面向静态分析的真实世界 R 代码剖析

背景 R 编程语言拥有一个庞大且活跃的社区，尤其是在统计计算领域。其解释执行的特性允许一些有趣的构造，例如在运行时操作函数，这阻碍了对 R 程序的静态分析。同时，关于这些特性，乃至整个 R 语言在实践中如何被使用，现有研究尚显不足。目标：本文中，我们对超过 5000 万行真实世界的 R 程序和包进行了大规模静态分析，以识别其特征和实际使用的特性。此外，我们比较了 R 用户脚本与包作者实现之间的异同。我们为诸如 lintr 包之类的静态分析工具以及潜在的代码解释器优化提供了见解，并揭示了未来研究的领域。方法：我们分析了随出版物提交的 4230 个 R 脚本以及 19450 个 CRAN 包的源代码，涉及超过 350000 个 R 文件，收集并总结了感兴趣特性的定量信息。结果：我们发现基于名称的索引操作、赋值和循环的使用频率很高，但 R 的大多数反射式函数使用频率较低。此外，在出版物提交的代码中，我们既没有发现测试函数，也没有发现很多对 R 的外部函数接口（FFI）的调用。结论：R 脚本和包源代码存在差异，例如在大小、包含其他包的方式以及对 R 反射能力的使用上。我们提供了使用频繁且应被静态分析工具优先处理的特性，如运算符赋值、函数调用以及某些反射式函数（如 load）。