβαλλόμενη ακρίβεια ως προς την ιεραρχία κλήσεων κάθε μεθόδου. Ενώ αρχικά υλοποιήθηκε με χρήση της LogicBlox μηχανής για τη γλώσσα Datalog και τη διάλεκτο LogiQL, σε αυτή την εργασία παρουσιάζουμε την μεταφορά του CClyzer σε ένα νέο περιβάλλον για εκτέλεση προγραμμάτων σε Datalog, το Souffle. Μελετώντας την ανάλυση την οποία προσφέρει το CClyzer σε LLVM bitcode που προκύπτει από πηγαίο κώδικα γλώσσας C και C++, πιστεύουμε ότι το Souffle αποτελεί πολύτιμο εργαλείο στην ενίσχυση της λογικής λειτουργίας του CClyzer με τελικό στόχο την ελαχιστοποίηση του χρόνου εκτέλεσης της ανάλυσης. Οι μετρήσεις μας δείχνουν ενθαρρυντικά αποτελέσματα καθώς ο συνολικός χρόνος εκτέλεσης της ανάλυσης μειώνεται κατά 95% για μικρά προγράμματα ενώ η εκτέλεση με τη χρήση παραλληλίας προσφέρει, κατά μέσο όρο, 29% επιτάχυνση για μεγαλύτερα.","abstract_html":"To CClyzer είναι ένα εργαλείο το οποίο έχει σκοπό να παρέχει μια ολοκληρωμένη ανάλυση δεικτών σε κώδικα LLVM και σε συνάρτηση με μεταβαλλόμενη ακρίβεια ως προς την ιεραρχία κλήσεων κάθε μεθόδου. Ενώ αρχικά υλοποιήθηκε με χρήση της LogicBlox μηχανής για τη γλώσσα Datalog και τη διάλεκτο LogiQL, σε αυτή την εργασία παρουσιάζουμε την μεταφορά του CClyzer σε ένα νέο περιβάλλον για εκτέλεση προγραμμάτων σε Datalog, το Souffle. Μελετώντας την ανάλυση την οποία προσφέρει το CClyzer σε LLVM bitcode που προκύπτει από πηγαίο κώδικα γλώσσας C και C++, πιστεύουμε ότι το Souffle αποτελεί πολύτιμο εργαλείο στην ενίσχυση της λογικής λειτουργίας του CClyzer με τελικό στόχο την ελαχιστοποίηση του χρόνου εκτέλεσης της ανάλυσης. Οι μετρήσεις μας δείχνουν ενθαρρυντικά αποτελέσματα καθώς ο συνολικός χρόνος εκτέλεσης της ανάλυσης μειώνεται κατά 95% για μικρά προγράμματα ενώ η εκτέλεση με τη χρήση παραλληλίας προσφέρει, κατά μέσο όρο, 29% επιτάχυνση για μεγαλύτερα.","abstract_has_math":false,"creators":["Ζήσης Χρήστος","Zisis Christos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2019,"date_issued":"2019","date_published":"2019","updated_at":"2026-11-19T05:34:44Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2866399"],"render_values":[{"text":"uoadl:2866399","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2866399","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2866399","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2866399","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ζήσης Χρήστος","Zisis Christos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2019"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2866399","https://pergamos.lib.uoa.gr/uoa/dl/object/2866399"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["To CClyzer είναι ένα εργαλείο το οποίο έχει σκοπό να παρέχει μια ολοκληρωμένη ανάλυση δεικτών σε κώδικα LLVM και σε συνάρτηση με μεταβαλλόμενη ακρίβεια ως προς την ιεραρχία κλήσεων κάθε μεθόδου. Ενώ αρχικά υλοποιήθηκε με χρήση της LogicBlox μηχανής για τη γλώσσα Datalog και τη διάλεκτο LogiQL, σε αυτή την εργασία παρουσιάζουμε την μεταφορά του CClyzer σε ένα νέο περιβάλλον για εκτέλεση προγραμμάτων σε Datalog, το Souffle. Μελετώντας την ανάλυση την οποία προσφέρει το CClyzer σε LLVM bitcode που προκύπτει από πηγαίο κώδικα γλώσσας C και C++, πιστεύουμε ότι το Souffle αποτελεί πολύτιμο εργαλείο στην ενίσχυση της λογικής λειτουργίας του CClyzer με τελικό στόχο την ελαχιστοποίηση του χρόνου εκτέλεσης της ανάλυσης. Οι μετρήσεις μας δείχνουν ενθαρρυντικά αποτελέσματα καθώς ο συνολικός χρόνος εκτέλεσης της ανάλυσης μειώνεται κατά 95% για μικρά προγράμματα ενώ η εκτέλεση με τη χρήση παραλληλίας προσφέρει, κατά μέσο όρο, 29% επιτάχυνση για μεγαλύτερα.","CClyzer is a tool that aims to provide a complete points-to analysis on LLVM bitcode while, at the same time, providing context-sensitivity variance. While it was originally implemented by making use of the LogicBlox Datalog engine and the LogiQL dialect, in this documentation we present our work of porting CClyzer to a new Datalog engine-Souffle. Studying the analysis CClyzer provides on C/C++ LLVM bitcode, we believe Souffle is a tool that enhances CClyzer’s logic in order to minimize analysis running times. Our evaluation shows promising results as the analysis running time is minimized by 95% on small programs while parallel execution adds an average speedup of 1.29 for bigger workloads."]},{"key":"dc:title","label":"Title","values":["Performance optimization on Declarative Points-to Analysis using the Souffle Datalog Engine"]}]}],"canonical_facts":{"dc:creator":["Ζήσης Χρήστος","Zisis Christos"],"dc:date":["2019"],"dc:description":["To CClyzer είναι ένα εργαλείο το οποίο έχει σκοπό να παρέχει μια ολοκληρωμένη ανάλυση δεικτών σε κώδικα LLVM και σε συνάρτηση με μεταβαλλόμενη ακρίβεια ως προς την ιεραρχία κλήσεων κάθε μεθόδου. Ενώ αρχικά υλοποιήθηκε με χρήση της LogicBlox μηχανής για τη γλώσσα Datalog και τη διάλεκτο LogiQL, σε αυτή την εργασία παρουσιάζουμε την μεταφορά του CClyzer σε ένα νέο περιβάλλον για εκτέλεση προγραμμάτων σε Datalog, το Souffle. Μελετώντας την ανάλυση την οποία προσφέρει το CClyzer σε LLVM bitcode που προκύπτει από πηγαίο κώδικα γλώσσας C και C++, πιστεύουμε ότι το Souffle αποτελεί πολύτιμο εργαλείο στην ενίσχυση της λογικής λειτουργίας του CClyzer με τελικό στόχο την ελαχιστοποίηση του χρόνου εκτέλεσης της ανάλυσης. Οι μετρήσεις μας δείχνουν ενθαρρυντικά αποτελέσματα καθώς ο συνολικός χρόνος εκτέλεσης της ανάλυσης μειώνεται κατά 95% για μικρά προγράμματα ενώ η εκτέλεση με τη χρήση παραλληλίας προσφέρει, κατά μέσο όρο, 29% επιτάχυνση για μεγαλύτερα.","CClyzer is a tool that aims to provide a complete points-to analysis on LLVM bitcode while, at the same time, providing context-sensitivity variance. While it was originally implemented by making use of the LogicBlox Datalog engine and the LogiQL dialect, in this documentation we present our work of porting CClyzer to a new Datalog engine-Souffle. Studying the analysis CClyzer provides on C/C++ LLVM bitcode, we believe Souffle is a tool that enhances CClyzer’s logic in order to minimize analysis running times. Our evaluation shows promising results as the analysis running time is minimized by 95% on small programs while parallel execution adds an average speedup of 1.29 for bigger workloads."],"dc:identifier":["uoadl:2866399","https://pergamos.lib.uoa.gr/uoa/dl/object/2866399"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Performance optimization on Declarative Points-to Analysis using the Souffle Datalog Engine"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:34:44Z"}