我的阅读状态 （保存写回仓库，全设备同步；首次保存需输入访问令牌）

AI 速览

一句话：分享在工业级语言虚拟机上应用动态数据竞争检测器 RaceHunter 的经验、挑战与解决方案。

本文是一篇经验总结类论文，作者团队将动态数据竞争检测器 RaceHunter 应用于一个工业级的语言虚拟机（language virtual machine），并系统梳理了这一过程中获得的经验教训。论文的问题出发点在于：虚拟机自身的实现包含大量细粒度并发与底层同步机制，在其中开展动态数据竞争检测会面临工程与工具层面的诸多困难，而这类实践性知识在文献中往往缺乏记录。作者以实际应用过程为线索，逐条列出所遇到的关键挑战，并为每个挑战给出相应的解决方法。论文的贡献主要在于对工具落地经验的提炼与传播，为后续在同类运行时系统中部署数据竞争检测工具的研究者与工程师提供参考，而非提出新的检测算法或理论结果。原文摘要未给出量化评估数据。

问题

如何在工业级语言虚拟机这一复杂并发系统上有效部署动态数据竞争检测器，以及实践中会遭遇哪些具体障碍。

方法

将动态数据竞争检测器 RaceHunter 实际应用于一个工业语言虚拟机，并以经验报告的形式逐项记录遇到的挑战与对应的解决方案。

评估

以工业虚拟机上的实际应用过程作为评估依据，通过经验教训的梳理说明各挑战及其解决方式；摘要中未报告量化实验指标。

链接与引用

DOI 原文 · PDF（开放获取） ·

@inproceedings{paperbot9039,
  title = {Detecting Data Races in Language Virtual Machines with RaceHunter. Lessons Learned.},
  author = {Pavel Andrianov and Vadim Mutilin and Evgeny Gerlits},
  booktitle = {FSE},
  year = {2025},
  doi = {10.1145/3696630.3731435}
}