Automatic Coding: Choice of Data Structures

ساختارهای اطلاعاتی 1.0 2 و کارایی زمان اجرا در دسترس با استفاده از ساختارهای داده سطح پایین تر. ما معتقدیم که این ناکارآمدی‌های زمان اجرا را می‌توان با ارائه کتابخانه‌ای از نمایش‌ها برای ساختارهای اطلاعاتی و یک سیستم خودکار به کمک کاربر برای انتخاب عناصر مناسب از این کتابخانه برای برنامه‌های کاربر برطرف کرد. مشکلات اصلی در چنین رویکرد خودکار عبارتند از: 1). ساخت کتابخانه ای از نمایندگی ها؛ 2). مشخص کردن ویژگی های این نمایش ها؛ 3). درک اینکه چگونه برنامه کاربر واقعاً از ساختارهای اطلاعاتی انتزاعی استفاده می کند. و -4). تطبیق کارآمد نیازهای برنامه کاربر با ویژگی های نمایش های شناخته شده. تحقیق گزارش شده در اینجا تلاشی برای نشان دادن امکان سنجی چنین انتخاب نمایش خودکار است. ما به کاربر این امکان را می دهیم که داده ها را بر حسب روابط، مجموعه ها و توالی ها بیان کند. سپس سیستم ما اطلاعاتی را با تجزیه و تحلیل برنامه، نمایه های بیانیه اجرا و بازجویی از کاربر به دست می آورد. با استفاده از آن اطلاعات، سیستم پیاده سازی های کارآمد (از نظر زمانی و مکانی) در سطح پایین را برای ساختارهای اطلاعاتی کاربر از یک کتابخانه ثابت از بازنمایی ساختار اطلاعات انتخاب می کند. اگرچه ما فقط چند ساختار اطلاعاتی انتزاعی را در نظر گرفته‌ایم (آنهایی که در زبان برنامه‌نویسی ما، SAIL موجود هستند)، اما معتقدیم تکنیک‌های مورد استفاده در این سیستم عموماً قابل اجرا هستند.

1.0 2 information structures, and the runtime efficiency available using lower level data structures. We believe these runtime inefficiencies can be remedied by providing a library of representations for the information structures and a user assisted automatic system to choose appropriate elements from this library for the user's programs. The main problems in such an automatic approach are: 1). Building a library of representations; 2). Characterizing the properties of these representations; 3). understanding how the user's program actually uses the abstract information structures; and -4). efficiently matching the user program needs with the properties of the known representations. The research reported here is an attempt to demonstrate the feasibility of such automatic representation selection. We allow the user to express data in terms of relations, sets, and sequences. Our system then obtains information by analysis of the program, execution statement profiles and interrogation of the user. Using that information, the system selects efficient (in terms of time and space) low level implementations for the user's information structures from a fixed library of information structure representations. Though we have considered only a few abstract information structures (those available in our programming language, SAIL) we believe the techniques used in this system are generally applicable.