{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5427710"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5427710","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Storing and Querying Abstract Syntax Trees as Graphs","abstract":"Ο πηγαίος κώδικας αναλύεται ολοένα και περισσότερο με προγραμματιστικά μέσα, ωστόσο τα αφηρημένα συντακτικά δέντρα (ΑΣΔ) που τον αναπαριστούν είναι δύσχρηστα στην αποθήκευση και την αναζήτηση σε σχεσιακές βάσεις δεδομένων, όπου οι βαθιές δομικές ερωτήσεις απαιτούν μακριές αλυσίδες συνενώσεων ή αναδρομικές εκφράσεις. Η παρούσα διπλωματική εργασία μελετά την αποθήκευση και την αναζήτηση ΑΣΔ ως γράφων. Βασίζεται στο Dooper, ένα σύστημα που αναλύει συντακτικά τον πηγαίο κώδικα με το Tree-sitter, τον αναπαριστά σε μια ουδέτερη ως προς το backend μορφή JSON Lines και προσφέρει μια ειδική γλώσσα ερωτημάτων (DSL) που μεταγλωττίζεται σε ερωτήματα ανά backend. Η εργασία προσφέρει τρεις συνεισφορές. Πρώτον, προσθέτει ένα backend βάσης δεδομένων γράφων Neo4j στο Dooper, παράλληλα με το υπάρχον σχεσιακό, με σχήμα εγγενές σε γράφους και έναν μεταγλωττιστή από τη DSL προς την Cypher. Δεύτερον, εισάγει έναν τελεστή μονοπατιού (Path) στη DSL, ο οποίος εκφράζει προσβασιμότητα μεταβλητού μήκους μεταξύ δύο κόμβων, ένα ερώτημα που το σχεσιακό backend δεν μπορεί πρακτικά να εκφράσει· ο τελεστής μεταγλωττίζεται σε μοτίβα μεταβλητού μήκους της Cypher και είναι διαθέσιμος μόνο στο backend γράφων. Τρίτον, παρουσιάζει έναν συλλέκτη κώδικα από το GitHub, ο οποίος αποκτά, αναλύει και εισάγει αυτόματα πραγματικά αποθετήρια σε οποιοδήποτε από τα δύο backend. Η αξιολόγηση δείχνει ότι τα δύο backend επιστρέφουν πανομοιότυπες απαντήσεις στα ερωτήματα που και τα δύο μπορούν να εκφράσουν, ότι ο τελεστής μονοπατιού εκφράζει συνοπτικά τα ερωτήματα προσβασιμότητας εκεί όπου η βασική DSL δεν μπορεί, και ότι ο μηχανισμός εισάγει και αναζητά αποθετήρια εκατοντάδων χιλιάδων κόμβων με διαδραστικούς χρόνους απόκρισης.","abstract_html":"Ο πηγαίος κώδικας αναλύεται ολοένα και περισσότερο με προγραμματιστικά μέσα, ωστόσο τα αφηρημένα συντακτικά δέντρα (ΑΣΔ) που τον αναπαριστούν είναι δύσχρηστα στην αποθήκευση και την αναζήτηση σε σχεσιακές βάσεις δεδομένων, όπου οι βαθιές δομικές ερωτήσεις απαιτούν μακριές αλυσίδες συνενώσεων ή αναδρομικές εκφράσεις. Η παρούσα διπλωματική εργασία μελετά την αποθήκευση και την αναζήτηση ΑΣΔ ως γράφων. Βασίζεται στο Dooper, ένα σύστημα που αναλύει συντακτικά τον πηγαίο κώδικα με το Tree-sitter, τον αναπαριστά σε μια ουδέτερη ως προς το backend μορφή JSON Lines και προσφέρει μια ειδική γλώσσα ερωτημάτων (DSL) που μεταγλωττίζεται σε ερωτήματα ανά backend. Η εργασία προσφέρει τρεις συνεισφορές. Πρώτον, προσθέτει ένα backend βάσης δεδομένων γράφων Neo4j στο Dooper, παράλληλα με το υπάρχον σχεσιακό, με σχήμα εγγενές σε γράφους και έναν μεταγλωττιστή από τη DSL προς την Cypher. Δεύτερον, εισάγει έναν τελεστή μονοπατιού (Path) στη DSL, ο οποίος εκφράζει προσβασιμότητα μεταβλητού μήκους μεταξύ δύο κόμβων, ένα ερώτημα που το σχεσιακό backend δεν μπορεί πρακτικά να εκφράσει· ο τελεστής μεταγλωττίζεται σε μοτίβα μεταβλητού μήκους της Cypher και είναι διαθέσιμος μόνο στο backend γράφων. Τρίτον, παρουσιάζει έναν συλλέκτη κώδικα από το GitHub, ο οποίος αποκτά, αναλύει και εισάγει αυτόματα πραγματικά αποθετήρια σε οποιοδήποτε από τα δύο backend. Η αξιολόγηση δείχνει ότι τα δύο backend επιστρέφουν πανομοιότυπες απαντήσεις στα ερωτήματα που και τα δύο μπορούν να εκφράσουν, ότι ο τελεστής μονοπατιού εκφράζει συνοπτικά τα ερωτήματα προσβασιμότητας εκεί όπου η βασική DSL δεν μπορεί, και ότι ο μηχανισμός εισάγει και αναζητά αποθετήρια εκατοντάδων χιλιάδων κόμβων με διαδραστικούς χρόνους απόκρισης.","abstract_has_math":false,"creators":["Πνευματικός Νικόλαος","Pnevmatikos Nikolaos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:20:23Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5427710"],"render_values":[{"text":"uoadl:5427710","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5427710","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5427710","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%3A5427710","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Πνευματικός Νικόλαος","Pnevmatikos Nikolaos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"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":["Θετικές Επιστήμες","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:5427710","https://pergamos.lib.uoa.gr/uoa/dl/object/5427710"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Ο πηγαίος κώδικας αναλύεται ολοένα και περισσότερο με προγραμματιστικά μέσα, ωστόσο τα αφηρημένα συντακτικά δέντρα (ΑΣΔ) που τον αναπαριστούν είναι δύσχρηστα στην αποθήκευση και την αναζήτηση σε σχεσιακές βάσεις δεδομένων, όπου οι βαθιές δομικές ερωτήσεις απαιτούν μακριές αλυσίδες συνενώσεων ή αναδρομικές εκφράσεις. Η παρούσα διπλωματική εργασία μελετά την αποθήκευση και την αναζήτηση ΑΣΔ ως γράφων. Βασίζεται στο Dooper, ένα σύστημα που αναλύει συντακτικά τον πηγαίο κώδικα με το Tree-sitter, τον αναπαριστά σε μια ουδέτερη ως προς το backend μορφή JSON Lines και προσφέρει μια ειδική γλώσσα ερωτημάτων (DSL) που μεταγλωττίζεται σε ερωτήματα ανά backend. Η εργασία προσφέρει τρεις συνεισφορές. Πρώτον, προσθέτει ένα backend βάσης δεδομένων γράφων Neo4j στο Dooper, παράλληλα με το υπάρχον σχεσιακό, με σχήμα εγγενές σε γράφους και έναν μεταγλωττιστή από τη DSL προς την Cypher. Δεύτερον, εισάγει έναν τελεστή μονοπατιού (Path) στη DSL, ο οποίος εκφράζει προσβασιμότητα μεταβλητού μήκους μεταξύ δύο κόμβων, ένα ερώτημα που το σχεσιακό backend δεν μπορεί πρακτικά να εκφράσει· ο τελεστής μεταγλωττίζεται σε μοτίβα μεταβλητού μήκους της Cypher και είναι διαθέσιμος μόνο στο backend γράφων. Τρίτον, παρουσιάζει έναν συλλέκτη κώδικα από το GitHub, ο οποίος αποκτά, αναλύει και εισάγει αυτόματα πραγματικά αποθετήρια σε οποιοδήποτε από τα δύο backend. Η αξιολόγηση δείχνει ότι τα δύο backend επιστρέφουν πανομοιότυπες απαντήσεις στα ερωτήματα που και τα δύο μπορούν να εκφράσουν, ότι ο τελεστής μονοπατιού εκφράζει συνοπτικά τα ερωτήματα προσβασιμότητας εκεί όπου η βασική DSL δεν μπορεί, και ότι ο μηχανισμός εισάγει και αναζητά αποθετήρια εκατοντάδων χιλιάδων κόμβων με διαδραστικούς χρόνους απόκρισης.","Source code is increasingly analyzed by automated tools, yet the abstract syntax trees (ASTs) that represent it are awkward to store and query in relational databases, where deep structural queries require long chains of joins or recursive expressions. This thesis elaborates on storing and querying ASTs as graphs. It builds on Dooper, a system that parses source code with Tree-sitter, introduces an intermediate JSON representation to capture the graph-based nature of the ASTs and exposes a domain-specific query language, called conqueror, that compiles to database-specific queries. The thesis makes three contributions. First, it adds a Neo4j graph-database backend to Dooper alongside its existing relational database backend (PostgreSQL), with a graph-native schema and a compiler from the conqueror DSL to Cypher. Second, it introduces a Path query operator in the conqueror DSL that expresses variable-length traversal / reachability between two nodes, a query the relational database cannot effectively express in practice; the operator compiles to Cypher variable-length patterns and is available only on the graph database backend. Third, it introduces a GitHub Code Harvester that automatically acquires, parses, and ingests real code repositories into either the relational or the graph backends. Our evaluation shows that the two backends return identical answers on the queries both can express, that our Path operator extension to the conqueror DSL expresses reachability queries concisely where the base conqueror DSL cannot, and that our new pipeline ingests and queries repositories of hundreds of thousands of AST nodes at interactive latencies."]},{"key":"dc:title","label":"Title","values":["Storing and Querying Abstract Syntax Trees as Graphs"]}]}],"canonical_facts":{"dc:creator":["Πνευματικός Νικόλαος","Pnevmatikos Nikolaos"],"dc:date":["2026"],"dc:description":["Ο πηγαίος κώδικας αναλύεται ολοένα και περισσότερο με προγραμματιστικά μέσα, ωστόσο τα αφηρημένα συντακτικά δέντρα (ΑΣΔ) που τον αναπαριστούν είναι δύσχρηστα στην αποθήκευση και την αναζήτηση σε σχεσιακές βάσεις δεδομένων, όπου οι βαθιές δομικές ερωτήσεις απαιτούν μακριές αλυσίδες συνενώσεων ή αναδρομικές εκφράσεις. Η παρούσα διπλωματική εργασία μελετά την αποθήκευση και την αναζήτηση ΑΣΔ ως γράφων. Βασίζεται στο Dooper, ένα σύστημα που αναλύει συντακτικά τον πηγαίο κώδικα με το Tree-sitter, τον αναπαριστά σε μια ουδέτερη ως προς το backend μορφή JSON Lines και προσφέρει μια ειδική γλώσσα ερωτημάτων (DSL) που μεταγλωττίζεται σε ερωτήματα ανά backend. Η εργασία προσφέρει τρεις συνεισφορές. Πρώτον, προσθέτει ένα backend βάσης δεδομένων γράφων Neo4j στο Dooper, παράλληλα με το υπάρχον σχεσιακό, με σχήμα εγγενές σε γράφους και έναν μεταγλωττιστή από τη DSL προς την Cypher. Δεύτερον, εισάγει έναν τελεστή μονοπατιού (Path) στη DSL, ο οποίος εκφράζει προσβασιμότητα μεταβλητού μήκους μεταξύ δύο κόμβων, ένα ερώτημα που το σχεσιακό backend δεν μπορεί πρακτικά να εκφράσει· ο τελεστής μεταγλωττίζεται σε μοτίβα μεταβλητού μήκους της Cypher και είναι διαθέσιμος μόνο στο backend γράφων. Τρίτον, παρουσιάζει έναν συλλέκτη κώδικα από το GitHub, ο οποίος αποκτά, αναλύει και εισάγει αυτόματα πραγματικά αποθετήρια σε οποιοδήποτε από τα δύο backend. Η αξιολόγηση δείχνει ότι τα δύο backend επιστρέφουν πανομοιότυπες απαντήσεις στα ερωτήματα που και τα δύο μπορούν να εκφράσουν, ότι ο τελεστής μονοπατιού εκφράζει συνοπτικά τα ερωτήματα προσβασιμότητας εκεί όπου η βασική DSL δεν μπορεί, και ότι ο μηχανισμός εισάγει και αναζητά αποθετήρια εκατοντάδων χιλιάδων κόμβων με διαδραστικούς χρόνους απόκρισης.","Source code is increasingly analyzed by automated tools, yet the abstract syntax trees (ASTs) that represent it are awkward to store and query in relational databases, where deep structural queries require long chains of joins or recursive expressions. This thesis elaborates on storing and querying ASTs as graphs. It builds on Dooper, a system that parses source code with Tree-sitter, introduces an intermediate JSON representation to capture the graph-based nature of the ASTs and exposes a domain-specific query language, called conqueror, that compiles to database-specific queries. The thesis makes three contributions. First, it adds a Neo4j graph-database backend to Dooper alongside its existing relational database backend (PostgreSQL), with a graph-native schema and a compiler from the conqueror DSL to Cypher. Second, it introduces a Path query operator in the conqueror DSL that expresses variable-length traversal / reachability between two nodes, a query the relational database cannot effectively express in practice; the operator compiles to Cypher variable-length patterns and is available only on the graph database backend. Third, it introduces a GitHub Code Harvester that automatically acquires, parses, and ingests real code repositories into either the relational or the graph backends. Our evaluation shows that the two backends return identical answers on the queries both can express, that our Path operator extension to the conqueror DSL expresses reachability queries concisely where the base conqueror DSL cannot, and that our new pipeline ingests and queries repositories of hundreds of thousands of AST nodes at interactive latencies."],"dc:identifier":["uoadl:5427710","https://pergamos.lib.uoa.gr/uoa/dl/object/5427710"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Storing and Querying Abstract Syntax Trees as Graphs"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:20:23Z"}