論文の概要: FlowLog: Re-thinking Datalog for Fast and Extensible Static Analysis

• arxiv url: http://arxiv.org/abs/2607.23971v1
• Date: Mon, 27 Jul 2026 03:42:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.299977
• Title: FlowLog: Re-thinking Datalog for Fast and Extensible Static Analysis
• Title（参考訳）: FlowLog: 高速で拡張可能な静的分析のためのデータログの再考
• Authors: Zhenghong Yu, Hangdong Zhao, Wanzhu Hou, Paraschos Koutris,
• Abstract要約: Souffléスタイルのプログラムを、効率的かつ静的な分析のために差分データフロー実行ファイルに変換するデータログコンパイラであるFlowLogを実演する。 FlowLogは、メモリ効率とスケーリング性を保ちながら、実行時の最先端エンジンを一貫して上回る。
• 参考スコア（独自算出の注目度）: 2.5899040911480182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Datalog is widely used to build static analyzers, yet existing engines often force a tradeoff between efficiency and extensibility. In practice, static analyses are not run once and forgotten: users edit facts, tune rules, diagnose bottlenecks, and often need semantics beyond standard Datalog, leaving these tasks to ad hoc tooling or invasive engine rewrites. We demonstrate FlowLog, a Datalog compiler that turns Soufflé-style programs into Differential Dataflow executables for efficient and extensible static analysis. Across 24 benchmarks derived from real-world workloads, FlowLog consistently outperforms state-of-the-art engines in runtime while remaining memory-efficient and scaling better. The demonstration walks attendees through a DOOP points-to analysis. Attendees run it, switching the same program from one-shot to incremental evaluation that retracts a fact and updates results in milliseconds; tune it, inspecting per-operator costs in a browser-based profiler and repairing a bad join order; and extend it with a k-core example that uses semantics beyond Datalog.
• Abstract（参考訳）: Datalogは静的アナライザを構築するために広く使用されているが、既存のエンジンは効率と拡張性の間のトレードオフを強いることが多い。 ユーザーは事実を編集し、ルールをチューニングし、ボトルネックを診断し、しばしば標準的なDatalogを超えてセマンティクスを必要とする。 Souffléスタイルのプログラムを差分データフロー実行ファイルに変換することで,効率よく拡張可能な静的解析を行うデータログコンパイラであるFlowLogを実演する。 実世界のワークロードから派生した24のベンチマークで、FlowLogは、メモリ効率とスケーリング性を維持しながら、実行時の最先端エンジンを一貫して上回っている。 デモでは参加者をDOOPのポイント・ツー・アナリティクスで紹介した。 同じプログラムをワンショットからインクリメンタルな評価に切り替えて、事実を抽出し、その結果をミリ秒で更新する、調整する、ブラウザベースのプロファイラで演算子毎のコストを検査し、バッドなジョイン順序を修復する、そして、Datalog以外のセマンティクスを使用するkコアの例で拡張する、といった処理を実行する。

関連論文リスト

• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• LogSieve: Task-Aware CI Log Reduction for Sustainable LLM-Based Analysis [0.0]
  軽量でRCA対応,セマンティックス対応のログリダクション技術であるLogSieveを提案する。 GitHub Actionsを使って、20のオープンソースプロジェクトのCIログで評価します。 平均42%の行の削減と40%のトークンの削減を実現し、セマンティックロスを最小限に抑える。
  論文  参考訳（メタデータ） (2026-01-28T00:49:50Z)
• Causify DataFlow: A Framework For High-performance Machine Learning Stream Computing [0.0]
  我々は、無制限の時系列データ上に機械学習システムを構築し、テストし、デプロイするための計算フレームワークであるDataFlowを紹介する。 従来のデータサイエンスは有限データセットを前提としており、バッチプロトタイプからストリーミングプロダクションシステムに移行する際には、かなりの再実装が必要である。 DataFlowは、ポイント・イン・タイムの理想性を持つ非循環グラフに基づいて、これらの問題を統一された実行モデルで解決する。
  論文  参考訳（メタデータ） (2025-12-30T04:24:04Z)
• Desyan: A Platform for Seamless Value-Flow and Symbolic Analysis [1.7205106391379026]
  Desyanは、バリューフローとシンボリック推論をシームレスに統合したプログラム分析を書くためのプラットフォームである。 バリューフロー解析では、エンジンはクラスで最高のデータログ評価器である。 完全なSMTを必要とするアプリケーションに対しては、エンジンは主要なSMTソルバを活用している。
  論文  参考訳（メタデータ） (2025-08-01T10:39:09Z)
• HELP: Hierarchical Embeddings-based Log Parsing [0.25112747242081457]
  ログは、ソフトウェアのメンテナンスと障害診断のための、第一級の情報ソースである。 ログ解析は、異常検出、トラブルシューティング、根本原因分析などの自動ログ解析タスクの前提条件である。 既存のオンライン解析アルゴリズムは、ログドリフトの影響を受けやすい。
  論文  参考訳（メタデータ） (2024-08-15T17:54:31Z)
• Token Interdependency Parsing (Tipping) -- Fast and Accurate Log Parsing [0.09208007322096533]
  ほとんどの自動分析ツールには、ログテンプレートをパラメータから分離するように設計されたコンポーネントが含まれている。 タイピング"は、ルールベースのトークンライザ、相互依存トークングラフ、強く接続されたコンポーネント、そして、迅速でスケーラブルで正確なログ解析を保証するための様々な技術を組み合わせています。 ラップトップマシン上では、20秒以内で1100万行のログを解析できる。
  論文  参考訳（メタデータ） (2024-08-01T15:37:22Z)
• Exploring Dynamic Transformer for Efficient Object Tracking [58.120191254379854]
  効率的なトラッキングのための動的トランスフォーマーフレームワークであるDyTrackを提案する。 DyTrackは、様々な入力に対して適切な推論ルートを設定することを学習し、利用可能な計算予算をより活用する。 複数のベンチマークの実験では、DyTrackは単一のモデルで有望な速度精度のトレードオフを実現している。
  論文  参考訳（メタデータ） (2024-03-26T12:31:58Z)
• LogFormer: A Pre-train and Tuning Pipeline for Log Anomaly Detection [73.69399219776315]
  本稿では,ログ異常検出(LogFormer)のためのTransformerベースの統合フレームワークを提案する。 具体的には、ログデータの共有セマンティック知識を得るために、まず、ソースドメイン上で事前学習を行う。 そして、そのような知識を共有パラメータを介して対象領域に転送する。
  論文  参考訳（メタデータ） (2024-01-09T12:55:21Z)
• Self-Supervised Log Parsing [59.04636530383049]
  大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。 既存のアプローチは、ログ特化や手動ルール抽出に依存している。 本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
  論文  参考訳（メタデータ） (2020-03-17T19:25:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。