<div dir="ltr"><div dir="ltr" class="gmail_msg">On Thu, Mar 23, 2017 at 4:47 PM Vedant Kumar <<a href="mailto:vsk@apple.com" class="gmail_msg" target="_blank">vsk@apple.com</a>> wrote:<br></div><div class="gmail_quote gmail_msg"><blockquote class="gmail_quote gmail_msg" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">><br class="gmail_msg">
>> On Mar 23, 2017, at 4:32 PM, David Blaikie <<a href="mailto:dblaikie@gmail.com" class="gmail_msg" target="_blank">dblaikie@gmail.com</a>> wrote:<br class="gmail_msg">
>><br class="gmail_msg">
>><br class="gmail_msg">
>><br class="gmail_msg">
>> On Thu, Mar 23, 2017 at 4:23 PM Vedant Kumar via cfe-dev <<a href="mailto:cfe-dev@lists.llvm.org" class="gmail_msg" target="_blank">cfe-dev@lists.llvm.org</a>> wrote:<br class="gmail_msg">
>><br class="gmail_msg">
>> > On Mar 23, 2017, at 1:42 PM, Anna Zaks via cfe-dev <<a href="mailto:cfe-dev@lists.llvm.org" class="gmail_msg" target="_blank">cfe-dev@lists.llvm.org</a>> wrote:<br class="gmail_msg">
>> ><br class="gmail_msg">
>> ><br class="gmail_msg">
>> >> On Mar 23, 2017, at 11:48 AM, Reid Kleckner via cfe-dev <<a href="mailto:cfe-dev@lists.llvm.org" class="gmail_msg" target="_blank">cfe-dev@lists.llvm.org</a>> wrote:<br class="gmail_msg">
>> >><br class="gmail_msg">
>> >> On Thu, Mar 23, 2017 at 10:55 AM, David Blaikie <<a href="mailto:dblaikie@gmail.com" class="gmail_msg" target="_blank">dblaikie@gmail.com</a>> wrote:<br class="gmail_msg">
>> >> On Thu, Mar 23, 2017 at 10:45 AM Reid Kleckner <<a href="mailto:rnk@google.com" class="gmail_msg" target="_blank">rnk@google.com</a>> wrote:<br class="gmail_msg">
>> >> I don't think it will be feasible to generalize UBSan's knowledge to the static analyzer.<br class="gmail_msg">
>> >><br class="gmail_msg">
>> >> Why not? The rough idea I meant would be to express the constraints UBSan is checking into the static analyzer - I realize the current layering (UBSan being in Clang's IRGen) doesn't make that trivial/obvious, but it seems to me that the constraints could be shared in some way - with some work.<br class="gmail_msg">
>> >><br class="gmail_msg">
>> >> Maybe I am not imaginative enough, but I cannot envision a clean way to express the conditions that trigger UB that is useful for both static analysis and dynamic instrumentation. The best I can come up with is AST-level instrumentation: synthesizing AST nodes that can be translated to IR or used for analysis. That doesn't seem reasonable, so I think getting ubsan into the static analyzer would end up duplicating the knowledge of what conditions trigger UB.<br class="gmail_msg">
>> >><br class="gmail_msg">
>> >> The static analyzer CFG is also at best an approximation of the real CFG, especially for C++.<br class="gmail_msg">
>> >><br class="gmail_msg">
>> ><br class="gmail_msg">
>> > First, the CFG is not only used by the analyzer, but it is also used by Sema (ex: unreachable code warnings and uninitialized variables).<br class="gmail_msg">
>> > Second, while there are corners of C++ that are not supported, it has high fidelity otherwise.<br class="gmail_msg">
>> ><br class="gmail_msg">
>> >> Sure enough - and I believe some of the people working/caring about it would like to fix that. I think Manuel & Chandler have expressed the notion that the best way to do that would be to move to a world where the CFG is used for CodeGen, so it's a single/consistent source of truth.<br class="gmail_msg">
>> >><br class="gmail_msg">
>> >> Yes, we could do all that work, but LLVM's CFG today is already precise for C++. If we allow ourselves to emit diagnostics from the middle-end, we can save all that work.<br class="gmail_msg">
>> >><br class="gmail_msg">
>> >> Going down the high-effort path of extending the CFG and abstracting or duplicating UBSan’s checks as static analyses on that CFG would definitely provide a better diagnostic experience, but it's worth re-examining conventional wisdom and exploring alternatives first.<br class="gmail_msg">
>> ><br class="gmail_msg">
>> > The idea of analysis based on top of LLVM IR is not new and have been discussed before. My personal belief is that having access to the AST (or just code as was written by the user) is very important.<br class="gmail_msg">
>><br class="gmail_msg">
>> UBSan diagnostics provide a filename, line #, and column #. There is enough information here for a clang-based tool to retrieve an AST node, and generate an appropriate diagnostic. In the non-LTO case, we'd have an ASTContext ready to go at the point where we get the diagnostics back from LLVM. In the LTO case, we could serialize the diagnostics and pass them to a clang tool for processing.<br class="gmail_msg">
>><br class="gmail_msg">
>><br class="gmail_msg">
>> > It ensures we can provide precise diagnostics. It also allows us to see when users want to suppress an issue report by changing the way the source code is uttered. For example, allows to tell the developer that they can suppress with a cast.<br class="gmail_msg">
>><br class="gmail_msg">
>> When users of a hypothetical "-Woptimizer" need to suppress diagnostics, they could use the no_sanitize function attribute, or sanitizer blacklists. These are big hammers: if it proves to be too clumsy, we could find a way to do more fine-grained sanitizer issue suppression.<br class="gmail_msg">
>><br class="gmail_msg">
>><br class="gmail_msg">
>> > Ensuring that clang CFG completely supports C++ is a bit challenging but not insurmountable task. In addition, fixing-up the unsupported corners in the CFG would benefit not only the clang static analyzer, but all the other “users” such as clang warnings, clang-tidy, possibly even refactoring in the future.<br class="gmail_msg">
>> ><br class="gmail_msg">
>> > Here is a thread where this has been discussed before:<br class="gmail_msg">
>> > <a href="http://clang-developers.42468.n3.nabble.com/LLVM-Dev-meeting-Slides-amp-Minutes-from-the-Static-Analyzer-BoF-td4048418.html" rel="noreferrer" class="gmail_msg" target="_blank">http://clang-developers.42468.n3.nabble.com/LLVM-Dev-meeting-Slides-amp-Minutes-from-the-Static-Analyzer-BoF-td4048418.html</a><br class="gmail_msg">
>><br class="gmail_msg">
>> I've tried to summarize this thread:<br class="gmail_msg">
>><br class="gmail_msg">
>> --- Slides & Minutes from the Static Analyzer BoF ---<br class="gmail_msg">
>><br class="gmail_msg">
>> * Cross Translation Unit Static Analysis: The proposed approach is to generate summaries for each TU, and to teach the analyses to emit diagnostics based on the summaries. I don't know the current status of this, or what using summaries does to false-positive rates.<br class="gmail_msg">
>><br class="gmail_msg">
>> * A Clang IR: Modeling things like temporaries is hard, so is dealing with language changes. One proposal is to create an alternate IR for C, then lower it to LLVM IR. The argument is that analyses would be easier to perform on the "C/C++" IR, because CodeGen/StaticAnalyzer would operate on the same structures. There are concerns raised about the complexity of this undertaking<br class="gmail_msg">
>><br class="gmail_msg">
>> * A Rich Type System in LLVM IR: An alternate proposal is to add a rich, language-agnostic type system to LLVM IR, with pointers back to frontend AST's. Under this proposal, I'm assuming LLVM would be responsible for generating diagnostics. There were concerns raised about having optimizations preserve the type information, about AST node lifetime issues, and about layering violations (i.e LLVM shouldn't be dealing with frontend stuff).<br class="gmail_msg">
>><br class="gmail_msg">
>> ---<br class="gmail_msg">
>><br class="gmail_msg">
>> ISTM that work on improving C++ support in the clang CFG can proceed in parallel to work on reporting sanitizer diagnostics from the middle-end. I'd like to know what others think about this.<br class="gmail_msg">
>><br class="gmail_msg">
>> Just to recap, the approach I have in mind is different from the options discussed in the thread Anna linked to. It's advantages are that;<br class="gmail_msg">
>><br class="gmail_msg">
>> * There is a clear path towards reporting issues that arise when LTO is enabled.<br class="gmail_msg">
>><br class="gmail_msg">
>> * We can design it s.t there aren't false positives, with the caveat that we will annoy users about bugs in dead code.<br class="gmail_msg">
>><br class="gmail_msg">
>> * It's extensible, in case we ever want to explore statically reporting diagnostics from other sanitizers.<br class="gmail_msg">
>><br class="gmail_msg">
>> * The classes of UB bugs we'd be able to diagnose statically would always be the same as the ones we diagnose at runtime, without writing much (or any) extra code.<br class="gmail_msg">
>><br class="gmail_msg">
>> * It's relatively simple to implement.<br class="gmail_msg">
>><br class="gmail_msg">
>> The main disadvantage are that;<br class="gmail_msg">
>><br class="gmail_msg">
>> * It constitutes a layering violation, because we'd need to teach LLVM about the names of some ubsan diagnostic handlers. IMO this isn't too onerous, we already do this with builtins.<br class="gmail_msg">
>><br class="gmail_msg">
>> * It's awkward to have llvm issue diagnostics, because this is usually done by Sema/clang-tidy/the static analyzer. I think this is something we could get used to.<br class="gmail_msg">
><br class="gmail_msg">
> I'm not sure this last bulletpoint quite captures the difficulties of having diagnostics powered by optimizers. The concern is generally that this makes diagnostics unreliable and surprising to users because what would appear to be unrelated changes (especially to the degree of changing the optimization level/tweaks, or maybe changing architecture/target) cause diagnostics to appear/disappear. This is the sort of behavior that's been seen with some of GCC's diagnostics that are optimizer-powered, and something Clang's done a fair bit to avoid.<br class="gmail_msg">
<br class="gmail_msg">
That's fair, I should have examined that last point in more detail.<br class="gmail_msg">
<br class="gmail_msg">
I think we could minimize the confusion by making it clear that the warnings are dependent on optimizations. In part, this would mean writing good documentation. We'd also need to find the right language for the warnings. Something like: "warning: foo.cpp:N:M: At the -OX optimization level, undefined behavior due to <...> was detected [-Woptimizer]". We could teach clang to emit Fixits in some cases, or even notes which explain that the code could be removed by the optimizer.<br class="gmail_msg"></blockquote><div><br>Fixits, notes, and other high precision source information (even in the case of a basic diagnostic - highlighting the expression range, etc) would be pretty challenging for a feature like this, btw. The source locations used by LLVM to report backend diagnostics (LLVM has some - for things like instruction selection/inline asm issues, etc - as well as the optimization report diagnostics) are from debug info, only line/col. Stitching that back to any part of the AST would be pretty ambiguous in most/many cases I'd imagine.<br> </div><blockquote class="gmail_quote gmail_msg" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">
<br class="gmail_msg">
vedant</blockquote></div></div>