🔁 Análise de Fluxo de Execução e Call Graphs (Mapa de Chamadas)

Esta skill orienta a inteligência artificial a atuar como Especialista em Análise de Fluxo de Execução e Call Graphs, reconstruindo a cadeia hierárquica de chamadas entre métodos, funções, serviços e bancos de dados, combinando análise estática de chamadas e rastreamento dinâmico em tempo de execução.

---

🧭 1. Análise Estática vs Análise Dinâmica de Fluxo

A reconstrução de caminhos de execução envolve duas abordagens sinérgicas:

1. Call Graph Estático (Static Call Graph): Analisa o código-fonte, AST e tabelas de símbolos para identificar todas as invocações de funções possíveis, lidando com chamadas polimórficas via algoritmos de análise de pontos de chamada (Class Hierarchy Analysis - CHA, Rapid Type Analysis - RTA, Pointer Analysis).
2. Call Graph Dinâmico (Dynamic Call Graph / Tracing): Inspeciona chamadas reais executadas em runtime através de instrumentação de bytecode, profilers de CPU ou spans do OpenTelemetry/Jaeger, capturando a ordem exata, contagem de execuções e tempo gasto em cada nó.

flowchart TD
    subgraph Layer1["1. Controller / Camada de Entrada"]
        CTRL["OrderController.checkout(req)"]
    end

    subgraph Layer2["2. Service / Camada de Negócio"]
        SRV["OrderService.processOrder(order)"]
        VAL["ValidationService.validate(order)"]
    end

    subgraph Layer3["3. Gateway / Clientes Externos"]
        PAY_GW["PaymentClient.chargeCreditCard(token, amount)"]
        NOTIF["NotificationClient.sendEmail(user)"]
    end

    subgraph Layer4["4. Repository / Persistência"]
        REPO["OrderRepository.save(order)"]
        DB[(PostgreSQL Database)]
    end

    CTRL -->|"1. Chama"| SRV
    SRV -->|"1.1. Valida"| VAL
    SRV -->|"1.2. Processa Pagamento"| PAY_GW
    SRV -->|"1.3. Persiste Estado"| REPO
    REPO -->|"SQL: INSERT INTO orders"| DB
    SRV -->|"1.4. Notificação Assíncrona"| NOTIF

---

🛠️ 2. Ferramentas Especialistas de Geração de Call Graphs

1. Code2Flow

• Conceito: Utilitário multilíngue (Python, JavaScript, Ruby, PHP) que gera fluxogramas executáveis visuais a partir de código-fonte, mapeando de forma direta como as funções interagem entre si.
• Uso CLI:

# Gerar fluxograma de execução em SVG
code2flow src/main.py src/auth.py src/database.py -o execution_flow.svg

2. Go Callvis (Go / Golang)

• Conceito: Gerador de grafo de chamadas interativo para Go. Utiliza análise estática avançada de ponteiros (pointer analysis) para resolver interfaces e despachos dinâmicos, agrupando funções por pacote de origem.
• Uso CLI:

# Focar no ponto de entrada main e ignorar bibliotecas padrão do Go
go-callvis -nostd -focus github.com/empresa/projeto/cmd/server .

3. Pyan3 (Python)

• Conceito: Analisador estático para Python 3 que analisa definições de classes, métodos e chamadas através do módulo ast, gerando arquivos DOT detalhados.
• Comando:

pyan3 $(find ./app -name "*.py") --uses --defines --colored --grouped --nested-groups --dot > app_callgraph.dot
dot -Tpng app_callgraph.dot -o app_callgraph.png

4. Doxygen + Graphviz DOT (C, C++, Java, C#)

• Conceito: Gera diagramas de chamadas diretas (Call Graph) e chamadas inversas (Caller Graph) para qualquer função/método do sistema.
• Visualização: Cada nó de função exibe hiperlinks para o código-fonte correspondente e destaca se a função faz parte de uma API pública ou é interna.

5. SciTools Understand & Sourcetrail

• SciTools Understand: Plataforma líder para análise estática em escala de milhões de linhas de código. Gera diagramas de Butterfly Graphs (mostra simultaneamente quem chama e quem é chamado por uma função selecionada), árvores de dependência e métricas de complexidade ciclomática.
• Sourcetrail: Indexador de código interativo open-source que permite navegar graficamente em nós de código (Type, Function, Variable) com sincronização em tempo real na tela do código-fonte.

6. Rastreamento Dinâmico com OpenTelemetry + Jaeger

• Conceito: Permite visualizar o grafo de chamadas reais em runtime com métricas de tempo distribuídas entre microsserviços e componentes locais.
• Exemplo de DAG de Spans:

[Trace: 8a7f9b2c3d] Total: 250ms
 ├── HTTP POST /api/checkout (OrderController) [250ms]
 │    ├── OrderService.process [210ms]
 │    │    ├── PaymentClient.charge (HTTP POST api.stripe.com) [140ms]
 │    │    └── OrderRepository.save (SQL INSERT) [35ms]
 │    └── EventPublisher.emit [10ms]

---

📊 3. Tipos de Resolução Polimórfica em Call Graphs

Ao mapear código orientado a objetos ou funcional, o especialista deve considerar a técnica de resolução de despacho dinâmico:

Algoritmo	Precisão	Custo Computacional	Descrição
CHA (Class Hierarchy Analysis)	Média	Muito Baixo	Conecta a chamada a todas as subclasses que implementam o método.
RTA (Rapid Type Analysis)	Alta	Baixo	Filtra apenas classes concretas que são efetivamente instanciadas na aplicação.
Pointer Analysis (Andersen/Steensgaard)	Muito Alta	Alto	Rastreia o fluxo de ponteiros/referências para identificar o objeto exato apontado.
Dynamic Execution (Tracing)	Exata (100%)	Overhead em runtime	Registra apenas as chamadas reais disparadas durante a execução.

---

🎯 4. Boas Práticas

• Filtragem de Bibliotecas Padrão: Sempre filtre bibliotecas utilitárias do runtime (java.lang.*, fmt.Println, builtins, lodash) para evitar que o Call Graph fique poluído e ilegível.
• Identificação de Métodos Folha Críticos (Critical Leaf Methods): Localize métodos no final da cadeia de chamadas que realizam I/O bloqueante ou operações matemáticas pesadas para otimização de performance.
• Detecção de Código Morto (Dead Code): Funções privadas ou internas com grau de entrada zero ($In\text{-}Degree = 0$) no grafo completo devem ser investigadas para refatoração e remoção.