基于软件维护历史的代码异味评估与检测

发布时间：2020-06-18 10:05

【摘要】：代码异味是软件中由于设计缺陷或不良编码习惯而导致深层次质量问题的代码症状。与一般代码缺陷不同,代码异味不一定直接导致软件运行错误,但引起可读性、可理解性、效率等方面的质量问题,造成软件维护难度随之增加。因此,亟需对代码异味进行评估与检测,以改善软件质量、节约维护成本。目前,代码异味的研究面临着若干挑战。一方面,程序员对代码异味的识别偏于主观,缺乏有效的检测工具。另一方面,除程序结构方面的代码异味之外,现有研究工作缺乏对更多类别代码异味的研究。对此,本文通过挖掘开源软件的维护历史,评估和检测影响软件可维护性的代码异味。首先,本文实现了一种基于度量的代码异味检测技术,并评估了代码异味对软件可维护性的影响程度。其次,鉴于Python等动态类型语言的流行以及用户对软件性能的要求日益提高,本文提出了动态类型使用和性能表现两方面的代码异味,并分别对代码异味的检测技术和危害程度展开研究。本文主要贡献总结如下:(1)针对代码异味检测技术的有效性问题,结合三种阈值策略构建了基于度量的代码异味检测工具(Pysmell),根据软件维护历史评估了三种阈值策略的检测效果并衡量了代码异味对软件可维护性的影响程度。结果表明,该工具能有效检测10种程序结构代码异味,且代码异味与代码变更和缺陷显著相关。(2)针对动态类型使用的代码异味问题,提出了6种动态类型滥用的代码异味,实现了对动态类型代码异味的检测方法,结合定量和定性分析调查了动态类型代码异味的特征并评估了在软件维护历史中这些代码异味与缺陷的关联性。结果表明,程序员一般在软件的前期开发阶段就引入了动态类型代码异味,且绝大部分的动态类型代码异味可能导致软件缺陷。(3)针对影响软件性能表现的代码异味问题,实现了性能问题代码异味的定位方法(Speedoo),其目的是对软件中所有函数的优化优先级进行排序。本文基于开源软件的性能优化历史对该方法的有效性和效率进行评估。结果表明,Speedoo定位性能问题代码异味的有效性比基于剖析的定位工具YourKit高出2到3倍,且能适用于大规模的软件系统。
【学位授予单位】：南京大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TP311.53
【图文】：

数据分布,度量值

为了调查这个假设是否成立，我们在ＧｉｔＨｕｂ上收集了邋１０６个收藏数最多的逡逑开源Ｐｙｔｈｏｎ项目语料库，包含了３．５ＭＬＯＣ代码和２５，８８２个Ｐｙｔｈｏｎ文件。我们从这逡逑些项目中提取出策略框架中的所有度量数据集，最终每个度量的分布如图３．１所逡逑不。度量值的分布均遵循幂律分布：绝大部分数据点的分布集中于一小部分值逡逑空间内。为此，本章采用的基于统计的阈值策略参考了邋Ｆｏｎｔａｎａ等人提出的数据逡逑驱动方法［１１８］。方法分为两个步骤：逡逑第一步，按照非参数化过程丢弃对制定阈值无用的数据点集合。在１０６个逡逑Ｐｙｔｈｏｎ项目的度量值分布中，度量值的分布呈现的普遍规律是：当度量值较小逡逑时，多数数据点落在该分布区域，即数据点的频率高，例如ＰＡｉ？度量表示的函逡逑数参数个数通常是１－３；随着度量值变大，数据分布越来越稀疏，即数据点的频逡逑率变小，例如度量值在１０以上的概率很小，这些异常度量值很可能暗示了逡逑代码异味。因此，那些频率很高的度量值区域上的数据点失去了研究意义，故逡逑而要丢弃那一部分度量值区域上的数据点。

结构框架,阈值

逦２逡逑基于训练机的阈值策略）开发出了一个代码异味检测工具，名为Ｐｙｓｍｅｌｌ８，能够逡逑检测Ｐｙｔｈｏｎ软件中的１０种代码异味。它的体系框架如图３．２所示，主要包含了三逡逑个功能模块：逡逑ＡＳＴ分析器分析了软件系统的结构并从中将Ｐｙｔｈｏｎ文件转化为抽象语法树逡逑（ＡＳＴ）。通过遍历抽象语法树，该模块抽取了Ｐｙｔｈｏｎ文件中的所有实体（例如逡逑类和函数），并收集了相关的度量值。逡逑阈值选择器实现了三种阈值策略，计算出度量阈值。基于经验的阈值是根逡逑据问卷调查中程序员反馈的经验值设定。基于统计的阈值选取是利用ＡＳＴ分析逡逑器模块收集的度量值分布来提取度量的异常值作为阈值。基于训练机的阈值选逡逑取是基于一个足够大的代码异味实例库来迭代地训练阈值，使得最终阈值满足逡逑检测准确率要求。逡逑代码异味检测器使用了不同阈值策略计算出的阈值来检测目标系统中的每逡逑个实体是否满足各代码异味的检测策略。在该检测过程之后，该模块将检测结逡逑果报告给用户，同时也将检测结果输出给阈值选择器模块中的训练机以便于继逡逑续训练阈值。逡逑８ｈｔｔｐｓ：／／ｇｉｔｈｕｂ．ｃｏｍ／ｃｈｅｎｚｈｉｆｅｉ７３１／Ｐｙｓｍｅｌｌ逡逑２５逡逑

【相似文献】