Document

メソッドの同時更新履歴を用いた
クラスの機能別分類法
井上研究室
博士前期課程2年
楠田泰三
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
1
Feature Location
ソフトウェア理解のコストの増大[1]
保守作業を行う上では、ソフトウェア全体の理解よりも保守作業に応じ
た一部の詳細な理解の方が重要[2]
ソフトウェアの持つ機能と、その実装箇所の対応を
特定する
入力ファイルを
読み込む
解析結果を出力する
データを解析する
ソースコード
[1] Encyclopedia of Software Engineering. Pigoski T. M.,1994
[2] Partial Comprehension of Complex Programs. K.Erdos et al. IWPC'98
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
2
Feature Locationの既存手法とその問題点
ソースコードを解析する
関数の呼び出しグラフを用いる
⇒動的に実行経路が決定するオブジェクト指向プログラム
では、解析が困難
プログラムの実行履歴を解析する
プログラムを様々な入力の元で実行
⇒ 非常に時間がかかる
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
3
版管理システム
1.コピー
3.更新を反映
1.コピー
2.更新
2.更新
3.更新を反映
リポジトリ
開発者領域
開発のプロセス (一回の更新作業)
1. リポジトリとよばれるデータベースから必要なプロダクト（ソースコードなど)をコピー
2. コピーしたプロダクトを更新する
3. 行った更新をリポジトリに反映させる（チェックイン）
一回の更新作業で複数のプロダクトが更新され、その全ての履歴がリポジトリに存在
ソフトウェアの機能を追加・修正するために行ったソースコードの更新の情報を含む
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
4
研究の概要
目的
オブジェクト指向言語で記述されたソフトウェアの
クラスを機能別に分類
⇒ソフトウェアの持つ機能と、その実装箇所の対応を特定する
手法
版管理システムの保持している開発履歴情報を用いる
同一の機能を実装している箇所は同時に更新されることが多い
同時に更新される傾向が強いクラス群を同一の機能を実装して
いるクラス群と考え、グループ化する
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
5
提案手法概要
版管理システムの
リポジトリ
{ A.a1() , A.a2() , B.b() , C.c() }
{ A.a1() , A.a2() , B.b() }
{ A.a1() , B.b() }
{ A.a2() , C.c() }
{ A.a1() , B.b() }
A.a1()
A.a2()
{A , B}
{A , C}
同時更新傾向の
強いクラス群
メソッドの同時更新の情報
B.b()
1.1 同時更新情報の抽出
1.2 多くのクラスにまたがる
更新作業の除去
2.1メトリクス値の計算
2.2更新傾向グラフの作成
C.c()
更新傾向グラフ
3.1更新傾向グラフの
クラスタリング
3.2同時更新傾向の強
いクラス群の決定
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
6
手順1.1 - 同時更新情報の抽出
版管理システムのリポジトリ
{ A.a1() , B.b() }
{ A.a2() , C.c() }
{ A.a1() , B.b() }
{ A.a1() , A.a2() , B.b() }
{ A.a1() , A.a2() , B.b() , C.c() }
{ A.a1() , B.b() , C.c() , D.d() , E.e() }
同時更新されたメソッド群のリスト
一回の更新作業により更新されたメソッド群を同時に更新さ
れたメソッド群と考える
メソッドの更新
メソッドの記述内容が更新
メソッドが追加
対象とするソフトウェアに対して行われた全ての更新作業につ
いて、同時更新されたメソッド群を抽出し、そのリストを作成
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
7
手順1.2 - 多くのクラスにまたがる更新作業の除去
同時に更新されたメソッド群が多くのクラスにまたがる場合、その更新作業を除去
複数の機能の修正をまとめてチェックイン
リファクタリングなどによる大規模なコードの修正
箱髭図を用いた分析
箱髭図
四分位点を用いてデータのばらつきを見るための図
各更新作業において、同時に更新されたメソッド群がまたがるクラスの個数をデータとして
箱髭図を作成し、上の髭にあたる部分を越える更新作業を除去
Q3  (Q3  Q1 ) 1.5を
髭
超えない最大のデータ
Q3
箱
Q1
Q1  (Q3  Q1 ) 1.5を
下回らない最小のデータ
髭
Q1  第一四分位点
Q3  第三四分位点
箱髭図
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
8
手順2.1 - 同時更新の強さを表すメトリクスの計算
{ A.a1() , B.b() }
{ A.a2() , C.c() }
{ A.a1() , B.b() }
{ A.a1() , A.a2() , B.b() }
{ A.a1() , A.a2() , B.b() , C.c() }
外れ値を除去した同時更新された
メソッド群のリスト
confidenceA.a1(),A.a 2()  0.5
confidenceA.a1(),B.b()  1.0
confidenceA.a1(),C.c()  0.25
：
メトリクス値
同時更新の強さ = どの程度同時に更新される傾向があるかを数値
で表現
Zimmermann らが提案した confidence メトリクス[1]を用いる
confidencem1,m 2 
m1とm2が同時に更新された回数
m1が更新された回数
[1] Zimmermann et al. How History Justifies System Architecture ( or not ) . IWPSE2003
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
9
手順2.2 - 更新傾向グラフの作成
confidenceA.a1(),A.a 2()  0.5
0.5
A.a1()
A.a2()
confidenceA.a1(),B.b()  1.0
confidenceA.a1(),C.c()  0.25
：
メトリクス値
1.0
B.b()
C.c()
更新傾向グラフ
頂点はメソッド
頂点間の辺は始点と終点のメソッドの同時更新の
強さを保持
始点をメソッド A 、終点をメソッド B とした時 A → B の辺は
confidence を保持
A,B
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
10
手順3.1 - 更新傾向グラフのクラスタリング
群平均法を用いる
1.
2.
初期状態の頂点の一つずつをクラスタにする
クラスタ間の近さの値が最大の２つのクラスタを一つのクラスタに統合
クラスタ間の近さの値は、各クラスタに含まれる頂点間のすべての組み合わせの近さの
値の平均
confidenceA, B  confidenceB, A
頂点A,B間の近さは
2
全てのクラスタ間の近さが閾値 Wth より小さくなるまで繰り返す
A.a1()
1.0
B.b()
0.58
0.58
0.58
0.48
0.375
0.375
0.375
A.a2()
0.83
C.c()
クラスタ化更新傾向グラフ
更新傾向グラフ (Wth  0.5)
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
11
手順3.2 - 同時更新傾向の強いクラス群の
決定
クラスタリングの結果を開発者に提示する。開発者が適切にクラスタ
リングできていないと判断した場合は、閾値を設定し直し、再びクラ
スタリングを行う。
1.
•
2.
機能数に対してクラスタの数が多すぎる場合は閾値を低くする
クラスタ化更新傾向グラフ中の各クラスタに含まれるメソッド群が属し
ているクラス群を、同時更新傾向が強いクラス群と考える
閾値を再設定
A.a1()
A.a2()
A.a1()
一つの機能を実装
しているクラス群
A.a2()
{ A ,B }
{ A ,C }
同時更新傾向の
強いクラス群
クラスタリング
B.b()
C.c()
更新傾向グラフ
B.b()
C.c()
クラスタ化更新傾向グラフ
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
12
検証実験
対象とするソフトウェアに対し本手法を適用し、適切
にクラスがグループ化できているかを調べる
実験対象
CREBASS ( Cvs REpository Browse And Search
System )
CVS リポジトリ閲覧・検索システム
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
13
実験結果
データ解析部について評価
Wth  0.007 で10個のクラス群が特定
機能名
実装
クラス
抽出
クラス
該当
クラス
データベースを作成する
8
10
7
データベースからデータを取得する
6
8
5
Cのファイルを構文解析する
3
10
3
RCSファイルを解析する
5
5
5
設定ファイルを読み込む
2
2
2
折れ線グラフを作成する
5
5
5
リビジョン条件の比較する
7
7
7
関数データを管理する
5
8
5
14
7
7
5
3
3
60
65
49
ヒストリデータを管理する
プロジェクトデータを管理する
計
各機能の実装クラスを最も多く
含むクラス群を割り当て
適合率　
該当クラス 49

 0.75
抽出クラス 65
再現率 
該当クラス 49

 0.81
実装クラス 60
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
14
実験結果の考察
本手法は有効
概ね高い適合率、再現率
いくつかのオープンソースソフトウェアで再現率が低い
例) jPicEdtというソフトウェアは再現率が0.22
ある程度開発を行ってから版管理システムの利用開始していたため
⇒版管理システムの利用を開始する前の履歴が取得できない
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
15
まとめ
ソフトウェアの開発履歴を用いてクラスを機能別にグループ化
ソフトウェアの全体ではなく、一部を詳細に理解することを支援
検証実験
本手法は有効
版管理システムの利用開始時期が遅い場合、適切にクラスが特定できない
場合もある
今後の課題
変更の内容を考慮
ソースコードの静的解析と組み合わせる
既存手法との結果の比較
Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University
16

Download Report